بخش 2: علائم ژنتیکی متمایز مناطق قشری و زیر قشری مرتبط با حافظه انسان

تماس: Audrey Hu Whatsapp/hp: 0086 13880143964 ایمیل:audrey.hu@wecistanche.com

لطفا برای قسمت 1 اینجا را کلیک کنید

لطفا برای قسمت 3 اینجا را کلیک کنید

بررسی ادبیات امضاهای ژنتیکی

برای تعیین کمیت تعداد "ضربات" ژن کاندید برایحافظهتجزیه و تحلیل، ما یک مرور ادبیات برای هر لیست ژن CL انجام دادیم و تعداد ژن ها را شمارش کردیم.حافظه(به عنوان مثال، مثبت واقعی) یا ارتباط ژن-موتور عملکرد (یعنی، مثبت کاذب؛ شکل 1F). این کار با مرور ادبیات تجربی در Google Scholar، از طریق یک عبارت جستجو انجام شد: ["نام ژن" AND ("حافظه" یا "فراموشی" یا "آلزایمر" یا "زوال عقل")] و ["نام ژن" و ("موتور" عملکرد" ​​یا "هماهنگی حرکتی" یا "حرکتی" یا "آتاکسی" یا "یادگیری حرکتی" یا "پارکینسون" یا "هانتینگتون")] بود. همین امر برای تجزیه و تحلیل حرکتی برای مثبت واقعی و مثبت کاذب مربوطه تکرار شد. این اختلالات برای جستجوی کلیدواژه انتخاب شدند، زیرا به طور برجسته دارای نقص در حافظه و عملکرد حرکتی هستند. شواهد قوی شامل مطالعاتی بود که از دستکاری‌های ژنی در داخل بدن، جهش‌یافته‌ها و مداخلات دارویی استفاده می‌کردند، در حالی که شواهد ضعیف شامل ارتباط ژن محاسباتی، مطالعات آزمایشگاهی، مطالعات بیان ژن افتراقی و مطالعات موردی انسانی بود. شواهد ادبی تنها در صورتی به عنوان اعتبار تلقی می شوند که بر ناحیه مغز مربوطه، یعنی قشر یا زیر قشری دلالت داشته باشند. به این ترتیب، شواهدی مبنی بر نقش یک ژن معین صرفاً در ناحیه غیر آنالیز شده مغز شمارش نشد. به عنوان مثال، اگر مقاله ای نشان دهد که حذف ژن A صرفاً در زیرقشر منجر به نقص حافظه می شود، به عنوان مدرکی برای تجزیه و تحلیل حافظه قشر مغز به حساب نمی آید.

سیستانچ می تواند حافظه را بهبود بخشد

تفاوت همبستگی در حافظه و تحلیل های حرکتی

اگر روش معتبر باشد، ژن‌های حافظه باید میانگین همبستگی بالاتری از مقدار داشته باشندحافظهتجزیه و تحلیل در مقایسه با تجزیه و تحلیل موتور، و بالعکس برای ژن های موتور و مقدار r تجزیه و تحلیل موتور. برای هر ژن، این با کم کردن مقدار r تابع حرکتی آن از مقدار r حافظه، با یک تفاوت مثبت در اثربخشی روش محاسبه شد (شکل 1G). توجه داشته باشید که برای مقادیر r حافظه از لیست‌های ژن منفی (به عنوان مثال، حافظه قشر مغز -)، ما تفاوت r-value را در -1 ضرب می‌کنیم تا این تفاوت را به عنوان یک مقدار مثبت، مطابق با لیست‌های ژن حافظه مثبت بیان کنیم. سپس میانگین تمام ژن‌ها را برای هر مجموعه S که FDR q 0 را برآورده می‌کند، می‌گیریم.{12}}5 (همان آستانه تجسم نقشه غنی‌سازی) برای به دست آوردن هفت مقدار از این قبیل. از آنجایی که تعداد ژن‌ها در هر مجموعه S متفاوت است، تعداد مقادیر اختلاف همبستگی مورد استفاده برای محاسبه میانگین مقدار اختلاف همبستگی در هر مجموعه را بوت استرپ کردیم. این به طور جداگانه برای تجزیه و تحلیل حافظه و موتور با زیرنمونه‌گیری مکرر تفاوت‌های همبستگی (10،{7}} تکرار) به ترتیب به حداقل تعداد ژن‌ها در حافظه (n 231) و مجموعه‌های موتور (n 146) انجام شد. ما این را به عنوان یک نمودار جعبه برای هر یک از هفت مجموعه، با میانگین بوت استرپ و صدک 95 (سبیل) برای تجزیه و تحلیل حافظه و حرکت تجسم کردیم. اگر خط مبنا در توزیع صدک 95 قرار نگیرد (یعنی سبیل ها با خط پایه صفر همپوشانی نداشته باشند) امتیاز به طور قابل توجهی با خط پایه متفاوت تلقی می شود (05/0 p).

ارزیابی اثربخشی روش در شناسایی ژن‌های کاندید

ما اثربخشی روش را بر اساس بررسی ادبیات قبلی (شکل 1G) اندازه‌گیری کردیم. برای انجام این کار، احتمال شانس به دست آوردن N را محاسبه کردیمحافظهژن در لیست ژن این کار با انتخاب N انجام می شودحافظهژن (بدون جایگزینی) از مخزن حافظه شناخته شده یاحافظهژن های اختلال مرتبط (n 644) از کل 15625 ژن مورد تجزیه و تحلیل. به عنوان مثال، اگر 10 ژن از 10 ژن در لیست ژن ها، ژن های حافظه باشند، احتمال وقوع این اتفاق 1 است.{7}}. بر این اساس برای عملکرد حرکتی و ژن‌های عملکرد حرکتی (n 104) همین کار انجام شد. اینهاحافظهژن ها از سه منبع گردآوری شدند: (1) بررسی ادبیات بالا. (2) مجموعه ژن عملکرد بیولوژیکی "GO:0007611 یادگیری یا حافظه" از پایگاه داده AmiGO2 (Carbon et al., 2009; version 2.4.26, تاریخ انتشار 2016-08). و (3) van Cauwenberghe و همکاران. (2016). ژن های مرتبط با حرکت (اختلال حرکتی یا مرتبط با حرکت) از (1) مرور ادبیات بالا، (2) مجموعه ژن عملکرد بیولوژیکی "GO: 0061743 یادگیری حرکتی" و "GO: 0061744 رفتار حرکتی" از پایگاه داده AmiGO2 به دست آمدند. (کربن و همکاران، 2009)، و (3) لین و فارر (2014).

امتیاز دقیق برای آنالیزهای حافظه و موتور

ما از یک معین پرسیدیمحافظهلیست ژن با ژن هایی که به عنوانحافظهژن‌ها، واقعاً به چند مورد از اینها مربوط می‌شوندحافظه. ما این را با محاسبه یک امتیاز دقیق کمی کردیم (شکل 1G). ما ابتدا موارد مثبت واقعی (یعنی ژن های مرتبط با حافظه از مرور ادبیات) و مثبت کاذب (یعنی ژن های مرتبط با عملکرد حرکتی) را تعیین کردیم. شواهد ادبی به گونه ای وزن داده شد که برای موارد مثبت واقعی، شواهد قوی و شواهد ضعیف (تعریف شده در بالا) به ترتیب یک امتیاز کامل و نیم امتیاز دریافت کردند. سپس برای هر فهرست ژن، امتیاز دقیق روش را با تقسیم "مثبت های واقعی" بر مجموع مثبت های واقعی و مثبت کاذب تعیین کردیم (معادل 1،2). اگر روش دقیق باشد، برای تجزیه و تحلیل حافظه، نمرات دقت حافظه باید بالاتر از 0.5 و یک امتیاز حرکتی زیر 0.5 باشد و بالعکس. ما نمرات حافظه و دقت حرکتی را برای هر لیست ژن (از 0 تا 1) و تفاوت بین این امتیازها (از 1- تا 1) ترسیم کردیم. در حالت ایده آل، تفاوت باید بیشتر از صفر باشد. در معادلات زیر، تعداد خاطرات ژن با شواهد قوی برای ارتباط آن با حافظه؛ تعداد حافظه ژن ها با شواهد ضعیف برای ارتباط آن با حافظه. تعداد ژن های موتور با شواهد قوی برای ارتباط آن با عملکرد حرکتی. و تعداد ژن موتورو با شواهد ضعیفی برای ارتباط آن با عملکرد حرکتی.

بیانیه در دسترس بودن داده ها

تمام داده های ژنتیکی و تصویربرداری عصبی مورد استفاده از AHBA (https://human.brain-map.org) و Neu-rosynth (https://www.neurosynth.org) در دسترس هستند. اسکریپت‌های پیش‌پردازش رونوشت در https://github.com/BMHLab/AHBAprocessing موجود است. اسکریپت های همبستگی و داده های ورودی برای استفاده غیرتجاری در Extended Data 1 و در https://github.com/PK-HQ/ geneCognitionDiscovery در دسترس هستند.

نتایج

نقشه های AHBA و Neurosynth

برای شناسایی انسان بالغ تمام مغزحافظهژن‌ها، ابتدا نیاز به انجام آنالیز همبستگی فضایی بین تصویربرداری عصبی سه بعدی با وضوح بالا و نقشه‌های رونویسی مغز انسان بالغ داشتیم. به این ترتیب، ما از تراکم بالا، رونوشت AHBA کل مغز انسان و Neurosynth استفاده کردیم.حافظهنقشه تداعی ارتباط هر وکسل با حافظه به طور کلی به عنوان مجموعه داده ورودی (Yarkoni et al., 2011).

AHBA از شش مغز اهداکننده مشتق شده است و حاوی بیان ژن کل ژنوم مغز انسان در نواحی قشر چپ و زیر قشری است (N 6؛ شکل 1A؛ به تجسم مثال در داده های توسعه یافته، شکل 1-1 مراجعه کنید؛ Hawrylycz و همکاران. ، 2012). نوروسنتزحافظهنقشه تداعی یک نقشه متا مطالعه (N 2744) است که نشان دهنده ارتباط هر وکسل مغز برایحافظه(برخلاف سایر عملکردهای شناختی)، مشخص شده با امتیاز z مثبت (شکل 1A؛ تجسم نقشه های حافظه و عملکرد حرکتی را در داده های توسعه یافته مشاهده کنید. شکل 1-2؛ Yarkoni و همکاران، 2011). توجه داشته باشید که استفاده ازحافظهدر اینجا به حافظه به طور کلی اشاره می شود، زیرا نقشه از مطالعات تصویربرداری عصبی مرتبط با حافظه ساخته شده است که از انواع مختلفی از وظایف حافظه استفاده می کند (Yarkoni et al., 2011). ما هر دو نقشه را در یک فضای مشترک MNI152 ثبت کردیم. مناطق حافظه در نقشه تداعی حافظه برای تعریف نمونه های قابل استفاده AHBA برای تجزیه و تحلیل همبستگی فضایی بعدی استفاده شد.

تحلیل شباهت فضایی

با استفاده از این مجموعه داده‌ها، ما به دنبال جداسازی ژن‌هایی با مقادیر همبستگی فضایی بالا بین بیان ژن وحافظهنقشه های اصطلاحی برای مراحل تجزیه و تحلیل بعدی، زیرا به احتمال زیاد با حافظه مرتبط هستند (فاکس و همکاران، 2014). ما تجزیه و تحلیل شباهت فضایی بین نقشه‌های ارتباطی AHBA و Neurosynth را به‌دلیل تفاوت‌های مشخص آن‌ها برای مناطق قشری و زیر قشری به طور جداگانه انجام دادیم (به مقدمه مراجعه کنید؛ فهرست مناطق قشری و زیر قشری در Extended DataFig. 1-3 موجود است) و برای حافظه و عملکرد حرکتی (نمونه ای از همبستگی فضایی در شکل 2 را ببینید). هر تجزیه و تحلیل یک لیست L را به دست آورد که حاوی مقادیر میانگین همبستگی 15625 ژن است که برای رتبه بندی بعدی استفاده می شود (شکل 1B).

ما متعاقباً هر لیست را L رتبه بندی کردیم. یک همبستگی مثبت بیانگر بیان ژن بالاتر در مناطق مربوط بهحافظهو یک همبستگی منفی بیانگر بیان کمتر در مناطق مربوط به حافظه است. ژن‌های همبستگی مثبت و منفی بالا برای تجزیه و تحلیل‌های قشر و زیر قشری حافظه در جدول 1 نشان داده شده است (مقدار همبستگی فضایی همه ژن‌ها را در جدول داده‌های گسترده 1-1 ببینید). ژن‌های همبستگی منفی بیشتری نسبت به ژن‌های همبسته مثبت برای آنالیزهای قشری و زیر قشری حافظه وجود داشت (جدول داده‌های گسترده 1-1). ما 8383 ژن مثبت و 7243 ژن همبستگی منفی برای نواحی قشر مغز و 7642 ژن مثبت و 7984 ژن با همبستگی منفی برای نواحی زیر قشری پیدا کردیم.

پروفایل های بیان ژن متمایز مرتبط با حافظه قشری و زیر قشری

پس از تجزیه و تحلیل همبستگی فضایی، هدف ما تعریف پروفایل های بیان ژن مربوط به قشر و زیر قشری بود.حافظهبه صورت جامع برای شناسایی و مشخص کردن مجموعه‌هایی از ژن‌هایی که در جهت یک عملکرد بیولوژیکی مشترک (یعنی مجموعه‌های ژنی) کار می‌کنند، هر یک از فهرست‌های قشر و زیر قشری L را با GSEA از پیش رتبه‌بندی شده تجزیه و تحلیل کردیم (شکل 1C). این به همراه داشت مجموعه‌های ژنی با امتیاز مثبت و نمره منفی، که به ترتیب از ژن‌های همبستگی مثبت و منفی L مشتق شده‌اند. سپس این مجموعه‌های ژنی در خوشه‌های مرتبط با عملکرد گروه‌بندی شدند و به‌طور خودکار با موضوعات بیولوژیکی حاشیه‌نویسی شدند (کلاین و همکاران، 2007؛ مریکو و همکاران، 2010؛ اوسپر و همکاران، 2011).

به طور کلی، قشر و زیر قشر دارای مضامین بیولوژیکی متمایزی بودند که قبلاً با حافظه مرتبط بودند. برای قشر مغزحافظهGSEA 28 مجموعه ژن مثبت و 29 مجموعه ژن به طور قابل توجهی غنی شده منفی را نشان داد. تجسم شبکه غنی‌سازی نشان داد که این مجموعه‌های ژنی به پنج خوشه مجزا گروه‌بندی شدند (شکل 3؛ نتایج کامل GSEA در شکل داده‌های توسعه‌یافته 3-1) با مجموعه‌های ژنی در هر خوشه ژن‌های غنی‌شده را به اشتراک می‌گذارند. مشخص شد که این مجموعه‌های ژنی با حافظه مرتبط هستند. خوشه مثبت P1 حاوی مجموعه‌های ژنی بود که در پاسخ ایمنی و سیگنال‌دهی گیرنده Fc نقش دارند (فرناندز-ویزارا و همکاران، 2012؛ مارین و کیپنیس، 2013). P2 در سیگنال دهی اینترفرون-گاما (Litteljohn و همکاران، 2014)، P3 در انتقال یون کلسیم از طریق غشاء و P4 در مجموعه رشته اکتین نقش دارد (Krucker et al., 2000; Lamprecht, 2011). خوشه منفی N2 حاوی مجموعه‌های ژنی است که در دینامیک کروماتین، تنظیم اپی ژنتیکی و تمایز سلول‌های ایمنی نقش دارند (کیم و کاانگ، 2017).

برای ساب کورتیکالحافظهGSEA 50 مجموعه ژن مثبت و 14 مجموعه ژن غنی شده منفی را نشان داد. تجسم شبکه غنی‌سازی نشان داد که این مجموعه‌های ژنی در سه خوشه مجزا گروه‌بندی شدند (شکل 4؛ نتایج کامل GSEA در داده‌های توسعه‌یافته شکل 4-1). به طور مشابه، این مجموعه‌های ژنی مرتبط با هم مشخص شدحافظه. خوشه مثبت P1 در انتقال سیناپسی و شکل پذیری سیناپسی نقش دارد. همچنین شامل مجموعه‌های ژنی درگیر در اندوسیتوز و اگزوسیتوز، ترشح ناقل عصبی، تقویت طولانی‌مدت (Stuchlik، 2014)، سیگنال‌دهی گیرنده گلوتامات، و مورفوژنز برون‌افکنی نورون بود (Kasai et al., 2010). خوشه منفی N1 به فرآیندهای رونویسی و ترجمه مربوط می شود (Jarome and Helmstetter, 2014; Alberini and Kandel, 2015) و خوشه N2 به سلول های گلیال و تمایز الیگودندروسیت (Hertz and Chen, 2016; Pepper et al., 2018).

شکل 2. نمونه ای از خروجی تحلیل شباهت فضایی. سطوح بیان ژن قشر همبسته بالا، GRB14، به عنوان تابعی از ارتباط وکسل نقشه Neurosynth به تصویر کشیده می شود.حافظهتابع (نمره z). بیان ژن عادی شده (محور y) در برابر نمرات z نقشه تصویربرداری عصبی ترسیم شد (محور x). هر خط رگرسیون رنگی نشان دهنده بهترین خط برای هر یک از شش اهداکننده (رنگ) است. نوار نیمه شفاف در اطراف هر خط، تخمین فاصله اطمینان 95 درصد را نشان می دهد.

برای شناسایی تفاوت‌ها و همپوشانی‌ها در پروفایل‌های ژنتیکی قشری و زیر قشری، ما فرآیندهای بیولوژیکی متفاوت و مشترک (1) را همانطور که در نقشه‌های غنی‌سازی نشان داده شده است، شناسایی و مشخص کردیم.حافظهژن ها (یعنی تمام ژن های موجود در 1 مجموعه ژن غنی شده؛ شکل 1D). ما همپوشانی کم 2.5 درصد از مجموعه‌های ژن (N 3) و 9.6 درصد از ژن‌ها (N 135) را بین نواحی قشر و زیر قشری پیدا کردیم (شکل 5؛ فهرست کامل ژن‌های متمایز و همپوشانی در Extended DataFig. {{9} }}). ژن های همپوشانی در فرآیندهای مرتبط با حافظه انتقال پروتئین، تنظیم رونویسی، شکل پذیری سیناپسی و سیگنال دهی گیرنده گلوتامات نقش داشتند (پنگ و همکاران، 2011؛ ​​روزنبرگ و همکاران، 2014؛ آلبرینی و کندل، 2015؛ جدول 2؛ خروجی کامل مجموعه‌های ژنی و ژن‌های Top-pGene در Extended DataTable 2-1). اینها شامل ژن‌های دخیل در کمپلکس Arp2/3، کانال‌های یونی GABA و AMPA هستند که برای عملکرد حافظه حیاتی هستند (Gasbarri و Pompili، 2014؛ Basu و همکاران، 2016؛ Takemoto و همکاران، 2017؛ جدول داده‌های گسترده { {23}}). ژن‌های اختصاصی قشر مغز در فرآیندهای مرتبط با حافظه مانند تعمیر DNA، تنظیم اپی ژنتیک، ایمنی و سیگنال‌دهی IFN دخیل بودند (مارین و کیپنیس، 2013؛ لیتلجان و همکاران، 2014؛ کیم و کاانگ، 2017؛ هو و همکاران، 2018). ؛ Extended DataTable 2-1). ژن‌های اختصاصی زیر قشر در نوروژنز، مورفوژنز دندریت، تمایز سلول‌های گلیال و میلین‌سازی نقش دارند (Hertz and Chen, 2016; Kao et al.,

شکل 3. تجسم نقشه غنی سازی برای قشر مغزحافظه. خوشه ها با P برای مثبت و N برای منفی برچسب گذاری می شوند. خوشه های مجموعه ژن مربوط بهحافظه. خوشه‌های مثبت با سیگنال‌دهی ایمنی، انتقال کلسیم و مجموعه رشته‌های اکتین مرتبط بودند. خوشه منفی حاوی مجموعه‌های ژنی است که در دینامیک کروماتین و تنظیم اپی ژنتیکی نقش دارند. برای خروجی کامل از GSEA Pre-ranked شکل داده توسعه یافته 3-1 را ببینید.

2018; فلفل و همکاران، 2018; جدول داده توسعه یافته 2-1). توجه داشته باشید که یک مجموعه ژنی می تواند هم در فرآیندهای بیولوژیکی خاص قشر و زیرقشری خاص ظاهر شود. به عنوان مثال،حافظهمجموعه‌های ژنی در هر دو ناحیه غنی می‌شوند، اما در هر مورد، غنی‌سازی مجموعه ژن‌ها توسط ژن‌های متمایز هدایت می‌شود (Extended DataTable 2-1). این به این دلیل است که ژن‌های مختلف می‌توانند برای یک مجموعه ژن فرآیند بیولوژیکی یکسان مرتبط باشند و در نتیجه غنی‌سازی را افزایش دهند.

ژن‌های هسته‌ای با بیان متفاوت مربوط به قشر و زیر قشریحافظه

برای شناسایی بالا-10حافظهژن هایی که به احتمال زیاد با انسان مرتبط هستندحافظهعملکردبرای تحقیقات تجربی آینده، ما ژن‌های مربوط به مجموعه‌های ژنی متعدد به‌دست‌آمده در بالا را با LEA شناسایی کردیم (شکل 1E؛ Subramanian و همکاران، 2005؛ داربی و همکاران، 2016؛ فلمینگ و میلر، 2016). کار قبلی نشان داده است که چنین ژن‌هایی که باعث غنی‌سازی مجموعه‌های ژنی متعدد می‌شوند، به احتمال زیاد به فنوتیپ مورد تجزیه و تحلیل، یعنی عملکرد حافظه در این مورد مرتبط هستند (سوبرامانیان و همکاران، 2005؛ داربی و همکاران، 2016؛ فلمینگ و میلر، 2016). ترکیب GSEA و LEA قبلاً در شناسایی علائم ژنتیکی عملکردهای شناختی مؤثر بود (توماسن و همکاران، 2008؛ ارسلند و همکاران، 2012؛ لی و همکاران، 2013)، از جمله حافظه اپیزودیک و کاری (هک و همکاران، 2014;

لینکسیس و همکاران، 2015). ما LEA را برای مجموعه‌های ژنی با امتیاز مثبت و منفی در بالا اعمال کردیم، به دنبال آن ژن‌های{1} بالایی را انتخاب کردیم که اغلب در زیر مجموعه‌های پیشرو مجموعه‌های ژنی ظاهر می‌شوند. سپس این ژن‌ها با ادبیات مدل حیوانی تأیید شدند، که به عنوان شواهد قوی یا ضعیف از ارتباط بین ژن و عملکرد حافظه طبقه‌بندی شد (شکل 1F). شواهد قوی از دستکاری ژن یا مطالعات درمان دارویی، به عنوان مثال، حذف ژن منجر به تغییر حافظه تشکیل شده است. شواهد ضعیف شامل مطالعات همبستگی یا محاسباتی، مانند تنظیم دگرگونی ژن که با افزایش همبستگی دارد.حافظهکارایی.

برای قشر مغزحافظهاز هر 10 ژن همبسته مثبت، 9 ژن قبلاً در آن دخیل بودندحافظهعملکرد(جدول 3؛ فهرست کامل ژن‌های حافظه قشری و مرور ادبیات Extended DataTable 3-1، خروجی کامل LEA در جدول داده‌های گسترده 3-2). ژن PRKCD (Etcheberrigaray و همکاران، 2004؛ Conboy و همکاران، 2009)، RAC1 (Haditsch و همکاران، 2009؛ Oh و همکاران، 2010)، LIMK1 (Todorovski و همکاران، 2015)، و CDC42 ( کیم و همکاران، 2014؛ ژانگ و همکاران، 2016) ارتباط قوی با حافظه داشتند. برای ژن‌های کاندید مرتبط با همبستگی منفی، هر 10 ژن شواهد قوی دال بر نقش آنها در حافظه داشتند. اینها همه ژن‌هایی بودند که پروتئین هیستون H4 را کد می‌کردند که با عملکرد حافظه مرتبط بود (Peleg et al., 2010). تنظیم زدایی از استیلاسیون هیستون H4 در موش های مسن با اختلال حافظه مرتبط بود و بازگرداندن این تنظیم حافظه آنها را بهبود بخشید.

شکل 4. تجسم نقشه غنی سازی برای حافظه زیر قشری. خوشه ها با P برای مثبت و N برای منفی برچسب گذاری می شوند. مشخص شد که خوشه های مجموعه ژنی با حافظه مرتبط هستند. خوشه های مثبت با انتقال سیناپسی، انعطاف پذیری طولانی مدت، سیگنال دهی گلوتامات، و مورفوژنز نوریت همراه بودند. خوشه های منفی شامل مجموعه های ژنی درگیر در رونویسی و ترجمه و تمایز سلول های گلیال بود. برای خروجی کامل از GSEA Pre-ranked شکل داده های توسعه یافته 4-1 را ببینید.

برای حافظه زیر قشری، همه 10 ژن با همبستگی مثبت قبلاً در عملکرد حافظه دخیل بودند (جدول 4؛ فهرست کامل ژن های حافظه زیر قشری و بررسی ادبیات در جدول داده های توسعه یافته 4-1؛ نتایج LEA در جدول داده های توسعه یافته 4-2). ژن‌های CDK5، NLGN1، RAB3A، STX1A، SNCA، SYT1 و UNC13A به شدت با حافظه مرتبط بودند (Fujiwara و همکاران، 2006؛ یانگ و همکاران، 2007؛ لیو و همکاران، 2009؛ Guan و همکاران، Kokhan 20). و همکاران، 2012؛ بی و همکاران، 2014؛ میشیبا و همکاران، 2014؛ بومه و همکاران، 2019). هفت ژن از 10 ژن کاندید همبستگی منفی شواهد ضعیفی داشتند که آنها را در حافظه نقش دارد. این‌ها ژن‌هایی بودند که زیر واحدهای ریبوزومی را کد می‌کردند، که به طور متفاوت در جوندگانی که نمایش بهتری داشتند بیان شدند.حافظهعملکرد (وانگ و همکاران، 2003؛ کنگ و همکاران، 2009؛ وینبوش و همکاران، 2012؛ کاتز و لامپرشت، 2015؛ اوکا و همکاران، 2016؛ ژانگ و همکاران، 2018).