重度抑郁症多基因风险与大脑结构的关联，一项涵盖50,975名参与者的大型分析，涵盖11项队列

论文总结这篇论文通过大规模国际合作整合了11项研究、共50,975名参与者的数据采用统一的多基因风险评分和神经影像分析流程发现抑郁症的多基因风险与较低的颅内体积、较小的皮质表面积尤其是额叶和眶额叶区域以及较小的丘脑、海马和苍白球体积显著相关。进一步孟德尔随机化分析提示左侧海马体积较小可能对抑郁症易感性具有因果影响。研究揭示了抑郁症遗传风险与大脑结构之间的关联并为早期干预提供了潜在靶点。摘要重度抑郁症MD是一种普遍存在的、致残且限制生命的疾病。MD遗传风险的神经生物学关联在大样本中尚未充分探讨迄今尚无全面的大型分析。我们的研究分析了11项独立研究的数据涵盖了来自ENIGMA重大抑郁障碍工作组的50,975名参与者。我们开发了高度一致的遗传和神经影像协议并将其应用于所有参与研究同时采用严格的遗传方法消除多基因风险评分PRS训练与检测样本之间的重叠。MD的PRS升高与颅内容积降低及皮层表面积整体指标降低相关βICV −0.017pICV 1.97 × 10−6; βSurf −0.013pSurf 4.5 × 10−4;前驱变3.62×10⁻⁻4。最显著的皮层关联出现在额叶表面积β −0.011p 2.85 × 10⁻⁻6pFDR 1.42 × 10⁻⁻特别是在左侧内侧眼窝-额回β −0.021p 9.48 × 10⁻⁻pFDR 1.25 × 10⁻⁻。在皮层下区域丘脑、海马和苍白球体积较低与MD的PRS较高相关β范围为−0.011至−0.015p范围为0.002–1.73×10−5pFDR0.006。在仅有年轻个体的子样本中25岁N 5570尽管没有FDR显著性发现但对青少年皮层表面积分析与整个样本的效应方向高度一致71.2%同方向精确二项检验p值7.56 × 10−4。后续的孟德尔随机分析显示较小的左海马体积对MD风险增加可能有因果效应逆方差加权分析β −0.064p 8.04 × 10−3pFDR 0.04。我们的发现展示了广泛的国际合作如何显著推进我们对MD的神经遗传学理解并为高风险人群的早期干预提供见解。引言重度抑郁症MD是全球健康负担的主要原因之一每年在全球造成0.7万亿美元的损失[1]。MD是一种遗传性疾病双胞胎遗传率为37%[2]SNP估计遗传率为6%[3]。近期对MD的大型全基因组关联研究GWAS——一种与临床定义的重度抑郁障碍高度遗传相关的更广泛性状——使得多基因风险评分PRS得以建立从而客观估计MD的责任性[3]。此外PRS还可用于促进对多种健康结果和生物标志物的关联分析从而帮助识别潜在的疾病机制[4]。 此前的大规模研究揭示了与多重病诊断相关的皮层和皮层下结构性脑异常[5 6]包括病例对照组在海马体体积上的差异[7]。另一项荟萃分析显示MD与眼窝额叶皮层、扣带皮质、岛叶和颞叶皮层厚度降低相关[5]。在多元病的GWAS中出现了脑表达基因及参与突触通路的基因富集的有力证据[3]。这些发现表明大脑结构差异与MD可能共享遗传结构[8]尽管这一领域尚未在大规模上被深入探讨。尽管此前研究指出神经解剖学与遗传风险的关联但针对遗传风险与神经影像测量之间的关联的大规模研究有限尤其是在多个队列中[9]。以往的单队列研究往往缺乏足够的统计能力无法检测到与小效应量的可靠关联[10]因此在不同脑区和影响方向上往往得出结论不明确[11]。不同研究间影像数据的预处理差异也带来了异质性可能导致重复性降低[12]尤其是在小脑区[13]。此外目前尚无针对MD和大脑结构变异遗传风险的个体层面大型分析[11]。缺乏大规模神经影像和遗传数据集以及分析方案难以统一是导致此类研究缺乏有力研究的主要障碍[14 15]也解释了为何这种方法很少被实施。最后此前的研究主要聚焦于中晚年成年人对年轻人的分析有限[16]。这导致在生命周期内推广发现变得困难[16]。因此一项涵盖广泛年龄段的大规模多队列研究是深化我们对MD神经遗传学基础理解、并可能进一步识别因果神经生物标志物的关键一步。本研究中我们对11项研究中的参与者进行了独特的个体层面巨量分析N 50,975以探讨PRS对MD、皮层厚度和表面积与皮层下体积之间的关联。采用标准化影像和遗传协议协调各队列间的遗传和神经影像数据。我们的研究样本涵盖了年龄范围较广的参与者每组平均年龄在9至65岁之间随访分析特别关注≤25岁的年轻人N 5570。对于与PRS相关的结构性脑测量进行了随访的双向孟德尔随机化分析以检验结构变异与MD的责任性之间是否存在潜在因果关系。图1 遗传数据处理流程图。PRS处理分为两个步骤。第一步包括对遗传数据的标准化质量检查和SNP选择。具体标准总结于图中方法中有详细说明。第一步的输出随后用于第二步为每个队列生成PRS。所有创建的PRS均汇总于图中并详述于方法中。质量检测、MAF次等位基因频率、PRS多基因风险评分、使用聚团和阈值法生成的PRS-CT风险评分、使用SBayesR创建的PRS-SBayesR PRS。方法参与者分析中纳入了来自ENIGMA重度抑郁障碍工作组[5 7]、英国生物样本库[17]和ABCD [18]九个队列的50,975名具有欧洲血统的参与者。所有ENIGMA队列和英国生物样本库主要由成年人组成ABCD为青少年队列。每个队列的人口统计信息可见补充表1。所有学员均获得当地机构审查委员会和伦理委员会的批准。如果参与者为未成年人所有参与者及其照护者均需书面同意。该研究已获得NHS Tayside研究伦理委员会批准05/s1401/89。每个队列的伦理审批可见其方案论文及补充材料补充方法部分MD GWAS 的统计摘要本研究使用了Howard等人2019MD GWAS总结统计[3]排除了23andMe及所有与ENIGMA/UK生物样本库成像/ABCD数据集重叠个体。尽管MD是一个包括重度抑郁障碍在内的广泛特征但它与临床确定的重度抑郁障碍有高度遗传相关性rG 0.86[3]。具体来说通过精神病学遗传联盟PGC校验和算法[3]识别并剔除了GWAS与检测样本之间可能重叠的个体。校验和算法是一种成熟的算法可以帮助匿名识别重叠样本。PGC批准了一项关于本研究的分析提案允许去除潜在的重叠样本。校验和脚本发送给所有ENIGMA队列输出结果随后与PGC GWAS分析师共享。因此没有任何ENIGMA研究能够访问PGC或其他ENIGMA研究的校验和数据。同时属于GWAS和ENIGMA重度抑郁障碍联盟的参与者被从发现GWAS中移除PGC分析师对总结统计进行了更新分析。由于年龄组明显比所有参与者年轻因此无需校验和分析因此未将ABCD研究纳入MD GWAS。最终的MD GWAS总结统计涵盖了727,742名个体。这些MD GWAS总结统计数据随后被用来计算独立参与者的MD PRS。图2 神经影像测量测试。MD PRS与大脑结构测量之间的关联在三层次中进行了分层测试。第一层包括整体测量第二层包括叶状结构指标皮层厚度和表面积或整个皮层下结构最后第三层包括每个区域的区域性测量皮层厚度、表面积和皮层下体积。遗传数据处理质量检查QC和预处理由每个队列在本地进行提供关联的遗传和影像数据访问分析时仅共享匿名的个体层面PRS数据见图1。用于生成PRS时使用了硬性推值的遗传数据。创建PRS时包含的SNP选择采用两阶段方式进行。首先所有ENIGMA队列共享一份符合次要等位基因频率MAF0.01和INFO评分0.1的hg19/GRCh37构建中SNPs列表。基于这些SNP列表我们为每个队列使用了三个SNP列表来创建PRS1硬列表所有ENIGMA队列中都存在的SNPNSNP 3,176,9772软列表ENIGMA中超过80%队列中存在的SNPNSNP 6,306,997;3队列列表所有通过该队列质量检验的SNPNSNP因队列而异。这三个名单也被应用于英国生物样本库和ABCD中的部分SNP。英国生物样本库和ABCD的队列列表采用较低的次要等位基因频率阈值MAF 0.001以表彰这些队列样本量较大。计算MD的PRS我们用两种方法创建了 MD PRS。我们采用的第一个方法是聚团阈限法PRS-CT[19]。我们使用PRSice 2.0[19]创建了七个PRS-CT基于七个p值阈值pT 5×10⁻⁻8,1×10⁻⁻1×10⁻³0.01,0.1,0.5和1。聚团使用500 kb窗口r2 0.1进行。对于N 1000的小型研究使用1000基因组计划中的中欧样本CEU基因型数据作为聚团参考面板[20]。对于N 1000的较大规模研究则使用他们自身推算的遗传数据作为集团参考数据。我们还用贝叶斯方法PRSSBayesR创建了第二组PRS[21]。由于其更强的预测力贝叶斯方法的PRS生成方法越来越被广泛使用。MD汇总统计数据使用“SBayesR”处理[21]并使用涵盖280万常见SNP的精简稀疏LD矩阵作为LD参考面板[21]。马尔可夫链蒙特卡洛MCMC链条长度定为21,000。SBayesR 的输出摘要统计数据随后被用于创建 PRS。SBayesR总结统计共计包含86,787个效应值非零的SNP。随后PRSice 2.0 中使用了摘要统计数据来创建 PRS且未进行聚合。因此每个队列生成了六组PRS三个SNP列表×两种PRS方法。脚本可在网址访问https://github.com/xshen796/ENIGMA_mdd_prs/blob/ main/script/PREP_PRS/Calculate_PRS.md。神经影像测量为每个队列获取并局部预处理T1加权图像[5 7]。匿名化的个体层级FreeSurfer输出被共享用于分析。T1加权图像经过预处理、质量检查并使用ENIGMA3 – GWAS皮层厚度与表面积荟萃分析协议与FreeSurfer 5.0或5.3版本进行分组。详细描述可见协议论文[22]和网址https://enigma.ini.usc.edu/protocols/imaging-protocols/。神经影像测量按三层级排序生成[23]见图21全局测量2叶条测量和皮层下体积g因子gSubcor3区域测量。全球指标包括颅内容积ICV、全球平均皮层厚度和总脑表面积。叶条测量包括五个叶的皮层厚度和表面积估计颞叶、顶叶、枕叶、额叶和扣带状叶。每个叶的皮层厚度和表面积通过提取该叶内所有区域的厚度平均值和表面积之和来计算。对于每位参与者缺少值超过两个区域的叶条测量被设置为“NA”因此从后续分析中移除。叶区的定义可在其他地方[23]和补充材料中找到。gSubcor [6] 测量表示第一未旋转主成分PC的得分该分数通过对所有皮层下体积进行的PCA得出。第一个未旋转的PC解释了所有14个皮层下体积总方差的64.9%补充图1。最后区域测量包括“DesikanKilliany”皮层图谱[5 24]定义的33个双侧皮层区域的皮层厚度和表面积估计每位参与者66项测量以及ASEG皮层下图谱定义的7个区域的皮层下体积14 图2 测试的神经影像测量。MD PRS与大脑结构测量之间的关联在三层次中进行了分层测试。第一层包括整体测量第二层包括叶状结构指标皮层厚度和表面积或整个皮层下结构最后第三层包括每个区域的区域性测量皮层厚度、表面积和皮层下体积。每位参与者的测量数据[7 25]。侧脑室和颞极未纳入分析因为这些测量在大型队列中不可用如UKB见补充材料MD PRS关联分析验证MD PRS预测。为验证MD PRS使用混合效应线性回归模型对所有MD PRS共八个PRS包括七个PRS-CT和一个PRS-SBayesR进行了样本外预测[26]。进入线性回归模型前每个MD PRS对协变量进行了残差处理以考虑遗传关系和群体分层。分别应用于ENIGMA队列、ABCD研究和英国生物样本库。对于ENIGMA队列MD PRS与基因组关系矩阵进行了回归分析。通过通过GCTA质量检查的输入遗传数据推导出基因组关系矩阵[27]并作为随机因子拟合。残余分数是利用“coxme”R包中的“lmekin”函数为每队列生成的[28]。根据ABCD团队的建议ABCD研究中MD PRS对遗传主成分、批次、家族ID、评估部位及额外的“family ID|assessment site”进行回归以反映嵌套结构[29]。ABCD研究采用了混合效应的线性模型使用了“glmer”R软件包中的“lmer”函数。家庭识别、评估地点和嵌套词作为随机因素纳入遗传主成分作为固定因子。对于英国生物样本库由于其基因组关系矩阵计算量较大我们采用了类似方法将MD PRS与亲缘关系矩阵回归该方法与之前工作中实现的类似[30]。亲属关系可达二级亲属均通过“国王”软件[31]。前十个10遗传主成分、基因分型阵列、扫描器位置及扫描仪中x、y、z和表格轴的头部位置[32]作为附加协变量连同亲缘矩阵一同纳入。英国生物样本库的残余分数采用GCTA中有限最大似然法[27]。评分设置与原始未校正评分的标准差相匹配以保持与其他研究一致的评分量表。上述技术混杂因素和相关性的修正分别在每个站点上进行。修正后的数据随后合并为一个数据集进行进一步分析。PRS与PRS对陪变量残差的相关性已报告于补充表2和补充图2。采用混合效应逻辑回归利用“lme4”R包中的“glmer”函数检验残差PRS与MD之间的关联[33]将年龄和性别作为固定效应协变量队列作为随机因子。MD病例对照诊断为因变量yMD病例对照诊断为自变量x。标准化对数变换比值比OR以效应量形式报告。 MD PRS与神经影像测量之间的关联。所有关于MD PRS与大脑结构测量之间关联的分析均先在完整样本中进行随后对青年样本所有队列均为25岁个体≤个体进行额外分析。使用与MD PRS预测模型类似的混合效应线性模型使用了“lme4”R包中的“lmer”功能测试了MD PRS与神经影像测量的关联。所有协变量、基因组/亲属关系矩阵及技术协变量校正均与MD PRS预测分析保持一致。神经影像指标被设定为因变量MD PRS作为自变量。年龄和性别作为固定效应协变量加入地点作为随机效应协变量加入线性模型。MD PRS的关联分别进行了全球、叶和区域测量见图2。在所有PRS-CT和PRS-SBayesR中PRS与全球指标关联最强的PRS与脑叶和区域指标的关联进一步分析。在分析区域性指标时还测试了一个包含ICV作为协变量的模型作为次级分析以判断区域效应是否超过或超过全球量。还进行了额外的敏感性分析以调查MD PRS与MD病例对照状态在完整样本中的相互作用。标准化回归系数β以效应量形式报告。P值对每种结构测量类型对叶条和区域测量进行了FDR校正例如皮层厚度的p值在所有66个区域中进行了校正皮层下体积的p值在所有14个区域中进行了校正。因此我们将此修正称为全脑FDR修正。我们还进一步应用了两种额外的多重测试校正方法这些方法已在补充材料中报告。第一种多重检验矫正方法是每种结构性测量的Bonferroni校正即全脑Bonferroni矫正第二种方法是对所有测试的测量共146个区域即全测量FDR校正进行FDR校正。对于全局测度FDR校正应用于所有PRS和全局测度8个PRS×3个全局测度。为调查年轻人中的具体关联我们对年轻个体25岁进行了单独的关联分析。共计7个队列中的5570名年轻受试者被纳入分析详见补充表1中的人口统计信息。为了正式检验青少年与完整样本关联在不同区域的效应量一致性我们进行了1对区域结构性指标效应量的皮尔逊相关系分析以及2使用“统计”R软件包中的“binom.test”函数对区域指标效应方向进行精确二项检验“−1”表示负效果量“1”表示正效应量 假设随机成功概率为0.5。孟德尔随机化为探讨脑结构与MD之间可能的因果关系我们对显示与MD PRS显著相关的脑结构测量进行了双向磁共振分析。磁共振利用遗传变异作为因果关系检测工具尤其在识别疾病的因果生物标志物方面非常有用[34]。 GD GWAS。我们使用MD GWAS荟萃分析的摘要统计数据创建了PRS英国、PGC队列的非成像样本以及23andMe公司[3]的欧洲受试者摘要统计数据。对于23andMe的额外总结统计数据参与者提供了知情同意并自愿在线参与研究该方案由外部AAHRPP认证的伦理与独立EI审查服务批准。截至2022年EI审查服务是Salus IRBhttps://www.versiticlinicaltrials.org/salusirb的一部分。根据与23andMe的协议23andMe发现数据集的完整GWAS总结统计数据将通过23andMe向合格研究人员提供该协议保护23andMe参与者的隐私。数据集将免费提供学术用途。请访问 https://research.23andme.com/collaborate/#dataset-access/ 了解更多信息及申请访问数据。 神经影像特征的GWAS。GWAS神经影像特征的综合统计数据来自Smith等人对约33,000名具有欧洲血统参与者的研究。研究的详细信息可在其他地方找到[3 4]。神经影像特征的发现GWAS样本与MD GWAS无重叠这一点通过使用相同PRS关联分析方案确保。将显示与多重分化性遗传综合征相关且聚集后出现10个仪器遗传变异IV的神经影像特征纳入MR分析。 磁共振数据的准备与分析。我们使用“TwoSampleMR” R软件包版本0.5.6进行所有MR分析。数据准备包括其他地方描述的标准程序[4]。简而言之暴露变量的GWAS总结统计量通过了QC若MAF0.01、INFO得分0.1以及Hardy-Weinberg平衡p值1×10⁻⁻5则保留变异。随后使用r21×10⁻³使用默认的欧洲LD参考面板将曝光摘要统计数据合并为1MB。聚团是通过“TwoSampleMR”软件包中的“clump_data”函数完成的。经过质量检查和聚团后MD保留了122条静脉注射作为暴露数据神经影像性状的静脉注射数量在10至24之间中位数IV数15。双向MR采用三种方法1反方差加权IVW主要方法2加权中位数3MR Egger含自助法。由于MD静脉注射数量众多我们采用“污染混合物”法作为次级分析用于MD因果效应的MR分析。污染混合物法在处理大量静脉注射时具有特别优势且当无效静脉注射数量较少时通常能产生较低的第一类错误率。分别使用埃格截距和Q统计量估算IV的水平多效性和异质性。这些关联被识别为潜在因果关联条件为1IVW/污染混合物测试具有FDR显著性2在与IVW方向上有名义显著的加权中位数结果确认以及3名义显著的MR Egger分析满足条件任何水平多效性都通过显著偏离零的埃格截获表示。图3 所有MD PRS与全球神经影像指标之间的关联。X轴代表单个PRS。CT聚集和阈值法pTp值阈值用于创建聚团和阈值法PRS以及SBayesR处理后的总结统计量创建的SBayesR PRS。纵轴表示β即标准化回归系数。结果验证抑郁症的PRS使用三组SNP生成的PRS高度相关均为0.99。因此以下所有分析均使用仅基于符合各队列质量控制标准的单核样本SNP创建的“队列列表”变异PRS进行。对于PRS-CT使用p值阈值大于0.001的PRS与MD诊断相关对数变换比值比范围为0.041–0.162p范围为0.002至1.5×10−34补充表3。PRSSbayesR的关联性强于所有PRS-CTβ 0.181p 2.83 × 10⁻⁻42。每个研究队列的MD预测可见补充图3。MD PRS与全脑神经影像学测量的相关性较高的MD PRS与所有PRS-CT的ICV较低相关β范围为−0.011至−0.017p范围为0.002–1.97×10−6pFDR0.005见图3、补充图4及补充表4。ICV与PRS-SBayesR关联的效应量方向相同但未达到FDR校正显著性β −0.007p 0.052pFDR 0.078。所有PRS-CT和PRS-SbayesR也与皮层总表面积较低相关β范围为−0.006至−0.013p范围为0.023–4.5×10−6pFDR0.036。未发现任何MD PRS与整体皮层厚度的关联β范围为0.001–0.003p0.377。由于在p值阈值1pT 1时产生的MD PRS-CT与ICVβ −0.017p 1.97 × 10−6和全球皮层表面积β −0.013p 4.5 × 10−6相关性最强因此对该MD PRS进行了所有区域测量的分析。MD的PRS-CTpT1、叶值测量与皮层下G的关联在所有五个叶中md prs-ct 的表面积较低pT 1β范围为−0.006至−0.011p范围为0.033–2.85×10−6pFDR 0.033详见补充表5。与额叶表面积的关联最强β −0.011p 2.85 × 10−6pFDR 1.42 × 10−5。下皮层g也与MD PRS相关β −0.011p 4.41 × 10−4。 在p-T 1时MD PRS-CT未关联皮层厚度的叶条测量绝对β范围为0.002–0.005p 0.149。MD PRS-CTpT1与区域皮层厚度和表面积的关联未校正ICV的情况下66个测试区域中46个皮层表面积与MD PRS-CT相关pT 1达到FDR显著性β范围为−0.009至−0.021p范围为0.031–9.48×10−8pFDR0.044。在所有测度中采用更严格的FDR校正39个区域在多次检验校正后仍保持显著β范围为−0.01至−0.021p范围为0.01–9.48×10−8p在所有测量中均为0.035。在46个富兰克林·罗斯福重要区域中有34个是双侧区域在两个半球都有关联17个区域属于两个半球12个区域仅在一个半球有关联。在两半球内侧眼眶-额回中发现了最强的关联左半球β −0。 021p 9.48 × 10−8pFDR 6.26 × 10−6;右半球β −0.015p 5.19 × 10−5pFDR 5.83 × 10−4双侧上额回左半球β −0.016p 2.4 × 10−5pFDR 5.29 × 10−4;右半球β −0.015p 5.3 × 10−5pFDR 5.83 × 10−4。参见图4、补充图5及补充表6、7以了解区域统计数据。控制ICV后对表面积测量进行了二次分析补充图6。聚焦于与MD PRS-CT关联达到FDR显著性的指标控制ICV后左侧内侧眼窝额回仍显著β −0.011p 0.001pFDR 0.048。此前与MD PRS-CT相关的其他区域在控制ICV后未达到FDR校正显著性p 0.003pFDR 0.077。区域皮层厚度与MD PRS-CT之间未发现关联pT 1绝对β厚度范围为1.96×10⁻⁻至0.008p 0.023pFDR0.7。MD PRSpT1与皮层下体积的关联图4 pT1时PRS-CT与脑区域指标的关联。MD PRS与所有区域指标之间的关联P值图。X轴代表大脑区域测量的三类。Y轴表示-log10-变换后的p值。每个点代表一个脑区测量的结果。红色和灰色虚线分别代表FDR和Bonferroni的重要性阈值。FDR纠正后显著关联的点被标示为实心点。图中标注了每个类别中五个FDR重要关联的地区标签。在每个类别内进行了多重比较校正。皮层厚度未发现关联因此图中仅显示了Bonferroni显著性阈值。b.皮层表面积的区域性结果。深色表示较低的β值标准化回归系数。c. 冠状视角下皮层下体积的区域结果。未校正ICV的情况下有5个皮层下区域显示FDR显著关联pT 1在14个检测区域中β范围为−0.011至−0.015p范围为0.002–1.73×10−5pFDR0.006详见补充表8。在所有区域指标上采用更严格的FDR矫正pFDR在所有指标中0.01时五个皮层下区域均保持显著。在所有FR显著区域中丘脑和苍白细胞体积较低与双侧MD PRS-CT较高相关β范围为−0.011至−0.015p范围为0.001–1.73×10⁻⁻5pFDR0.004。左侧海马体积较小与MD PRS升高相关β −0.012p 0.002pFDR 0.006。在关联模型中控制ICV后右侧苍白球发现显著关联β −0.006p 0.042pFDR 0.197但未发现其他关联p 0.079。MD PRS与病例对照状态的相互作用MD PRS与MD病例对照状态在所有脑测量中均未达到FDR显著性p 0.028pFDR 0.96。分析特别针对青少年≤25岁除了对整个样本进行的主要分析外我们还对25岁≤年轻人进行了额外分析N 5570来自七个队列见补充表1。对于全局神经影像测量没有关联达到FDR校正显著性所有皮层指标的绝对 β 范围为2.75 × 10⁻⁻⁻到 0.022p 0.071。与成人样本类似ICV和皮层表面积的效应值大于皮层厚度见补充图4及补充表4。叶皮下测量未发现关联绝对β范围为3.55×10⁻⁻至0.013p0.266补充表5。然而ICV与全球表面积的关联方向与整个样本中发现的关联一致ICV的β范围为−0.007至−0.022全球表面积β范围为−2.75×10−4至−0.011。对于区域神经影像指标我们未发现达到FDR校正显著性的关联绝对β范围为5.18×10⁻⁻至0.037p 0.004pFDR0.498详见补充表6–8。右后扣带回厚度与PRSCTpT 1之间的最强关联β 0.037p 0.004pFDR 0.271。尽管无关联达到FDR显著性但青少年与完整样本间区域皮层表面积效应量呈正相关r 0.43p 3.21 × 10⁻⁻效应方向显著一致71.2%关联精确二项检验p值7.56×10⁻⁹。这种模式在皮层厚度中表现较轻青少年和整个样本的效应量相关性较低r 0.34p 0.006精确二项检验表明关联方向的一致性不显著高于偶然56.1%的同方向关联精确二项检验p值0.389。同样青少年与完整样本皮层下体积的关联方向一致性较低效应量相关性r 0.752p 0.002;同方向关联42.9%精确二项测试p值0.791。图5 双向孟德尔随机分析结果探讨MD与神经影像性状之间因果关系。上方面板显示了大脑结构测量对MD的因果效应下方面板则显示了反向的因果效应。X轴代表单个大脑结构指标测量单位按类别整体测量/皮层表面积/皮层下体积区分。Y轴表示-log10-变换后的p值。如果存在任何可能因果且通过逆方差加权法显示的FDR显著性则在图中突出显示神经影像特征。MR我们发现左侧海马体积较小对遗传风险增加可能有因果影响见图5补充图7补充表9,10。左海马体积在IVW分析中对MD有显著影响β −0.064p 8.04 × 10−3pFDR 0.04并有名义显著的加权中位数结果支持β −0.049p 0.019。MR Egger分析无显著性β −6.33 × 10−4p 0.514但未观察到水平多效性Egger截距p值0.346。相反MD对左海马体积未发现因果效应所有MR方法均为p 0.064补充数据1。在IVW评估p 0.073pFDR0.379或加权中位数法p 0.104pFDR 0.684评估中MD与神经影像特征之间没有反向因果关系。MD对大脑结构特征的唯一因果效应是左侧大脑大脑皮层采用污染混合法β −0.179p 0.003pFDR 0.014有效IV数89。讨论我们对个体层面数据进行了大规模大规模分析发现MD的PRS较高与整体皮层表面积较小、颅内体积和皮层下体积降低相关但皮层厚度无显著影响。对叶条测量的进一步分析表明MD PRS与额叶表面积最大的差异。更多具体来说包括内侧眼窝额回、上额回和颞叶等区域的皮层表面积较小与较高的MD PRS相关。在皮层下区域丘脑、苍白和海马体积较低与MD的PRS较高相关。在25岁以下的年轻人中在相对较小的样本规模下没有关联在多重比较校正中存活。然而效应的方向与整个研究样本分析中发现的相似。我们的研究识别了此前在病例对照中存在病例对照差异的脑结构指标例如ICV和海马体体积[7]。然而我们分析中识别的大多数脑结构关联在病例对照研究中并未一致发现。一个主要区别在于我们的发现主要属于皮层表面积范畴而皮层厚度差异更常见于成人多伦多病例对照研究[5]。然而我们关于皮层表面积差异的发现得到了遗传相关研究的支持[22 35]。例如皮层表面积与MD的遗传相关性被观察到且相关性比皮层厚度更强[22]。青少年中也观察到MD与表面积之间的关联比皮层厚度更强[36]。在表面积而非皮层厚度上发现差异可能意味着遗传性多氏症易感性在生命早期尤为明显而皮层厚度或表面积的异常可能在不同年龄段的生命周期中表现出来[37 38]。PRS与大脑的关联差异或MD诊断差异可能有多种原因包括关键时间点生命周期中环境影响的变化[35]。未来还需要进一步研究可能促成这些差异的基因与环境相互作用。其中最强的区域关联之一出现在内侧眼窝额叶皮层OFC表面积且在控制ICV后该关联依然显著。OFC在结构和功能活性上的差异已被一致记录[5 37]。此前研究发现OFC的结构差异与未接受治疗的患者[38]和学龄前青少年[39]的抑郁症状相关表明OFC的受损可能在抑郁症状早期发展中尤为重要。OFC中脑部病变的参与者抑郁症状水平低于其他脑区病变者[40]。此外对OFC区的脑刺激改善了MD患者的情绪状态[41]。这些研究表明OFC变化在多重病中可能具有因果作用。OFC中的大脑活动与已知的MD保护因素相关如奖赏处理[42 43]以及负面社会互动如社会排斥引起的压力调节[44 45]。解剖学上前额皮层的下内侧壁根据FreeSurfer中的Desikan–Killiany图谱称为内侧OFC包含亚生殖前扣带皮层和胼胝下回这些神经作为稳态传感器并通过连接下丘脑控制HPA轴的响应[46]。综合而言功能和结构性发现表明OFC的延迟或异常发展可能表现为情绪调节障碍如奖赏处理障碍这在多重病患者中较为常见。在皮层下区域此前发现海马体积较低与终生和当前的多重病数相关且在反复发作患者及21岁早期发病患者中相关性尤为显著[7]。我们的研究结果证实了海马体在多重障碍中的关键作用以及其与多重性不动症的潜在因果关系[47–49]。早期逆境及其对海马结构完整性的影响的研究结果也表明海马体缺陷在发展情感障碍风险中可能具有致病病理生理作用[50]。因此遗传学和影像学研究都提供了海马体体积与多重发育之间的潜在因果关系。此外我们报告了MD的PRS与丘脑容量之间存在新颖的关联。一项先前研究发现丘脑体积与MD的遗传结构重叠且MD的遗传相关性比其他主要精神疾病如精神分裂症更强[35]。以往的大规模研究发现MD及其较高PRS与丘脑白质微观结构的完整性降低相关[4]。除了与结构变异相关的发现外三项独立的功能性MRI研究显示丘脑活动可能是治疗结果的指示剂[51–53]。丘脑是连接额顶神经网络与边缘系统的重要枢纽[54]。考虑到其在结构连接组中的特殊解剖学重要性与MD的关联表明该病中丘脑结构/功能网络整体存在紊乱[54]。需要进一步研究丘脑及其在更大神经网络中的作用。我们是首个进行大规模分析探讨遗传风险与大脑结构之间的关联。我们利用了大量多地点样本采用无假设、数据驱动的方法。这一策略使我们能够揭示在通常采用兴趣区域方法的小型研究中未发现的新关联。进行了一些重要的敏感性分析以估计数据预处理的异质性对站点间差异的影响程度。特别是我们发现使用本地质量检查、场地特定SNP列表生成的PRS与跨站点一致单一列表生成的PRS差别极小。我们的研究也是最早评估不同队列间SNP列表影响的案例之一并严格审查遗传影像研究中训练样本与检测样本重叠情况。我们的研究成果和应用方法为未来神经影像-遗传学研究提供了重要的技术指导并可用于研究其他脑表型如基于功能成像和扩散张量成像的表现型。然而需要注意的是MD作为一种高度多基因的性状广为人知本研究中包含的数据集相对较大全部N200。因此不同研究SNP的异质性不太可能对结果产生重大影响。尤其在考虑遗传结构较稀疏且受某些效应较强的遗传变异影响的性状时应当谨慎。因此这些遗传变异的可用性不一致可能对PRS的异质性产生更强的影响。当前的研究存在一些局限性。首先由于使用了人口受限的GIWAS技术创建PRS我们只考察了欧洲样本。研究发现跨祖源PRS由于祖先组间遗传结构异质的混杂效应统计能力往往受损[55]。当有能力的非欧洲通用多伦多病GWAS数据出现时进一步研究必须将分析扩展到其他祖先群体。更准确的补补技术可能有助于最大化利用具有混合族裔背景样本的样本[56]。其次我们将MD PRS作为关键衡量标准因为它既包括自我报告也包括临床确定的重度抑郁障碍。MD是抑郁症的更广义定义涵盖了自述的核心症状包括持续且严重的情绪低落或绝望。MD PRS已展现出统计能力能够区分自报和临床确定病例与对照组[3]。此外多个版本的FreeSurfer可能会给结果带来偏见。然而这一问题不太可能影响我们分析中包含的大型研究如UKBB和ABCD。最后是本研究中的年轻样本相对较少限制了在该年龄组中找到可靠关联的统计能力。尽管纳入了年龄范围较广的参与者但成年早期参与者代表性不足[16]。未来研究可能受益于关注年轻参与者研究疾病向晚年发展[35]。综上我们的分析发现了PRS对MD、整体皮层表面积和颅内体积之间的新关联。MD的遗传风险特别与OFC表面积较低以及海马体和丘脑体积较低相关。然而它与皮层厚度的差异并无关联。对于海马体磁共振分析显示海马体体积与海马体体积之间存在因果关系。以往的荟萃分析未报告MD病例对照表面积差异[5]但我们的发现与之前关于纵向脑结构变化遗传结构的研究[35]一致。未来研究需要探讨此处所识别皮层区域的纵向变化并定义基因与环境相互作用对这些区域的影响。