生物行移动版

精神分裂症的遗传图景比以往任何想象都更为复杂。先进的基因网络分析揭示了遥远的遗传变异如何协同工作，共同影响大脑功能和精神健康。一项发表于《自然-遗传学》的开创性研究，开发了一种超越单个基因的新方法，在超过10万份遗传数据和数百份大脑组织样本中，识别出641个此前未被发现的精神分裂症相关基因。这一发现将我们对精神分裂症遗传基础的理解，从“单个基因”的视角提升到了“基因网络”的层面。

从“灯柱下的光”到“整个社区的照明”

长期以来，科学家已知精神分裂症具有高度遗传性（遗传力估计高达80%）。然而，全基因组关联研究识别的众多风险变异，大多位于基因组的非编码区。传统的基因关联方法仅检查疾病相关DNA变异邻近的基因，如同“在灯柱下找钥匙”，忽略了远程调控元件的影响。

由利伯大脑发育研究所和巴里大学的研究人员领导的国际团队开发了新型计算模型，捕捉基因之间的长程调控关系——类似于社交网络连接不同街区的人。通过分析来自102,000多名个体的遗传数据和来自数百名捐赠者六个不同脑区的组织样本，该模型发现了641个新的精神分裂症相关基因。利伯大脑发育研究所的Giulio Pergola博士形象地比喻道：“通过整合基因共表达网络，我们基本上照亮了整个社区，揭示了远程遗传变异如何协调构建精神分裂症的遗传基础。”

基因网络：精神分裂症遗传基础的“协同工作”

精神分裂症的风险并非由单个基因独立作用所致，而是由基因网络如何协同工作所决定。这些发现指向了涉及谷氨酸信号传导、脑细胞通讯、免疫过程和大脑发育的生物学通路。该方法证实了“全基因模型”的预测：在多基因共表达网络中，精神分裂症的遗传风险信号会汇聚于与风险富集基因簇连接更紧密的基因上，覆盖了超过70% 的网络基因。这种风险收敛在成年精神疾病中最为显著，尤其在精神分裂症中。

从实验室到精准治疗

理解这些协同的基因程序，使我们更接近精准精神病学的目标：根据个体的特定生物学特征定制治疗方案。利伯大脑发育研究所的Daniel Weinberger博士指出：“这项工作表明，精神分裂症的风险不仅仅是关于单个基因一个接一个地起作用——而是关于基因网络如何协同工作。” 在单核RNA测序的细胞类型网络中，精神分裂症的风险收敛在第2/3层兴奋性神经元中最为显著。被优先选出的与精神分裂症风险连接最紧密的基因，包括一些多巴胺相关基因，在纹状体中被特异性优先识别，这表明该策略可以找回现有的药物靶点，并用于筛选其他潜在靶点。

研究局限与未来方向

该项研究代表了将遗传发现转化为精神分裂症可操作生物学见解的重要进展。然而，网络模型需要在更大、更多样化的群体中进一步验证，并探索这些基因网络如何在不同发育阶段和环境因素影响下动态变化。未来的研究将致力于将这些发现转化为新的治疗策略。

结论：这项发表于《自然-遗传学》的研究通过创新的基因网络模型，揭示了精神分裂症并非由孤立基因驱动，而是由超过600个基因通过复杂的远程调控关系协同作用所致。这一发现标志着我们对精神分裂症遗传基础的理解从“个体变异”向“网络协同”的范式转变，为开发新型诊断工具和个体化治疗策略开辟了新的道路。

关键词：精神分裂症、基因网络、共表达网络、多基因风险、精准精神病学、长程调控

原文参考：Pergola, G., et al. (2026). Co-expression-based models improve eQTL predictions for transcriptome-wide association studies and highlight new schizophrenia-associated genes. Nature Genetics.