Stable but confounded: brain region, not diagnosis, drives a validation-passing molecular subtype in postmortem psychiatric brain

技术摘要：“稳定但受混淆影响：在死后精神病学大脑研究中，驱动验证通过的分子亚型的并非诊断，而是脑区”

问题陈述
无监督脑转录组分子亚型分类正越来越多地被用于解析精神疾病诊断（如自闭症、精神分裂症）的异质性。然而，聚类算法无论该分区反映的是可重复的生物学特征，还是仅仅是技术或解剖学伪影，都始终会返回一个分区。本文识别了死后精神病学研究中的三个急性风险：

1. 样本量较小（数十到数百个样本）限制了统计效能。
2. 受试者重叠：在名义上独立的队列之间存在重叠，导致虚假的重复验证声明。
3. 解剖学主导性：脑区间的转录组变异远大于诊断间的变异。因此，对多区域汇总数据进行聚类往往恢复的是解剖结构而非疾病亚型。

作者认为，目前的验证实践往往无法区分“稳定”聚类（具有可重复的结构）与“有效”聚类（与疾病相关的生物学意义），尤其是在没有明确测试脑区等混淆因素的情况下。

方法论
作者使用“验证优先”的原则重新分析了三个公开的死后队列（共 384 个样本），该原则组建了既定的对照组并增加了显式的混淆测试。数据集包括：

• 自闭症谱系障碍 (ASD)： GSE28521（微阵列，额叶/颞叶皮层/小脑）和 GSE64018（RNA-seq，上颞回）。
• 精神分裂症、双相情感障碍、重度抑郁症： GSE80655（RNA-seq，前扣带回、DLPFC、伏隔核）。

分析流程：

1. 特征降维： 通过单样本富集分析（ssGSEA 或基因平均 z 分数）将基因表达汇总为通路水平的分数。
2. 聚类： 使用高斯混合模型 (GMM) 对样本进行聚类，并通过贝叶斯信息准则 (BIC) 进行组件选择。
3. 验证控制： 每个候选分区都经过四个门槛的测试：
   • 标签置换零假设： 测试是否可以从置换后的标签中恢复聚类。
   • 随机基因集零假设： 测试分区是否针对特定的策划通路，还是由随机基因集产生。
   • 自助法稳定性（Bootstrap stability）： 测量原始分配与重采样分配之间的调整兰德指数 (ARI)（阈值 $\ge$ 0.80）。
   • 祖源独立性： 检查与祖源主成分的关联。
4. 混淆测试： 在分区与脑区、捐赠者重叠及临床诊断之间进行显式的列联表关联分析（$\chi^2$、Cramér's V）。
5. 非循环分析： 为避免“双重计算（double dipping）”，通过基于诊断的病例-对照对比来评估疾病信号，该对比在特定区域内进行，并使用固定的经典细胞类型标记基因面板（如 PVALB, SST, GAD1），而非使用源自聚类本身的特征。

关键结果

1. 自闭症“GABA能”亚型的失败：
   一个以 GABA 能通路下调为特征的推测性 ASD 亚型未能通过自助法稳定性验证（ARI = 0.71，低于 0.80 阈值）。此外，在第二个队列 (GSE64018) 中的所谓重复验证被判定无效，因为两个队列共享了 24 名受试者中的 10 名，这意味着这种一致性是同一批大脑在不同平台间的相互印证，而非独立的重复验证。

2. “通过验证”的精神分裂症分区是一个区域分类器：
   在精神分裂症队列 (GSE80655) 中，一个 $k=3$ 的分区通过了所有统计门槛（Bootstrap ARI = 0.923；通过了随机基因集和祖源检查）。然而，混淆测试显示，该分区完全由脑区而非诊断驱动：

   • 亚型 0 和 2 主要为伏隔核 (nAcc)。
   • 亚型 1 仅限于皮层（AnCg 和 DLPFC）。
   • 亚型与区域之间的关联极其显著（$p = 4.3 \times 10^{-26}$，Cramér's V = 0.67），而与诊断的关联则不显著（$p = 0.41$）。
   • 将分析限制在单一区域（DLPFC）会导致稳定性降至验证阈值以下（ARI = 0.68），证实了这种“稳定性”是来自区域轴的伪影。

3. 伪影的系统性特征：
   这种由区域驱动的伪影在队列中的所有诊断（双相、重度抑郁）中都是系统性的，并且与聚类数量 ($k$) 无关。汇总的四诊断队列表现出最强的区域结构，但稳定性最弱。

4. 通过非循环分析恢复已知生物学：
   虽然聚类框架错失了疾病信号，但传统的、非循环的病例-对照分析恢复了已建立的中间神经元生物学：

   • ASD： 皮层中 parvalbumin (PVALB) 标记物显著减少。
   • 精神分裂症： 皮层区域中 somatostatin (SST) 和 GABA 合成酶 (GAD1/GAD2) 显著减少。
   • 双重解离： 一个显著的、符号相反的交互作用确认了 PVALB 减少在 ASD 中更为显著，而 SST 减少在精神分裂症中更为显著。

5. 基准测试失败：
   一个声称 $R^2 = 0.889$ 的伴随校准基准模型未能被复现。作者将其归因于指标缺陷：调整兰德指数 (ARI) 在退化输入（具有单一真实聚类的数据集）上会返回伪造的 1.0 值，从而人为地夸大了相关性。

意义与主张
本文并非旨在发现新的分子亚型；相反，它提供了一个“典型案例研究”，展示了一个亚型声明如何能在通过严格统计稳定性检查的同时，完全由已知的混淆因素（脑区）驱动。

作者得出结论：

• 稳定性 $\neq$ 有效性： 高自助法稳定性证明了可重复性，但不保证分区反映了预期的生物学信号（疾病 vs. 解剖）。
• 混淆测试是强制性的： 对于任何汇总区域或队列的亚型分析，必须将针对脑区（及其他混淆因素）的测试作为验证程序的核心组成部分。
• 纪律重于发现： 在小型、汇总的多区域队列中，探索性发现极易失败。作者倡导一套具体的清单：报告零假设对照、测试混淆因素、确保受试者不相交的重复验证，并发布那些未能通过对照测试的分区。

本研究强调，虽然分子亚型分类可以取得成功（例如引用 Bowen 等人 2019 年在控制区域后的成功案例），但本文记录的特定失败模式——由解剖学主导性和未察觉的流程默认设置所驱动——是当前精神病学基因组学中的关键陷阱。