Genetic architectures of brain-related traits are shaped by strong selective constraints

De studie toont aan dat de genetische architectuur van hersen-gerelateerde eigenschappen wordt gevormd door sterke selectiedruk en een groot mutatiedoelwit, wat leidt tot minder significante GWAS-resultaten vergeleken met andere complexe menselijke eigenschappen.

De kern

De Grote Vraag: Waarom is het brein zo lastig te doorgronden?

Stel je voor dat je een gigantische zoektocht houdt naar de 'geheime codes' in ons DNA die bepalen of iemand ziek wordt of hoe iemand zich gedraagt. Wetenschappers doen dit al jaren met een methode genaamd GWAS (een soort genetische schatzoeker).

Bij sommige eigenschappen, zoals je lengte of je cholesterol, vinden ze deze codes snel en duidelijk. Het is alsof je in een grote bibliotheek zoekt naar een boek en je vindt het direct op de eerste plank, met een groot, felgekleurd label.

Maar bij breinaandoeningen (zoals schizofrenie, depressie of ADHD) en andere eigenschappen die te maken hebben met het centrale zenuwstelsel, is het zoeken heel anders. Hier vinden ze wel honderden codes, maar ze zijn allemaal heel klein, vaag en moeilijk te onderscheiden. Het is alsof je in diezelfde bibliotheek duizenden boeken hebt, maar ze hebben allemaal een heel klein, verbleekt labeltje en liggen verspreid over de hele bibliotheek.

De vraag was: Is dit omdat we niet goed genoeg zoeken, of is er iets fundamenteels anders aan de hand met het brein?

Het Ontdekking: Het Brein is een "Super-Gevoelige" Machine

De auteurs van dit paper (Huisheng Zhu en collega's) hebben ontdekt dat het niet aan de zoekmethode ligt. Het brein is gewoon anders gebouwd. Ze gebruiken twee belangrijke metaforen om dit uit te leggen:

1. De "Grote Doelwit" (Mutational Target Size)

Stel je voor dat je een schutter bent.

• Bij niet-breineigenschappen (zoals cholesterol) is het doelwit een kleine munt. Als je raakt, is het een duidelijke treffer. Er zijn maar een paar plekken in het DNA die hier invloed op hebben.
• Bij breineigenschappen is het doelwit een enorm, uitgestrekt veld. Er zijn duizenden plekken in het DNA die allemaal een heel klein beetje invloed hebben op hoe je brein werkt. Omdat er zoveel plekken zijn, is de kans dat je per ongeluk een "treffer" maakt op een specifieke plek heel groot, maar elke individuele treffer is zo klein dat hij nauwelijks opvalt.

Conclusie: Het brein is zo complex dat er duizenden genetische schakelaars zijn die er een beetje bij betrokken zijn, in plaats van een paar grote schakelaars.

2. De "Strikte Wacht" (Sterke Selectie)

Dit is het meest interessante deel. Waarom zijn die schakelaars zo klein en moeilijk te vinden?
Stel je voor dat het brein een zeer gevoelige instrument is, zoals een dure, precisie-muziekinstrument.

• Als je een schakelaar (een mutatie) in je DNA verandert die het brein beïnvloedt, is de kans groot dat je de muziek "vals" maakt.
• De natuur (evolutie) is hier heel streng op. Als een verandering het brein ook maar een beetje verstoort, wordt die verandering snel "uitgefilterd" door de natuur. Dit noemen ze sterke selectie.

Omdat de natuur zo streng is, mogen er geen grote, duidelijke veranderingen in het brein-DNA blijven bestaan. Alleen heel kleine, subtiele veranderingen die de natuur "toelaat", blijven over. Daarom zijn de genetische signalen zo zwak: de sterke veranderingen zijn er al lang uitgefilterd.

Waarom is dit belangrijk?

De onderzoekers hebben bewezen dat dit niet alleen geldt voor ziektes, maar voor alle eigenschappen die door het brein worden geregeld (zoals intelligentie of gedrag).

• Vroeger dachten we: "Misschien vinden we de antwoorden niet omdat we niet genoeg mensen hebben onderzocht."
• Nu weten we: "Nee, het is omdat het brein zo gevoelig is dat de natuur geen grote fouten toelaat. De antwoorden zijn er, maar ze zijn verspreid over duizenden kleine stukjes DNA."

Wat betekent dit voor de toekomst?

Dit is eigenlijk goed nieuws voor de wetenschap, al klinkt het eerst raar.
Omdat we nu begrijpen waarom het brein zo lastig is, kunnen we onze verwachtingen aanpassen.

• We hoeven niet te hopen op één groot "gen voor depressie" te vinden.
• We moeten accepteren dat het een heel groot netwerk is van duizenden kleine factoren.
• Als we in de toekomst nog meer mensen gaan onderzoeken (gigantische datasets), zullen we langzaam maar zeker steeds meer van die kleine stukjes vinden. Het aantal ontdekkingen zal waarschijnlijk veel sneller groeien dan bij andere ziektes, omdat er zo veel "doelen" zijn om te vinden.

Samenvattend in één zin:

Het brein is als een extreem gevoelige viool: de natuur staat geen grote krassen toe, dus de beschadigingen (en de genetische oorzaken) zijn zo klein en talrijk dat ze moeilijk te vinden zijn, maar ze vertellen ons iets heel belangrijks over hoe gevoelig en complex ons brein eigenlijk is.

Technische samenvatting

Probleemstelling

Genome-wide association studies (GWAS) hebben honderden significante loci geïdentificeerd voor psychiatrische stoornissen en andere hersen-gerelateerde eigenschappen. Echter, de sterkte van deze associaties blijft bescheiden vergeleken met andere complexe menselijke eigenschappen met een vergelijkbaar aantal hits. Het is onduidelijk of dit patroon het gevolg is van statistische artefacten (zoals verschillen in steekproefgrootte of het binair karakter van ziekten) of dat het wijst op fundamentele biologische verschillen in de genetische architectuur. Daarnaast is er onzekerheid over of de evolutionaire modellen die gelden voor kwantitatieve eigenschappen (zoals ontwikkeld door Simons et al.) ook van toepassing zijn op complexe ziekten, en of hersen-gerelateerde eigenschappen unieke evolutionaire krachten ondergaan.

Methodologie

De auteurs hebben een uitgebreide analyse uitgevoerd over een breed scala aan complexe eigenschappen, waaronder 151 kwantitatieve eigenschappen uit de UK Biobank en 13 complexe ziekten met publiek beschikbare GWAS-samenvattingen.

1. Classificatie van Eigenschappen:

   • Eigenschappen werden geclassificeerd als "hersen-gerelateerd" (CNS-gerelateerd) of "niet-hersen-gerelateerd" op basis van stratified LD score regression (S-LDSC). Dit testte of SNP-heritabiliteit verrijkt was in open chromatine-regio's van cellen in het centrale zenuwstelsel (CNS).
   • Dit resulteerde in 50 kwantitatieve hersen-gerelateerde eigenschappen (inclusief gedrags- en cognitieve traits) en 4 hersen-gerelateerde ziekten (allemaal psychiatrische stoornissen).

2. Aanpassing voor Statistische Kracht (Power):

   • Om een eerlijke vergelijking te maken tussen kwantitatieve eigenschappen en binair karakteriserende ziekten (case-control), ontwikkelden de auteurs een methode om de "effectieve steekproefgrootte" ($N'$) op de liability-schaal te berekenen.
   • Ze toonden aan dat het "binariseren" van een kwantitatieve eigenschap leidt tot een verlies aan statistische kracht. Dit verlies kan worden gerepliceerd door de kwantitatieve eigenschap te downsamplen naar een specifieke steekproefgrootte ($N'$) die overeenkomt met de power van de case-control studie.
   • Door GWAS z-scores te schalen op basis van deze $N'$, konden ze de genetische architecturen vergelijken zonder dat verschillen in steekproefgrootte of meettype de resultaten vertekenden.

3. Evolutionair Modellering (Simons-model):

   • De auteurs pasten het model van Simons et al. toe, dat pleiotrope stabiliserende selectie simuleert. Dit model beschrijft hoe mutaties ontstaan met een bepaalde selectiecoëfficiënt ($s$) en hoe dit de frequentie en effectgrootte beïnvloedt.
   • Ze pasten het model aan voor binair karakteriserende eigenschappen en inferreerden drie sleutelparameters per eigenschap (of groep eigenschappen):
     • $L$: De mutatie-doelgrootte (het aantal sites in het genoom waar mutaties de eigenschap beïnvloeden).
     • $h^2/L$: Heritabiliteit per site in het doel.
     • $f(s)$: De verdeling van selectiecoëfficiënten voor nieuwe mutaties.

4. Validatie via Gen-Burden Tests:

   • Om de bevindingen op variant-niveau te valideren, gebruikten ze data van lasten-tests (burden tests) voor loss-of-function (LoF) varianten. Ze keken naar de correlatie tussen de evolutionaire beperking van genen ($s_{het}$) en hun effectgrootte op hersen-gerelateerde versus niet-hersen-gerelateerde eigenschappen.

Belangrijkste Bijdragen en Resultaten

1. Unieke Genetische Architectuur van Hersen-gerelateerde Eigenschappen:

   • Hersen-gerelateerde eigenschappen (zowel kwantitatief als ziekten) vertonen een unieke architectuur: GWAS-hits hebben nauwelijks significante p-waarden (ze overschrijden de drempel slechts marginaal) en zijn verrijkt met varianten met een hogere allelfrequentie (MAF).
   • Dit patroon blijft bestaan zelfs na correctie voor statistische kracht, wat aantoont dat het geen artefact is van kleinere steekproeven of het binair karakter van ziekten.

2. Sterke Selectie en Grote Mutatie-Doelgrootte:

   • De inferentie van het evolutionaire model toont aan dat hersen-gerelateerde eigenschappen twee kenmerken delen:
     • Grote mutatie-doelgrootte ($L$): Ongeveer 1,32% van het genoom is functioneel relevant voor deze eigenschappen, vergeleken met slechts 0,27% voor niet-hersen-gerelateerde eigenschappen. Dit bevestigt dat deze eigenschappen extreem polygenisch zijn.
     • Sterke Selectie: De verdeling van selectiecoëfficiënten ($f(s)$) is verschoven naar sterkere selectie. Mutaties die hersen-gerelateerde eigenschappen beïnvloeden, worden sterker tegen geselecteerd dan mutaties voor andere eigenschappen.
   • Simulaties tonen aan dat deze combinatie (sterke selectie + grote $L$) de waargenomen verdeling van MAF en z-scores perfect verklaart: sterke selectie drijft varianten naar lagere frequenties, maar GWAS-ascertainment (selectie van alleen gemeenschappelijke varianten) filtert alleen die varianten die toch een hoge frequentie hebben bereikt (vaak met kleine effectgroottes).

3. Gen-niveau Validatie:

   • Genen die relevant zijn voor hersen-gerelateerde eigenschappen tonen een sterkere correlatie tussen hun evolutionaire beperking ($s_{het}$) en hun effectgrootte op de eigenschap, vergeleken met genen voor niet-hersen-gerelateerde eigenschappen. Dit ondersteunt het idee dat veranderingen in genactiviteit in het CNS grotere fitness-gevolgen hebben.

4. Rol van Weefsels:

   • De studie suggereert dat de genetische architectuur van complexe eigenschappen wordt gevormd door de weefsels die de eigenschap bemiddelen. Eigenschappen die via het CNS worden bemiddeld, vormen een duidelijk onderscheiden cluster in de architectuurruimte. Eigenschappen die gemengde weefsels betreffen (zoals lichaamssamenstelling) vallen tussen de twee uitersten in.

Significantie en Conclusies

• Evolutionair Inzicht: De resultaten bieden een mechanistische verklaring voor waarom GWAS voor psychiatrische stoornissen en andere hersen-gerelateerde traits historisch gezien minder sterke signalen hebben opgeleverd dan verwacht. Het is niet een gebrek aan data, maar het gevolg van sterke evolutionaire stabiliserende selectie op het centrale zenuwstelsel.
• Toekomstige GWAS: Omdat hersen-gerelateerde eigenschappen een grote mutatie-doelgrootte hebben, wordt voorspeld dat toekomstige GWAS met grotere steekproefgroottes een snellere toename in het aantal geïdentificeerde loci zullen zien dan voor niet-hersen-gerelateerde eigenschappen, en uiteindelijk een hogere verzadigingsgraad zullen bereiken.
• Biologische Implicatie: De sterke selectie suggereert dat het CNS een cruciale rol speelt in de fitness, waarbij veranderingen in de activiteit van genen in de hersenen grotere evolutionaire kosten hebben dan in andere weefsels. Dit ondersteunt het "omnigenic" model, waarbij de architectuur van een eigenschap wordt bepaald door de cellulaire context waarin het wordt uitgedrukt.

Kortom, de paper concludeert dat de genetische architectuur van complexe eigenschappen niet willekeurig is, maar wordt gevormd door de specifieke weefsels die de eigenschap bemiddelen, waarbij hersen-gerelateerde eigenschappen onderhevig zijn aan unieke en sterke evolutionaire beperkingen.