日前，美国西奈山伊坎医学院的研究者通过使用新的机器学习技术，基于超过10万名个体的信息研发了预测模型，并发现了413个与精神分裂症发病相关的基因关联，横跨13个脑区。

      研究指出，通过在组织层面分析基因表达情况，研究者不仅能够找到与精神分裂症发病相关的新基因，还可以确定异常表达可能发生在哪些脑区。本项同领域内规模最大的研究于2019年3月25日发表于Nature Genetics（影响因子 27.125）。

      虽然患病率不到2%，但精神分裂症长期以来一直是全球范围内重要的致残原因之一，对公共卫生及社会经济造成沉重影响，主要来自反复入院及高昂的治疗费用。目前普遍认为，大量基因与精神分裂症患病风险的升高相关，但该病确切的遗传学基础仍不清楚。然而，这一状况也激发了很多研究者的斗志：对于任何疾病而言，发现与疾病有关的基因对于理解疾病机制均至关重要。

      在这一背景下，西奈山的研究者使用了全基因组关联分析（GWAS）的发现，配合转录组填充（transcriptomic imputation）技术，对精神分裂症的遗传学基础展开了探讨。其中，GWAS在生物医学研究中的应用逐渐增加，即在人类全基因组范围内分析序列变异，判断某种序列变异是否在特定疾病（如精神分裂症）患者中更常见。转录组填充是一种新的机器学习技术，使得研究者可针对难以直接触及的组织（如脑组织）探讨疾病与基因表达的相关性。

      分析40,299名精神分裂症患者及62,264名匹配对照的数据后，研究者发现，精神分裂症风险基因的表达贯穿整个发育阶段——其中一些在妊娠期的特定阶段表达，而另一些则在青少年期或成年期表达。研究者还发现，不同脑区「携带」精神分裂症的风险也存在差异，基因关联最强的脑区为背外侧前额叶皮质（DLPFC）。

      研究者Laura Huckins博士指出，新的预测模型给予了研究者「空前」的力量，以探讨精神分裂症预测基因的表达及找到新的高危基因。一个尤其吸引人的发现在于，精神分裂症风险基因在整个发育过程中均有所表达，包括妊娠早期。

      「通过奠定转录组填充与GWAS发现相结合的基础工作，我们不仅希望能更好地阐明基因本身，也希望能打造此类研究方法及设计的未来。」