脑源性神经营养因子val⁶⁶met多态性影响人类记忆相关海马活动并预测记忆表现

摘要

介绍

控制中枢神经系统发育和成熟的分子级联在成年生物体中高度保守，并有助于复杂的经验现象，如活动依赖性突触可塑性。一个显著的例子是神经营养素BDNF，它不仅调节发育中的中枢神经系统的细胞存活、增殖和突触生长，而且是调节突触变化的关键因素，例如海马长时程增强（LTP），与成年动物的学习和适应行为相关(Poo，2001年;Tyler等人，2002年). 因此，遗传和环境对BDNF活性的影响可能导致海马功能的改变，进而导致海马依赖性学习和记忆的改变。

在密码子66（val）处产生非保守氨基酸替代（缬氨酸到蛋氨酸）的频繁多态性⁶⁶met）最近在人类BDNF基因（dbSNP编号rs6265）中被鉴定。该序列变异体位于5′pro-BDNF序列中，该序列编码前体肽（pro-BDNF），前体肽经蛋白质水解裂解形成成熟蛋白质(Seidah等人，1996年). 尽管这种BDNF多态性并不影响成熟BDNF蛋白的功能，但最近研究表明，它显著改变了前BDNF的细胞内运输和包装，从而改变了成熟肽的调节分泌。特别是，与转染val等位基因的大鼠海马神经元相比，转染met等位蛋白的大鼠神经元表现出异常的细胞内转运和调节BDNF的分泌(Egan等人，2003年). 在健康人中，met等位基因与海马水平降低有关N个-乙酰天冬氨酸，神经元完整性和突触丰度的假定标记，以及情节记忆缺陷(Egan等人，2003年). 这些发现表明，BDNF分泌的遗传变异可能会显著影响人类海马功能和记忆。然而，BDNF多态性对记忆相关海马活动的影响尚未确定。

直接分析BDNF值的贡献⁶⁶由于记忆相关海马活动的多态性，我们对健康志愿者进行了血氧水平依赖性功能磁共振成像（BOLD fMRI）研究，同时他们执行了一项简单的陈述性记忆任务，该任务依赖于海马结构(Gabrieli等人，1998年;沙克特和瓦格纳，1999年). 记忆任务涉及复杂、新颖场景的编码和随后的检索。基于BDNF对记忆相关海马突起起重要作用的基本证据和val的作用⁶⁶BDNF分泌的met多态性，我们假设val等位基因纯合子个体（val/val基因型），即与BDNF正常细胞内转运和更好的情节记忆相关的变体，将比携带met等位蛋白的个体（val/met，met/met基因型）表现出更大的记忆相关海马活动。我们还预测，这些基于基因型的差异将影响记忆性能，val纯合子个体表现出比met携带者更好的识别准确性。

材料和方法

学科。64名右利手健康受试者根据国家心理健康机构审查委员会的指南参与了本研究。受试者从当地广告中招募，并接受广泛的临床检查，包括结构化医疗和精神病史问卷、神经认知测试电池和MRI诊断扫描，以排除结构性脑疾病。

从这个初始队列中，选择了28名受试者，他们根据BDNF值分为两组⁶⁶met基因型（Val组，14个Val/Val个体；met组，12个Val/met个体和2个met/met个体）。由于met等位基因的人群频率（在欧洲血统的受试者中为～0.19），很少有met/met个体可用（即<4%），因此，我们将val/met和met/met基因型结合起来。除一名val/val纯合子（一名非洲裔美国人女性）和两名met携带者（一名亚裔美国人女性和男性）外，所有受试者均为欧洲血统。

重要的是，基因型组在性别（每组6名女性和8名男性）、年龄（平均值±SEM；Val组30.9±1.3岁；Met组30.3±1.6岁；F类_(1,26)= 0.09;第页=0.76），平均智商（IQ）（平均值±SEM；Val组，110.7±1.5；Met组，108.1±2.1；F类_(1,26)= 1.04;第页= 0.32). 所有28名受试者也都没有神经、精神或药物滥用问题，也没有其他与脑代谢和血流相关的医疗问题或治疗史。因此，这些不同的混杂因素掩盖BDNF基因变异对记忆性能和海马活动的贡献的可能性被最小化。

此外，所有受试者都接受了载脂蛋白（APO）E基因等位基因的基因分型，因为等位基因对阿尔茨海默病的发病风险和年龄有剂量依赖性影响(Corder等人，1993年)以及对健康老年人记忆相关脑活动的影响(Bookheimer等人，2000年). 我们的两个BDNF组（Val组，四个ϵ4等位基因携带者；Met组，三个\1013 ; 4等位基因携带者）之间的\1013,4等位蛋白频率没有显著差异。

基因分型。使用标准方法提取DNA。BDNF值⁶⁶使用Taqman 5′-核酸外切酶等位基因鉴别法测定met和APOõ基因型(Corder等人，1993年). 来自更大样本受试者的数据(Egan等人，2003年)发现BDNF val等位基因的频率为0.81，基因型频率（val/val，0.67；val/met，0.28；met/met，0.05）处于Hardy-Weinberg平衡。

陈述性记忆范式。fMRI范式包括对新的复杂场景进行编码和随后的检索，人类神经成像实验一直表明，这项任务能够激活海马结构(Stern等人，1996年;Gabrieli等人，1997年;Zeineh等人，2000年). 刺激以阻断范式呈现，以最大限度地提高海马区BOLD信号变化的功率和灵敏度(Birn等人，2002年). 四个编码块之后是四个检索块，采用交叉设计，具有被动休息条件，总共有17个块。每个块长20秒，总扫描时间为5小时40分钟。在编码块期间，受试者观看六幅图像，每幅连续显示3秒，并确定每张图像代表的是“室内”还是“室外”场景。在每个编码块中呈现相同数量的“室内”和“室外”场景。所有场景都具有中性的情感效价，并源自国际情感图片系统(Lang等人，1997年). 在随后的检索块中，受试者再次查看六个图像，每个图像连续呈现3秒钟，并确定每个场景是“新”还是“旧”。在每个检索块中有一半场景是“旧”的（即在编码块中呈现），另一半是“新的”（即，在编码块期间未呈现）。“室内”和“室外”场景以及“新”和“旧”场景的顺序分别随机分布在编码和检索块中。在交错休息块期间，受试者被指示注视中央呈现的十字线。在每个区块开始之前，受试者观看一个简短的（2秒）指令：“室内还是室外？”、“新的还是旧的？”或“休息”。在扫描过程中，所有受试者都用他们的主导手按下按钮进行反应，以确定准确度和反应时间。

fMRI采集参数。每个受试者都使用GE Signa 3T扫描仪进行扫描，并进行实时功能成像升级（威斯康星州密尔沃基市通用电气公司）。采用自动填隙程序，以最小化可能的磁场不均匀性。采用梯度回波平面成像（EPI）序列获得BOLD功能图像，覆盖24个轴向切片（4mm厚，间距1mm），从大脑顶点开始，覆盖整个大脑和小脑大部分（重复时间/回波时间，2000/28毫秒；视野，24厘米；矩阵，64×64）。选择所有扫描参数以优化BOLD信号的质量，同时保持足够的切片数以获取全脑数据。在收集每个受试者的fMRI数据之前，我们采集了一个参考EPI扫描，并目视检查其伪影（即重影）以及整个采集体积（包括内侧颞叶）的良好信号。本研究中所有28名受试者的功能磁共振成像数据均无此类问题。

图像分析。使用统计参数映射（SPM99；网址：http://www.fil.ion.ucl.ac.uk/spm). 将每个受试者的图像重新排列到时间序列中的第一个体积以校正头部运动，使用12参数仿射模型在空间上归一化到标准立体定向空间（蒙特利尔神经病学研究所模板），并使用高斯滤波器进行平滑以最小化脑回解剖结构中的噪声和残余差异，设置为全宽8 mm，最大值为一半。体素信号强度与全脑整体平均值的比值标准化。

解剖定义的感兴趣区域（包括双侧海马和海马旁皮质）内每个体素的预定条件效应(Giedd等人，1996年)使用t统计量进行计算，生成一个统计图像，用于每个受试者的编码与休息、检索与休息的对比。然后将这些个体对比图像用于二级随机效应模型，该模型考虑了扫描到扫描和受试者到受试者的变异性，以确定整个样本（任务的主要效应）和配对样本在组水平上的任务特定区域反应t吨测试（各组之间的直接比较）。因为我们的强大先验的关于海马体差异反应的假设和我们使用的严格随机效应统计模型，统计阈值为第页<0.05，对多次比较进行小体积校正，用于确定所有比较的显著反应。

还使用二级随机效应模型计算了所有预定条件效应的全脑图像分析。因为我们没有先验的关于海马结构外大脑区域活动的假设，我们使用的统计阈值为第页<0.05，针对所有超阈值体素的多重比较，对这些全脑比较进行了校正。

回归分析。我们使用一种分层多元回归方法，在线性方程中输入（或删除）变量，以改善记忆能力为基础，研究了BDNF基因型、海马平均BOLD反应和记忆性能（即识别准确性）之间的关系R（右）²模型中的每个连续步骤（PROC REG MAXR；SAS Institute，Inc.，Cary，NC）。所有28名受试者的平均BOLD百分比信号变化都是从左右海马簇中提取出来的，这些海马簇对编码和检索具有显著的主要影响(图1). 重要的是，这些簇是以无偏见的方式选择的（即，它们不是基于对BDNF基因型或先验的与性能的相关性）。除了BDNF基因型和平均BOLD信号变化外，我们还创建了交互项，表示BDNF的基因型在编码和提取期间对左右海马活动的潜在贡献（例如，BDNF型x左海马编码活动）。性别和智商也作为变量输入。

在单独的窗口中打开

图1。

统计参数图显示在编码和检索期间海马结构（海马和海马旁回）的显著参与。后海马结构中的BOLD fMRI反应在轴向、冠状面和矢状面上叠加在平均结构MRI上。在编码和检索期间，蓝色十字线集中在左侧海马结构簇上，这对观察到的记忆性能差异贡献最大（参见材料和方法中的回归分析）。一编码期间左右海马结构中最大体素的Talairach坐标和体素水平统计值为x=-25mm；y=-44毫米；z=-10毫米；簇大小=42个体素；校正了体素级别第页< 0.001;Z轴得分=5.59；x=22毫米；y=-48毫米；z=-10毫米；聚类大小＝60个体素；体素水平校正第页< 0.001;Z轴得分分别为7.24分。b条检索期间左右HF中最大体素的Talairach坐标和体素级统计为x=-25 mm；y=-44毫米；z=-10毫米；簇大小=36个体素；校正了体素级别第页< 0.001;Z轴得分=6.32；x=22毫米；y=-48毫米；z=-10毫米；簇大小=64个体素；校正了体素级别第页< 0.001;Z轴得分分别为7.08。

结果

与以前的报告一致(Gabrieli等人，1998年;沙克特和瓦格纳，1999年)，我们发现在所有受试者的编码和提取过程中，后海马结构（海马和海马旁回）都有显著的双侧激活(图1). 此外，编码和提取都与下颞、顶叶和额叶皮层的显著双侧激活有关，这是一个对视觉空间信息处理至关重要的分布式网络(Ungerleider和Haxby，1994年). 关联分析显示，在编码和提取过程中，海马和皮层簇存在显著的重叠，这一发现与特定情节信息最初形成和随后回忆的回路保护一致(Persson和Nyberg，2000年). 观察到的海马活动的后部定位可能反映了所用刺激的视觉特性以及在物体敏感的梭形和海马旁区域内对该信息的处理(Ungerleider和Haxby，1994年)和相邻的相互连接的海马结构(Small等人，2001年).

正如假设的那样，直接组间比较显示，在编码和提取期间，BDNF val等位基因纯合子（相对正常的功能变体）的受试者中，记忆相关的海马活动更大(图2). BDNF值⁶⁶然而，met多态性对涉及一般视觉空间信息处理的分布式皮层网络（例如，颞下、顶叶和额叶区域）内的活动没有影响。BDNF对海马活动的这种特异性影响与脑中BDNF的表达模式一致，脑中的BDNF在海马中最高(Murer等人，2001年)以及BDNF在海马过程中的关键作用，特别是活动依赖性突触可塑性，介导学习和记忆(Poo，2001年;Tyler等人，2002年).

在单独的窗口中打开

图2。

基于基因型的参数比较显示，在编码和提取期间，Val组的海马活动显著高于Met组。海马后部结构的BOLD fMRI反应显示覆盖在冠状面和矢状面的平均结构MRI上。一，在编码期间，右海马和海马旁回中表现出Val大于Met活性的最大体素的Talairach坐标和体素水平统计：x=30mm；y=-19毫米；z=-12毫米；簇大小=5个体素；校正了体素级别第页= 0.047;Z轴得分=1.91；并且x＝22毫米；y=-44毫米；z=-6毫米；簇大小=6个体素；校正了体素级别第页= 0.043;Z轴得分分别为1.97。b条、Talairach坐标和体素水平统计，显示在提取期间Val大于Met活性的左右海马旁回最大体素：x=-30mm；y=-44毫米；z=-2毫米；簇大小=3个体素；校正了体素级别第页= 0.046;Z轴得分=1.87；x=22毫米；y=-48毫米；z=-6毫米；簇大小=7个体素；校正了体素级别第页= 0.035;Z轴得分分别为2.45分。

除了BDNF值的影响⁶⁶记忆相关海马活动的met多态性，与met携带者情节记忆受损的先前发现一致(Egan等人，2003年)，本研究中的val纯合子在检索过程中识别“新”和“旧”（即编码）场景的准确性显著提高（正确率±SEM；val组为91.6±1.5；Met组为84.5±2.6；F类_(1,26)= 5.69;第页= 0.02). met载体中识别错误数量的增加平均分布在未命中（即未将编码场景识别为“旧”）和假警报（即将新场景识别为”旧“）中。重要的是，记忆表现的差异并不仅仅反映了各组受试者对这些刺激进行准确编码的能力差异，因为各组之间的编码准确性没有差异（正确率±SEM；Val组94.9±0.6；Met组93.2±1.2；F类_(1,26)= 1.71;第页> 0.20). 此外，在两种编码过程中，反应时间没有系统组差异（msec±SEM；Val组，1316.4±44.9；Met组，13.14.5±56.8；F类_(1,26)= 0.001;第页=0.98）或恢复（msec±SEM；Val组，1554.1±43.5；Met组，1613.33±41.5；F类_(1,26)= 0.97;第页=0.33）表明，所观察到的记忆表现差异不太可能是由任务期间的差异注意驱动的。

我们使用一种改进的层次逐步回归分析来探讨BDNF值的观察影响之间的关系⁶⁶met多态性对记忆相关海马活动和识别准确性的影响。这种方法允许无偏见地确定自变量的贡献以及特定变量对观察到的记忆性能变化的交互作用。只有两个变量显著地进入了模型，这两个变量由碎石检查和“F to enter”确定：BDNF val的交互项⁶⁶met基因型与编码期间左海马平均活动(F类_(1,26)= 9.44;R（右）²= 0.25;第页=0.005），以及检索期间的平均左海马活动(F类_(1,26)= 4.99;R（右）²= 0.04;第页= 0.035). 总的来说，这两个变量占了识别记忆性能总变化的约30%。令人惊讶的是，在编码新场景期间，反映BDNF基因型对海马参与的调节的交互作用项占解释方差的大部分（25%），其次是识别过程中海马的简单激活。

讨论

这项研究的结果有几个重要意义。首先，在编码或检索过程中，对海马区域的无偏见选择被证明是行为差异的显著预测因素。因此，通过BOLD fMRI测量的个体海马活动可能与记忆表现直接相关，尽管影响程度相对较小。这一发现与早期报告一致(Gabrieli等人，1998年;沙克特和瓦格纳，1999年). 其次，BDNF基因型和海马活动在编码过程中的相互作用是检索过程中行为变异的主要原因（25%）表明BDNF对海马参与的调节是最初获取信息的关键过程，与BDNF在活动依赖性可塑性和海马LTP中的已知作用一致，这些过程被认为是新学习和记忆形成的基础(Poo，2001年;Tyler等人，2002年). 第三，提取期间海马活动对记忆表现变化的贡献不受BDNF的调节，这表明对识别的准确判断可能在一定程度上反映了海马亚区的简单参与。然而，与编码期间BDNF调制的海马活动相比，这种与检索相关的活动似乎对性能的预测效果较差。我们发现编码期间BDNF调节的海马活动对随后的记忆表现有显著贡献，这与研究一致，研究表明编码期间海马轨迹的强度是随后记忆准确性的最可靠预测因子(Wagner等人，1999年;Fell等人，2001年). 最后，我们的数据强调了与我们的范式相关的信息处理过程中的偏侧性效应，因为在编码和检索过程中，左半球的海马活动是表现的预测因素。这种效果表明，现实世界中经历了进一步语义编码的场景（在“室内”或“室外”判断期间）以及与左侧海马结构相关的场景随后会被更好地记住。

这些结果表明BDNF值⁶⁶met多态性对记忆相关的大脑活动具有显著的区域特异性影响，这可能对人类正常记忆能力的变异产生重大影响(韦克斯勒，1997). 这种效应可能通过需要BDNF调节分泌的活动依赖性海马过程的改变来介导。具体而言，可以想象的是，met携带者的异常细胞内转运和BDNF的调节分泌可能会导致海马LTP受损或类似的突触事件，这可能是编码的基础，反映在海马BOLD fMRI反应相对减弱，以及随后海马轨迹减弱。因此，在这些相同的met载体中，对先前编码的项目的召回和识别较差，可能反映了这种初始追踪的弱点。另外，鉴于BDNF在神经元存活和突触增殖中的重要性，我们观察到的BDNF对记忆相关海马活动和识别准确性的影响可能反映了以海马为中心的扩展脑回路发育中met载体的异常，这对于调解情节信息的整合至关重要。还需要进一步的研究来确定这些和潜在的其他机制对BDNF val观察到的记忆相关海马活动和记忆性能的调节的贡献⁶⁶met多态性。

我们的数据暗示了正常人类陈述性记忆变异的遗传机制。BDNF是低等动物学习和记忆过程中海马突触可塑性的关键蛋白，编码BDNF的基因中存在一种常见的功能多态性，对人类海马在陈述性记忆处理过程中的活动有重大影响。反过来，这种由BDNF驱动的海马活动变化强烈预测了记忆信息的准确性。BDNF值⁶⁶met多态性可能会影响影响海马功能的人类条件的表达（例如，老化、创伤、退行性疾病），BDNF信号可能是增强陈述性记忆干预的有利靶点。更广泛地说，我们当前的发现以及其他近期研究的发现(Bookheimer等人，2000年;Egan等人，2001年;哈里里等人，2002年)，强调功能性神经成像作为一种探索基因变异对相对较小健康受试者不同脑区和回路中信息处理的生物学影响的方法的潜力(哈里里和温伯格，2003年).

脚注

工具书类