【文献分析】Network spreading提供了数据和代码

生信学习者1

于 2025-08-06 08:19:56 发布

阅读量754

点赞数 33

CC 4.0 BY-SA版权

分类专栏：学习笔记文章标签：数据可视化 python 数据分析

本文链接：https://blog.youkuaiyun.com/H20230717/article/details/149956652

学习笔记专栏收录该内容

191 篇文章

订阅专栏

在这里插入图片描述

文章目录

介绍

网络传播机制与局部生物脆弱性之间的复杂关系

肌萎缩侧索硬化症（ALS）是一种渐进性的神经退行性疾病，主要影响运动系统。病理的扩散被认为是由局部易损性和网络结构共同驱动的。具体而言，分子和细胞特征可能会使特定的神经元群体更容易受到损害，而突触接触也可能增加相邻神经元群体暴露于病理的风险。然而，这些原理通常是单独研究的，目前尚不清楚局部易损性和网络扩散是如何相互作用以塑造皮质萎缩的。在此，我们研究了网络结构和局部生物学特征如何塑造 ALS 中萎缩的空间模式。我们分析了加拿大 ALS 神经影像学联盟（CALSNIC）的数据集，并使用变形基于形态学方法（DBM）估计皮质萎缩情况。萎缩的进程与结构连接密切相关。萎缩也更有可能发生在具有相似代谢特征的区域。疾病的中心位于运动皮层。震中概率图显示，转录组中存在与线粒体功能相关以及支持细胞（包括内皮细胞和周细胞）相关的基因富集现象。最后，震中位置的个体差异与临床和认知症状的个体差异相吻合，并能区分患者亚型。

Amyotrophic Lateral Sclerosis (ALS) is a progressive neurodegenerative disease that predominantly targets the motor system. Spread of pathology is thought to be driven by both local vulnerability and network architecture. Namely, molecular and cellular features may confer vulnerability to specific neuronal populations, while synaptic contacts may also increase exposure to pathology in connected neuronal populations. However, these principles are typically studied in isolation and it remains unknown how local vulnerability and network spreading interact to shape cortical atrophy. Here, we investigate how network structure and local biological features shape the spatial patterning of atrophy in ALS. We analyze the Canadian ALS Neuroimaging Consortium (CALSNIC) dataset and estimate cortical atrophy using deformation based morphometry (DBM). The course of atrophy closely aligns with structural connectivity. Atrophy is also more likely to occur in regions that share similar metabolic profiles. Disease epicenters are located in motor cortex. Epicenter probability maps show transcriptomic enrichment for biological processes involved in mitochondrial function as well as support cells, including endothelial cells and pericytes. Finally, individual differences in epicenter location correspond to individual differences in clinical and cognitive symptoms and differentiate patient subtypes.

代码

https://github.com/netneurolab/Farahani_ALS

此存储库中包含了用于生成“网络传播与肌萎缩性侧索硬化症局部生物脆弱性研究”中所得结果的代码。该研究探讨了网络传播机制与局部生物脆弱性之间的复杂关系，以揭示肌萎缩性侧索硬化症（ALS）病灶形成的机制。

在这里插入图片描述

以下内容为该代码仓库中各脚本功能的中文说明：

主分析脚本

code01_demographic_cleaning.py
清洗数据目录（例如剔除结构影像数据不完整的被试）。

code02_voxelwise_w_score.py
构建 OLS 模型，计算逐体素的 w-score 图（对应图1a）。

code03_parcellate_w_score.py
使用 400（或 800）节点的 Schaefer 皮质分区以及 Johns Hopkins University（JHU）白质图谱（阈值 25%）生成分区水平的萎缩图。结果展示于图1b-d 和图 S11。

code03_wm_tmap_significance.py
评估白质束内萎缩的显著性（图1b 与图 S11）。

code04_voneconomo_atrophy.py
在 von Economo 细胞构筑分区定义的各细胞类别内评估萎缩值（图1d）。

结构连接组与萎缩传播

code05_sc_nulls.py
计算节点-邻居相关值，评估结构连接组在 ALS 相关萎缩模式形成中的作用（图2a）。

code06_sc_nulls_validation.py
使用 800 节点 Schaefer 分区重复节点-邻居相关分析，以验证结构连接组的影响（图 S2）。

code07_epicenter_ranking.py
通过节点-邻居方法识别皮质“病灶中心”似然图（图2b 与图6a）。

code08_epicenter_SIR_model.py
使用 SIR 传播模型识别皮质“病灶中心”似然图（图 S4 与图 S10）。

code09_epicenter_compare_methods.py
比较不同方法得到的“病灶中心”图。

code10_epicenter_individuals.py
考察个体间节点-邻居相关值及病灶中心图的差异（图 S3）。

网络层面分析

code11_many_networks.py
利用多种具有生物学意义的大脑网络，评估节点-邻居相关性（图3 与图 S6）。

code12_many_networks_R2.py
分析结构连接组与区域间相似性矩阵对 ALS 皮质萎缩模式的联合解释力（图 S5）。

基因表达与富集分析

code13_gene_enrichment_null_generation.py
构建空模型，供后续 MATLAB 版 ABAnnotate 进行基因富集分析（关联图4）。

code14_gene_results_GO.py & code15_gene_results_cells.py
可视化基因富集分析结果（图4）。

code16_cell_markers.py
可视化内皮细胞与周细胞的细胞标记（图 S7）。

code17_corr_gene.py
计算 AHBA 中各基因表达与 ALS 群体平均萎缩图及病灶中心图的相关性，结果以补充 CSV 形式提供。

download_gene_info_abagen.py
利用 abagen 包下载并整理基因数据。

行为-脑关联（PLS）

code18_hcp_group_maps.py
对 HCP 群体平均任务激活图进行 400 节点 Schaefer 分区，并为与身体不同部位相关的运动区生成 .border 文件。

code19_pls_epicenter.py
采用行为偏最小二乘（PLS）模型，将行为数据与 ALS 队列的皮质病灶中心似然图进行关联（图5 与图 S8）。

code20_pls_atrophy.py
采用 PLS 模型，将行为数据与 ALS 队列的皮质萎缩图进行关联（图 S9）。

code21_pls_demographic.py
统计 PLS 分析中因缺失值而被排除的 ALS 被试数量（表 S7）。

pls_func.py
包含用于可视化 PLS 分析结果的函数。

ALS 亚型差异

code22_subtype_differences_brain.py & code23_subtype_differences_behavior.py
探讨延髓起病与脊髓起病 ALS 患者在行为和病灶中心似然图上的差异（图6b）。

补充表格

sTable_demographic.py
提取并整理制作表 S1 与表 S5 所需的统计信息。

工具脚本

globals.py
定义数据目录路径与项目中使用的全局常量。

functions.py
存放项目各脚本共用的函数。

simulated_atrophy.py
包含运行 SIR 模型的函数（由 Vincent Bazinet 编写）。

create_some_border_files.py
生成 wb_view 软件绘图所需的 .border 文件。

参考

Network spreading and local biological vulnerability in amyotrophic lateral sclerosis
https://github.com/netneurolab/Farahani_ALS