概 述
-
A–C: 收集病人的功能性基因组数据及AD相关的临床及病理表型。
-
D: 使用多尺度嵌入式基因共表达网络分析(MEGENA)，从上述数据的整合分析中找到疾病基因特征及共表达基因模块。
-
E: 随后将头部的模块投射到因果网络中，来找到疾病的主要驱动基因
-
F–H: 使用先进的模式-匹配算法去搜寻能够逆转疾病基因特征及驱动基因的候选药物
-
I-L: 通过在模型系统（hiPSC衍生神经细胞及果蝇）上开展基因干扰和药物回复实验，去证实驱动基因的疾病相关性。
为了了解晚发性阿尔茨海默氏症（LOAD）的分子机制，从而在此基础上探索新型的治疗靶点，来自西奈山伊坎医学院的研究者采用上述平台开展了转化医学研究。他们对来自364个捐献者（有着不同认知及神经病理表型）四个不同大脑皮层部位的样本进行了RNA测序。在随后分析所得的多达数千种的分子变化中，作者发现受LOAD影响失调最严重的是神经基因子网络。而在排名第一的这类子网络中，ATP6V1A又是关键的调节基因。通过在iPSC-neuron和果蝇上分别使用CRISPR及RNAi技术，作者进一步完成了该基因敲除的建模工作。随后经由一系列多维度的实验评估了ATP6V1A在疾病相关过程中的作用。最后还发现，一种重定位的化合物NCH-51能够改善ATP6V1A缺失在疾病模型上造成的神经障碍和退行性表型。
实 验 结 果
这里小编主要展开图1红框内J→L步骤中，和电生理相关的研究内容。作者使用了Axion公司Maestro高通量微电极阵列系统来完成体外电生理指标的采集和分析。很好地响应了神经药物开发新世代all-in-human approach的潮流。
图4：分化后第21天，对照及基因敲除组神经元放电光栅图(E)及10分钟内发放数量统计(F)
在Axion公司Maestro系统的48孔MEA板上，我们相应地看到了神经活动水平（包括网络发放频率和协同）的明显下降。
编者按：
接下来，使用Aβ (0或5 μM) 处理各组样本24h后，比较各组电活动差异
图4：分化后第21天，处理组及对照神经元10 min内的发放总数的蓝白热图 (图O，发放数量从低到高以从白至蓝表示，颜色越深表示发放数量越高)和发放总数柱形图(P)。
从O图左下角的热图数据及P图左侧的发放总数柱状图统计上，可以发现Ctrl组有很明显的自发电活动下降 (p<0.05, n=12) 。而这时ATP6V1A的mRNA水平几乎没有下降。另外，对ATP6V1A敲低组开展的同条件Aβ42处理，将会将神经活动抑制到极低的水平（参见图O中右下角分组及图P右侧柱状图）。
编者按：
最后对预测得到的药物NCH-51进行了功能验证
图6: 使用浓度为0或3 μM的NCH-51处理各组神经元24h后，10min内放电光栅图 (H)、放电总数蓝白热图(I)和柱形图(J)，其中J图n=24。
编者按：
Axion MEA原始数据衍生的三种分析视图(图6 H-J)，都能够鲜明地反映出同一个结论：NCH-51对于对照组神经元活动的促进作用很有限，而在ATP6V1A敲低组神经元上却有着很明显的促兴奋作用。
小 结 (部分)
在本研究中，我们在iNs样本上证明了ATP6V1A敲低导致的特征，会高度体现在LOAD差异表达基因及以ATP6V1A为中心的亚网络中。这就表明，当无法获得活体样本时，使用hiPSC系统来模拟恶性疾病（如LOAD）会是一种很具潜力的办法。
我们在iNs样本上已经证明NCH-51能够改善AD相关的表型，比如通过恢复神经活动关键调控子的表达来提高神经的电活动。但是我们目前还不知道该药物的作用机理。在未来的研究中，我们将使用小鼠和其它哺乳动物的AD模型来做更多的药物测试。
