[論文レビュー] Brain Gene Expression Analysis: a MATLAB toolbox for the analysis of brain-wide gene-expression data

Pascal Grange, Jason W. Bohland+2 more|arXiv (Cornell University)|Nov 27, 2012

Single-cell and spatial transcriptomics参考文献 11被引用数 12

ひとこと要約

本論文は、アレイン・マウス脳アトラスから得られる脳全体の遺伝子発現データを分析するためのMATLABツールボックスを提示する。このツールボックスはボクセルベースの解析、共発現ネットワークの構築、クラスタリング、細胞タイプ特異的相関プロファイリングを可能にする。局在化スコアとフィッティングスコア、バイクラスタリング、可視化ツールを統合し、マウス脳全体における遺伝子の空間的・機能的組織化を解明する。

ABSTRACT

The Allen Brain Atlas project (ABA) generated a genome-scale collection of gene-expression profiles using in-situ hybridization. These profiles were co-registered to the three-dimensional Allen Reference Atlas (ARA) of the adult mouse brain. A set of more than 4,000 such volumetric data are available for the full brain, at a resolution of 200 microns. These data are presented in a voxel-by-gene matrix. The ARA comes with several systems of annotation, hierarchical (40 cortical regions, 209 sub-cortical regions in the whole brain), or non-hierarchical (12 regions in the left hemisphere, with refinement into 94 regions, and cortical layers). The high-dimensional nature of this dataset and the possible connection between anatomy and gene expression pose challenges to data analysis. We developed the Brain Gene Expression Analysis Toolbox, whose functionalities include: determination of marker genes for brain regions, statistical analysis of brain-wide co-expression patterns, and the computation of brain-wide correlation maps with cell-type specific microarray data.

研究の動機と目的

• アレイン研究所の成体マウス脳アトラスから得られる高分解能の脳全体の遺伝子発現データに対する体系的な解析を可能にする包括的なMATLABツールボックスの開発を目的とする。
• ボクセルレベルの発現パターンから導出された統計スコアを用いて、遺伝子の神経解剖学的領域への局在化と適合度を定量的に評価することを目的とする。
• 全脳にわたる共発現ネットワークの構築と解析を促進し、機能的に関連する遺伝子モジュールを同定することを目的とする。
• マイクロアレイデータと脳全体の発現プロファイルおよび密度推定値を統合することで、細胞タイプ特異的発現解析を支援することを目的とする。
• 遺伝子およびボクセルの発現類似度に基づくクラスタリング（バイクラスタリングおよびグラフ分割法を含む）を可能にするスケーラブルな計算ツールの提供を目的とする。

提案手法

• in situハイブリダイゼーションデータから得られる49,742ボクセル × 4,104遺伝子のボクセル-遺伝子行列を用い、発現エネルギーを画素強度の空間加重平均として計算する。
• 遺伝子の発現が単一の脳領域にどれほど特異的に限定されているかを測定するための局在化スコアと、遺伝子群の発現パターンが領域のパターンにどれほど適合しているかを評価するためのフィッティングスコアを用いる。
• すべての遺伝子ペア間の相関係数を用いて共発現ネットワークを構築し、有意性の評価にモンテカルロシミュレーションを適用し、コンponentサイズ統計量を算出する。
• ボクセル-遺伝子行列に対して二部グラフモデルを用いたバイクラスタリングを実行し、反復的分割とエッジ重みのしきい値に基づく停止基準を用いる。
• 脳全体の発現プロファイルと細胞タイプ特異的マイクロアレイデータを統合し、脳領域全体にわたる相関および密度プロファイルを計算する。
• 最大強度投影、アトラスナビゲーション、ラベルベースのボリューム再構築を含む可視化のためのMATLAB関数を用いる。

実験結果

リサーチクエスチョン

• RQ1 成体マウス脳全体において、遺伝子発現パターンは空間的局在化と領域適合度という観点からどのように体系的に定量できるか？
• RQ2 全脳遺伝子発現データから導出された共発現ネットワークの統計的性質は何か？また、ランダムな期待と比較してどう異なるか？
• RQ3 遺伝子とボクセルを同時にクラスタリングすることで、脳の発現ランドスケープにおける整合性のある機能的モジュールをどのように同定できるか？
• RQ4 細胞タイプ特異的発現プロファイルを全脳発現パターンと相関させることで、細胞構成の推定にどの程度寄与できるか？
• RQ5 例えば上位75％の相関を持つ遺伝子を対象とするような、さまざまなフィルタリング戦略が、後続の解析の信頼性および解釈可能性にどのように影響を与えるか？

主な発見

• このツールボックスは、個々の遺伝子および遺伝子群の局在化スコアとフィッティングスコアの計算を成功裏に実行でき、12の主要脳領域にわたる明確な空間的発現パターンの差異を明らかにした。
• アレイン脳アトラスデータから構築された共発現ネットワークは、顕著なクラスタリング構造と非ランダムなコンponent構造を示し、コンponentサイズと相関分布がランダムな期待値から逸脱していた。
• バイクラスタリング解析により、複数の停止基準に対して安定した遺伝子-ボクセルモジュールが同定され、最大強度投影により各クラスタごとに明確な発現パターンが可視化された。
• 細胞タイプ特異的相関および密度プロファイルが正常に計算され、可視化され、全脳発現に比して細胞タイプの空間的組織化が一貫して確認された。
• 遺伝子発現データとアレイン・リファレンス・アトラスの統合により、正確な解剖学的局在化が可能となり、可視化ツールにより発現パターンのインタラクティブな探索が可能になった。
• バージョン管理されたコードおよびデータファイルを用いることで再現性のある解析が可能であり、6つのバージョン（V1–V6）にわたりバグ修正と改善が記録されており、遺伝子フィルタリングおよびデータ読み込み手順の修正が含まれる。