Blog

Aug 07, 2023

Integratives Multi

Band „Molekulare Psychiatrie“.

Molecular Psychiatry Band 27, Seiten 4510–4525 (2022)Diesen Artikel zitieren

5232 Zugriffe

1 Zitate

63 Altmetrisch

Details zu den Metriken

Depressionen und Angstzustände sind weltweit große Gesundheitsbelastungen. Obwohl SSRIs, die auf das serotonerge System abzielen, jährlich über 200 Millionen Mal verschrieben werden, weisen sie unterschiedliche therapeutische Wirksamkeiten und Nebenwirkungen auf, und die Wirkmechanismen sind nach wie vor unvollständig geklärt. Hier charakterisieren wir umfassend die molekulare Landschaft genregulatorischer Veränderungen im Zusammenhang mit Fluoxetin, einem weit verbreiteten SSRI. Wir führten eine multimodale Analyse der SSRI-Reaktion in 27 Hirnregionen von Säugetieren unter Verwendung von 310 Bulk-RNA-seq- und H3K27ac-ChIP-seq-Datensätzen durch, gefolgt von einer detaillierten Charakterisierung von zwei Hippocampusregionen unter Verwendung von Einzelzell-RNA-seq (20 Datensätze). Bemerkenswerterweise induzierte Fluoxetin tiefgreifende regionsspezifische Veränderungen der Genexpression und des Chromatinzustands, einschließlich in der Schale des Nucleus accumbens, dem Locus coeruleus und den Septumbereichen sowie in besser untersuchten Regionen wie der Raphe und dem Gyrus dentatus des Hippocampus. Expressionsänderungen waren an den GWAS-Loci für Depressionen und die Reaktion auf Antidepressiva stark angereichert, was die Relevanz für menschliche Phänotypen unterstreicht. Wir haben eine unterschiedliche Expression an Dutzenden von Signalrezeptoren und -wegen beobachtet, von denen viele bisher unbekannt waren. Die Einzelzellanalyse ergab starke Unterschiede in der Fluoxetin-Reaktion zwischen dem dorsalen und ventralen Gyri dentatus des Hippocampus, insbesondere bei Oligodendrozyten, Mooszellen und inhibitorischen Neuronen. Über verschiedene Gehirnregionen hinweg deutete die integrative Omics-Analyse durchweg auf einen erhöhten Energiestoffwechsel durch oxidative Phosphorylierung und mitochondriale Veränderungen hin, was wir in vitro bestätigten; Dies könnte somit ein gemeinsamer Wirkmechanismus von Fluoxetin sein. In ähnlicher Weise beobachteten wir weit verbreitete Chromatin-Remodellierungssignaturen im gesamten Gehirn. Unsere Studie deckt unerwartete regionale und zelltypspezifische Heterogenität in der SSRI-Wirkung auf, hebt wenig erforschte Gehirnregionen hervor, die möglicherweise eine wichtige Rolle bei der Reaktion auf Antidepressiva spielen, und bietet eine reichhaltige Ressource an Kandidatenzelltypen, Genen, Genregulationselementen und Signalwegen für mechanistische Mechanismen Analyse und Identifizierung neuer therapeutischer Ziele für Depressionen und Angstzustände.

Depression ist eine stark beeinträchtigende psychische Erkrankung, von der weltweit etwa 300 Millionen Menschen betroffen sind und die mittlerweile eine der weltweit größten Belastungen durch Behinderungen darstellt [1, 2]. Selektive Serotonin-Wiederaufnahmehemmer (SSRIs) wie Fluoxetin (FT) werden routinemäßig bei Depressionen sowie bei einer Reihe komorbider Erkrankungen wie Angstzuständen und bipolaren Störungen verschrieben [3, 4]. Ungefähr 81 % der als depressiv diagnostizierten Patienten erhalten mindestens ein Rezept für Antidepressiva (ADs), wobei SSRIs 60 % dieser Verschreibungen ausmachen (ca. 250 Millionen Menschen weltweit) [5, 6]. Darüber hinaus haben SSRIs ausgeprägte Nebenwirkungen, darunter geistige Trägheit, sexuelle Dysfunktion und erhöhte Suizidalität, was möglicherweise darauf hindeutet, dass sie komplexe Auswirkungen auf mehrere Gehirnregionen haben [7, 8]. Daher ist es wichtig, neuartige Arzneimittel und Arzneimittelkombinationen zu entwickeln, die die vorteilhaften Wirkungen von SSRIs bei geringeren Behandlungsversagensraten und weniger Nebenwirkungen erzielen könnten [9].

Eine große Hürde bei der Entwicklung alternativer Therapeutika besteht darin, dass der Wirkungsmechanismus von SSRIs nicht gut charakterisiert ist [9,10,11,12]. Obwohl beispielsweise ihr klinischer Nutzen zunächst auf die Hemmung der Serotonin-Wiederaufnahme zurückgeführt wurde [13,14,15], wurden später mehrere zusätzliche Wirkmechanismen vorgeschlagen, darunter eine verstärkte Neurogenese bei Erwachsenen und eine erhöhte synaptische Plastizität [16,17,18,19, 20]. Selbst diese Liste möglicher Mechanismen ist aus den unten beschriebenen Gründen mit ziemlicher Sicherheit unvollständig. Daher ist es unerlässlich, eine umfassende, unvoreingenommene Analyse der molekularen Landschaft der SSRI-Wirkungen im gesamten Gehirn durchzuführen, um unser Verständnis der Biologie der SSRI-Reaktion zu verbessern und die Entwicklung neuer Therapeutika zu unterstützen.

In Übereinstimmung mit der Vielfalt der vorgeschlagenen Mechanismen haben mehrere Studien gezeigt, dass häufig verwendete Antidepressiva die Expression einiger Hundert Gene verändern können [21,22,23], möglicherweise durch die Auslösung epigenetischer Veränderungen [24, 25]. Eine wesentliche Einschränkung besteht jedoch darin, dass sich frühere Studien zur SSRI-Wirkung auf eine begrenzte Anzahl in Frage kommender Gehirnregionen oder eine begrenzte Anzahl von Genorten konzentrierten [22, 26, 27]. Darüber hinaus sind Omics-Analysen der SSRI-Wirkung ausschließlich unimodal, dh basieren entweder auf Genexpression oder epigenetischem Profiling, jedoch nicht auf beidem [23, 26, 27]. Schließlich stützen sich diese Omics-Studien ausschließlich auf die Erstellung von Massengewebeprofilen, was unsere Fähigkeit einschränkt, die zugrunde liegenden Veränderungen in der Zelltyphäufigkeit und in zelltypspezifischen Genregulationsnetzwerken zu identifizieren. Dennoch gibt es Hinweise darauf, dass Antidepressiva eine erhebliche Anzahl molekularer Veränderungen in mehreren Gehirnregionen hervorrufen, einschließlich Veränderungen des Chromatinzustands und der Genexpression [28, 29]. Daher könnte eine umfassende, multimodale Charakterisierung von genregulatorischen Veränderungen im Zusammenhang mit der SSRI-Behandlung, die sowohl Massen- als auch Einzelzellansätze integriert, Möglichkeiten zur Identifizierung neuer zielgerichteter Signalwege und Moleküle aufzeigen [30,31,32]. Die Verwendung naiver, gesunder Tiere in einem solchen Ansatz begrenzt häufige Verwirrungen, die bekanntermaßen mit aktuellen Depressionsmodellen verbunden sind [33].

Wir berichten über eine umfassende Multi-Omics-Karte der molekularen Wirkungen von Fluoxetin auf das Gehirn von Ratten, einem weit verbreiteten Modell menschlicher Depression und antidepressiver Reaktion [34,35,36]. Wir haben die Genexpression (Bulk-RNA-Seq, 210 Datensätze) und den Chromatinzustand (Bulk-Chromatin-Immunpräzipitationssequenzierung (ChIP-seq) für den Histonmarker H3K27ac, 100 Datensätze) in einem breiten, unvoreingenommenen Panel von 27 Gehirnregionen im gesamten Gehirn von Nagetieren untersucht , bei naiven und mit Fluoxetin behandelten Tieren. Wir haben diesen Ansatz durch eine Einzelzell-RNA-seq-Analyse (scRNA-seq) von zwei der Hauptzonen der neuronalen Proliferation im erwachsenen Gehirn ergänzt: dem dorsalen und ventralen Gyri dentatus des Hippocampus (37). Mithilfe verschiedener integrativer Datenanalysetechniken und Vergleichen mit humangenomweiten Assoziationsstudien (GWAS) und dem Psychiatric Disorders and Genes Association NETwork (PsyGeNET) haben wir die komplexen und vielschichtigen Wirkungen von Fluoxetin auf regionsspezifische und zelltypspezifische Gene charakterisiert Regulierungsnetzwerke und -pfade. Bemerkenswerterweise beobachteten wir tiefgreifende molekulare Veränderungen im gesamten Gehirn (> 4000 unterschiedlich exprimierte Gene und jeweils unterschiedlich acetylierte ChIP-seq-Peaks), die stark von der Region abhängig waren, wobei Raphe, Nucleus accumbens, Locus coeruleus und dorsaler Hippocampus sich als die am stärksten veränderten erwiesen durch Fluoxetin. Wir beobachteten eine globale Verschiebung der Signalwege im Zusammenhang mit Histon- und Chromatinmodifikationen, Stoffwechsel und Mitochondrien, was auf eine Umgestaltung des Chromatins und eine erhöhte Energieproduktion in 24/27 Gehirnregionen nach der Verabreichung von Fluoxetin hindeutet. In Massen- und Einzelzellanalysen erwiesen sich bestimmte Oligodendrozyten- und neuronale Subtypen als die Hauptansprecher auf Fluoxetin. Wir haben auch einen steilen Gradienten der molekularen Reaktionen auf Fluoxetin entlang der dorsoventralen Achse des Hippocampus festgestellt. Diese Ergebnisse liefern die erste umfassende Karte der molekularen Wirkungen von Fluoxetin auf das Gehirn von Säugetieren und schlagen neue Richtungen für mechanistische Untersuchungen und die eventuelle Entwicklung von Therapeutika vor.

Alle Verfahren wurden gemäß den Richtlinien des Canadian Council on Animal Care mit Protokollen durchgeführt, die vom McGill University Facility Animal Care Committee genehmigt wurden. Long-Evans-Ratten wurden von Charles River (RRID:RGD_2308852) gekauft und in der Tierhaltungseinrichtung des Douglas Mental Health University Institute gezüchtet. 60 Tage alte, nicht charakterisierte männliche Ratten wurden paarweise gehalten und in Kontrollgruppe (Scheingruppe) und mit Fluoxetin behandelte Gruppe (FT) getrennt. Fluoxetin (18 mg/kg/Tag) wurde ad libitum im Trinkwasser verabreicht und bildete die Behandlungsgruppe, während Ratten in der Scheingruppe nur Wasser erhielten. Einzelheiten zu Materialien, Umgang mit Tieren und Verhaltensbeurteilungen finden Sie unter „Ergänzende Methoden“.

Gefrorene, gepoolte Hirngewebestanzen für jede Region wurden zur RNA-Extraktion und anschließenden cDNA-Synthese verarbeitet (ergänzende Methoden, n = 4 gepoolte Replikate von 40 Tieren pro Behandlungsgruppe). cDNA-Bibliotheken wurden unter Verwendung von 300 ng Gesamt-RNA aus 27 Regionen in jedem Replikat erstellt. Multiplexierte RNA-seq-Bibliotheken wurden als Paired-End-Lesevorgänge mit 76 bp auf Illumina HiSeq 2500 v4 sequenziert. Die Qualitätskontrolle und alle nachgelagerten Datenanalyse-Pipelines werden in den ergänzenden Methoden detailliert beschrieben.

Für jeden ChIP-seq-Assay wurden ca. 5–25 mg gefrorenes Hirngewebe pro Replikat und Region für den Pulldown-Assay verarbeitet (n = 2 Replikate, gepoolt von 20 Tieren pro Behandlungsgruppe). ChIP und die anschließende Bibliotheksvorbereitung wurden wie in den ergänzenden Methoden sowie hier beschrieben durchgeführt (38). Protein-DNA-Komplexe wurden unter Verwendung von 3 µg H3K27ac-Antikörper derselben Charge Nr. immunpräzipitiert. für alle 108 (27 Regionen × 2 Replikate × 2 Behandlungsgruppen) ChIP-Experimente. Multiplexierte ChIP-seq-Bibliotheken wurden als Paired-End-Lesevorgänge mit 76 bp auf Illumina HiSeq 2500 v4 sequenziert. Die Qualitätskontrolle und alle nachgelagerten Datenanalyse-Pipelines werden in den ergänzenden Methoden detailliert beschrieben.

dorDG- und venDG-Gewebe wurden aus frischen Gehirnen der beiden Behandlungsgruppen gestanzt (n = 5 Replikate, gepoolt von 15 Tieren pro Behandlungsgruppe). Einzelzell-Gelemulsionen und ihre cDNA wurden gemäß den Empfehlungen des Herstellers für das 10x Genomics Chromium Einzelzellen-3'-Reagenzienkit v2 isoliert. Einzelzellbibliotheken wurden auf dem Illumina HiSeq 4000 sequenziert. Die Qualitätskontrolle und alle nachgeschalteten Datenanalyse-Pipelines werden in den ergänzenden Methoden vorgestellt.

Um die Auswirkungen von Fluoxetin auf das Verhalten zu bestätigen, behandelten wir unbehandelte Ratten 6 Wochen lang entweder mit Vehikel oder Fluoxetin und testeten die Verhaltensverzweiflung mithilfe des Zwangsschwimmtests (Abb. 1a) [39]. Tiere, die 6 Wochen lang eine chronische Fluoxetin-Behandlung erhielten, zeigten im Vergleich zu Kontrolltieren eine signifikante Verlängerung der Schwimmzeit und eine entsprechende Verringerung der Immobilität (P-Wert <0, 05, Abb. 1b, Ergänzungstabelle TS1). Somit konnte unsere Fluoxetin-Behandlung naiver Tiere erfolgreich die bekannte Verringerung der durch Antidepressiva hervorgerufenen Verhaltensverzweiflung reproduzieren [39].

a Schematischer Überblick über Datengenerierung und Arbeitsablauf. b Zwangsschwimmtest nach chronischer Fluoxetin-Behandlung bei erwachsenen Ratten. Die Zeit, die mit Schwimmen und Immobilität verbracht wurde, wird für Gruppen mit Schein- und Fluoxetinbehandlung angezeigt. * zeigt einen P-Wert < 0,05 an. c RNA-seq-Datensatz QC: Hauptkomponentenanalyse (PCA)-Visualisierung von acht Proben der Raphe-Region. Scheinreplikate sind in Blau und FT in Rot gefärbt. d Statistik des RNA-seq-Datensatzes: Anzahl der hochregulierten und herunterregulierten DEGs in 27 Gehirnregionen (und Anzahl in jeder Kategorie, die zwischen den Regionen geteilt wird). Die Namen der Gehirnregionen finden Sie in den Ergänzungstabellen TS1a. e Oben: Tabelle mit DEGs, die in ≥15 Regionen gemeinsam genutzt werden, zusammen mit dem maximalen log2FC und dem entsprechenden FDR. Unten: Tabelle mit den stärksten hochregulierten und herunterregulierten regionalspezifischen DEGs. f Regionale Variation der Fluoxetin-DEGs, gemessen mit RNAscope. Für jedes Gen bezeichnen Pfeile Regionen mit signifikanter unterschiedlicher Expression zwischen FT und Sham, die mit den Ergebnissen der Massen-RNA-Sequenz übereinstimmen. g Kreisförmige Wärmekarte, die die Faltenanreicherung identifizierter regionaler DEGs in GWAS-Loci für fünf Phänotypen zeigt. * zeigt FDR Q-val ≤ 0,05 an; ** FDR Q-Wert ≤ 0,01. h Differenzierter Expressionsstatus wichtiger Neurotransmissionsgene identifiziert. Graue Kästchen kennzeichnen frühere in der Literatur berichtete Ergebnisse (siehe Ergänzungstabellen TS6).

Um die genomweite transkriptomische Reaktion auf Fluoxetin umfassend zu charakterisieren, verwendeten wir als nächstes Bulk-RNA-Seq, um vier behandelte (FT) und vier Kontrollproben (Sham) aus jeder der 27 Regionen zu profilieren, die das gesamte Rattenhirn abdecken (27*8 = 216). Transkriptome; Abb. 1a, Ergänzungstabelle TS1). Um die Auswirkungen der biologischen Variation zwischen Tieren innerhalb der Behandlungsgruppen zu reduzieren, wurde jede Probe von zehn Tieren gepoolt (40 in Sham, 40 in FT; insgesamt 80 Tiere). Es wurde festgestellt, dass die meisten Datensätze von hoher Qualität waren; Bei der Qualitätskontrolle (QC, ergänzende Methoden) wurden nur sechs RNA-seq-Profile verworfen. Wie erwartet bildeten die gemittelten Transkriptome der 27 Gehirnregionen aufgrund der anatomischen Nähe unterschiedliche Cluster (ergänzende Abbildung S1a). Beispielsweise gruppierten sich kortikale Regionen mit den Unterstrukturen des Striatums und des Hippocampus und waren relativ weit von den Thalamus- und Schwanzkernen entfernt. Somit stimmten die Daten mit den erwarteten anatomischen Beziehungen im Gehirn überein.

Innerhalb jeder Gehirnregion unterschieden sich die Transkriptome der behandelten und unbehandelten Proben deutlich, was auf starke und weit verbreitete Veränderungen der Genexpression als Reaktion auf Fluoxetin hinweist (Abb. 1c, d, ergänzende Abb. S1b, ergänzende Tabelle TS2). Bemerkenswerterweise wurden bis zu 4447 Transkripte durch die Behandlung mit Antidepressiva in mindestens einer Gehirnregion verändert (absolute log2-fache Änderung (log2FC) ≥ log2 (1,25), Falscherkennungsrate (FDR) Q-Val ≤ 0,1). Die mittlere Anzahl differentiell exprimierter Gene (DEGs) in jeder einzelnen Gehirnregion betrug 311 (Abb. 1d, Ergänzungstabelle TS2). Diese Statistiken deuten darauf hin, dass Fluoxetin starke Auswirkungen auf die Genexpression hat, die je nach Gehirnregion erheblich variieren.

Die Gehirnregion, in der das Transkriptom am stärksten durch die Behandlung mit Fluoxetin beeinflusst wurde, war die Raphe (1243 Grad, Abb. 1d, Ergänzungstabelle TS3). Die nächsten vier Gehirnregionen waren in absteigender Reihenfolge die Schale des Nucleus accumbens (NAcSh) und der Kern (NAcC), der Nucleus arcuatus (Arc) und der Locus coeruleus (LC). Bemerkenswert ist, dass alle fünf durch diese unvoreingenommene molekulare Analyse hervorgehobenen Gehirnregionen wichtige monoaminerge Zentren sind [40, 41]. Somit unterstützt unsere transkriptomische Analyse die zentrale Bedeutung der monoaminergen Signalübertragung für die Fluoxetin-Reaktion, einschließlich Gehirnregionen wie LC (42) und Arc (43), die bisher in Omics-Studien zur Fluoxetin-Reaktion nicht charakterisiert wurden (Abb. 1d).

Wir stellten die Hypothese auf, dass einige DEGs aufgrund der gemeinsamen Nutzung von Zellsubtypen und neuronalen Schaltkreisen mit großer Reichweite in verschiedenen Gehirnregionen gemeinsam genutzt werden könnten. Tatsächlich fanden wir heraus, dass 47 % der DEGs spezifisch für eine einzelne Gehirnregion waren, 33 % jedoch in drei oder mehr Regionen verändert waren (Abb. 1e, Ergänzungstabelle TS4a). Interessanterweise trägt Otub1, das am weitesten hochregulierte Gen (23/27 Regionen), zur Neurogenese bei und steigert die Proteinsynthese und den Zellstoffwechsel [44, 45]. Trim28 (KAP1), ein epigenetisches Co-Repressor-Gen, das in 19 Gehirnregionen hochreguliert ist, weist einen Knockout-Phänotyp erhöhter Angst auf [46]. Somit sind zwei der drei am weitesten verbreiteten DEGs funktionell mit den typischen therapeutischen Wirkungen der Fluoxetin-Behandlung verbunden. Bemerkenswerterweise tragen unter den am stärksten herunterregulierten Genen vier der fünf am häufigsten annotierten Transkripte zur Synthese, Verpackung oder Freisetzung von Neurotransmittern bei: Mat2a (47), Napb (48), Cds2 (49) und Gabrg2 (50) (Abb. 1e). Ihre Herunterregulierung könnte möglicherweise die Serotoninfreisetzung an Synapsen als Teil einer homöostatischen negativen Rückkopplungsschleife dämpfen [51, 52] und die durch die medikamentöse Behandlung verursachte Störung ausgleichen.

Auf Fluoxetin reagierende Gene mit der stärksten regionsspezifischen Hochregulierung waren Npvf (log2FC:4,1, mPoA), ein Neuropeptid-Gen im hypothalamischen Schaltkreis, das Schmerzen, Schlaf und Appetit reguliert [53], und Pde6h (log2FC:3,7, Raphe), eine Phosphodiesterase Gen, das die Lichtempfindlichkeit und die Schmerzwahrnehmung reguliert [54]. Slc6a3 (log2FC:-4,8, Arc), das Dopamin-Wiederaufnahmetransporter-Gen [55], und Kcnk9 (log2FC:-3,8, mPoA), ein Kaliumkanal-Gen, das an der Schlafregulation beteiligt ist [56], zeigten die stärkste regionsspezifische Herunterregulierung in Reaktion auf Fluoxetin. Somit sind die am stärksten veränderten Gene neben der Monoamin-Signalisierung auch an der Schmerzwahrnehmung und Schlafregulation beteiligt, zwei bekannten Zielen von Fluoxetin [7]. Tatsächlich werden SSRIs bei chronischen Schmerzen und zur Verbesserung der Schlafqualität verschrieben [57, 58]. Insgesamt zeigen die obigen Ergebnisse erhebliche Unterschiede in der molekularen Reaktion auf Fluoxetin in verschiedenen Hirnregionen und liefern neue mechanistische Hypothesen für die bekannten therapeutischen und unerwünschten Wirkungen von Fluoxetin (Abb. 1e, Ergänzungstabelle TS4b und Ergänzungstabelle S2).

Um die Zuverlässigkeit unserer Expressionsanalyse zu bewerten, haben wir 96 erstklassige DEGs aus sechs Gehirnregionen (8 hoch- und 8 herunterregulierte Gene pro Region, ergänzende Methoden) zur unabhängigen Validierung mit dem Fluidigm Biomark qPCR-Assay priorisiert. Wir quantifizierten die Expression der 96 Gene in den entsprechenden Gehirnregionen und beobachteten, dass Änderungen der Expressionsfalte im qPCR-Assay mit dem Status „Up“ und „Down“ im RNA-seq-Datensatz übereinstimmten (ergänzende Abbildung S3a). Um unsere Ergebnisse weiter zu untermauern, führten wir Einzelmolekül-RNA-FISH (RNAscope) an Gehirnschnitten von schein- und mit Fluoxetin behandelten Tieren durch. Für diese Analyse haben wir den oben genannten Otub1- und Trim28-Genen sowie Sirt2, einem DEG, das möglicherweise eine Rolle bei depressivem Verhalten und der Modulation von Chromatin durch SSRIs spielt, Priorität eingeräumt [59]. Alle drei Gene zeigten erhebliche regionsspezifische Veränderungen in der Expression, die mit ihrem jeweiligen Bulk-RNA-Seq-Status übereinstimmten (Abb. 1f, ergänzende Abb. S3b – e). Somit unterstützen diese unabhängigen Tests die Robustheit unseres DEG-Sets.

Um die Relevanz für klinische Phänotypen beim Menschen zu beurteilen, fragten wir, ob sich die in unseren Daten identifizierten DEGs mit den von GWAS identifizierten überschneiden. Wir untersuchten GWAS-Gensätze und zusammenfassende Statistiken für fünf Phänotypen: SSRI-Reaktion, breite Antidepressivum-Reaktion, MDD, Alzheimer und Alkoholismus (ergänzende Methoden). In sieben Gehirnregionen fanden wir eine hochsignifikante Überlappung (FDR Q-val ≤ 5e-5) zwischen unseren DEGs und denen, die mit der SSRI-/Antidepressivum-Reaktion assoziiert sind. Bemerkenswert ist, dass sechs dieser sieben Regionen in Bezug auf die Anzahl der DEGs über dem Median lagen, darunter zwei monoaminerge verwandte Zentren (Raphe und NAcC, Abb. 1g). Die Identifizierung des Raphe als stark angereicherte Region steht im Einklang mit Berichten über SSRI-Effekte auf die Htr1a-Autorezeptorregulation in dieser Region [60]. In Übereinstimmung mit der Vorstellung, dass Antidepressiva auf molekulare Prozesse abzielen, die bei Depressionen gestört sind [61], zeigten DEGs in vier der oben genannten sechs Regionen (Raphe, NAcC, LH und MS) ebenfalls eine hochsignifikante Überlappung mit MDD-Genen. Interessanterweise waren DEGs in drei der vier Gehirnregionen mit Alzheimer-assoziierten Genen angereichert. Dieses Ergebnis ist möglicherweise auf den genetischen Zusammenhang zwischen Alzheimer und Depression zurückzuführen [62] und steht im Einklang mit der Verwendung von Fluoxetin zur Behandlung von Alzheimer [63]. Schließlich zeigten zwei Regionen (Raphe und NAcC) eine signifikante Überlappung zwischen DEGs und Genen, die mit Alkoholismus assoziiert sind, der häufig mit MDD komorbid ist (64) (Abb. 1g, Ergänzungstabelle TS5). Um Überschneidungen mit neuropsychiatrischen Gensätzen außerhalb von GWAS zu erfassen, führten wir außerdem Anreicherungsanalysen mithilfe der PsyGeNET-Datenbank (Supplementary Methods) durch. Wir beobachteten eine signifikante Anreicherung zwischen unseren DEGs und kuratierten Gensätzen im Zusammenhang mit depressiven Phänotypen, bipolarer Störung, Schizophrenie und Kokain (min. FDR-Q-Wert: 0,0027, Ergänzungstabelle TS5, Ergänzungsabbildung S5a). Interessanterweise sind einige der überlappenden Gene bekannte Ziele von Medikamenten, die bei der Behandlung psychiatrischer Störungen eingesetzt werden (siehe Diskussion). Insgesamt deuten diese Ergebnisse auf eine starke Übereinstimmung zwischen unseren DEG-Sets und Genen hin, die mit Depressionen beim Menschen, dem Ansprechen auf die Behandlung und der therapeutischen Relevanz bei psychiatrischen Störungen zusammenhängen.

Als nächstes untersuchten wir die Überlappung der Genexpressionsänderungen zwischen unseren Daten von naiven Ratten und Antidepressivum-Reaktionsstudien an gestressten Mäusen (65, 66) (Ergänzende Abbildung S6, Ergänzende Methoden). Transkriptionsveränderungen, die mit einer wirksamen Verhaltensreaktion auf Fluoxetin bei gestressten Mäusen verbunden sind (FT-Responder bei gestressten Mäusen (Corticosteron + FT); [66]), zeigten eine signifikante Überlappung mit der naiven Fluoxetin-Reaktion, mit einer stärkeren Übereinstimmung (max(–log10p-Wert)) = 18,3) unter den herunterregulierten Genen im Hippocampus (Ergänzende Abb. S6a). Dieser Befund deutet auf eine Ähnlichkeit der SSRI-Reaktion sowohl bei naiven als auch bei gestressten Tieren hin. Um den Einfluss eines anderen Stressmodells und einer Nicht-SSRI-Behandlung zu bewerten, führten wir als Nächstes eine Überlappungsanalyse mit Genexpressionsänderungen durch, die mit Respondern auf das trizyklische Antidepressivum Imipramin verbunden sind (65). Wir beobachteten erneut eine starke Übereinstimmung der Genexpressionsänderungen in 6/7 untersuchten Gehirnregionen, insbesondere in der Amygdala (BLA, CMA; max (–log10p-Wert) = 52,6) und dem Nucleus accumbens (NAcC, NAcSh; max (–log10p). -Wert) = 54,6) (Ergänzende Abbildung S6b), was auf gemeinsame Genregulationsmechanismen zwischen Fluoxetin und Imipramin hinweist. Schließlich verglichen wir die unterschiedliche Expression in unseren Daten mit Fluoxetin-induzierten Veränderungen im venDG der Maus nach chronischem variablen Stress (Anacker et al., unveröffentlicht). Wir beobachteten erneut eine signifikante Überlappung sowohl innerhalb der hoch- als auch herunterregulierten Gene (maximal (–log10p-Wert) = 12,4) in allen Datensätzen (ergänzende Abbildung S6c). Zusammengenommen deuten die Analysen darauf hin, dass sich die Genexpressionsveränderungen bei mit Fluoxetin behandelten naiven Ratten in mehreren Paradigmen gestresster Nagetiere erheblich mit der Behandlung mit Antidepressiva überschneiden.

Abschließend untersuchten wir die Übereinstimmung zwischen zuvor berichteten Wirkungen von SSRIs auf Serotoninrezeptoren und unseren Datensätzen. Es ist bekannt, dass Fluoxetin und andere SSRIs im Hippocampus und im Raphe die Expression des Htr1a-Rezeptors und die Serotoninbindung verringern. Darüber hinaus kehrt die Htr1a-Blockade depressives Verhalten bei Mäusen um [60, 67, 68]. In Übereinstimmung damit beobachteten wir eine signifikante Verringerung der Htr1a-Expression in Raphe und dorDG (Abb. 1h). In ähnlicher Weise haben wir die zuvor berichtete SSRI-induzierte Herunterregulierung von Htr2c in NAcC rekapituliert [69,70,71] (Abb. 1h). Bei der Untersuchung einer breiteren Gruppe von Signalrezeptoren stellen wir fest, dass Fluoxetin die Rezeptorexpression in einer Vielzahl von Gehirnregionen, die zuvor keiner unvoreingenommenen Transkriptomprofilierung unterzogen wurden, erheblich moduliert. Dazu gehören eine umfassende Herunterregulierung der GABA-Rezeptor-Untereinheiten Gabrb2 und Gabrg2 in> 10 Regionen und eine Hochregulierung der NMDA-Rezeptor-Untereinheit Grin2c in 7 Regionen sowie Grm3 und Chrm1 in 3 Regionen (Abb. 1h, ergänzende Abb. S4a). Wir haben auch zahlreiche regionsspezifische Veränderungen in der Expression von Wnt-Notch- (Fzd6, Megf8, Lrp5), purinergen (Adora2a, P2ry1), Kernhormon- (Nr2c1, Nr4a2) und Transmembranproteinkinase- (Bmpr1a, Ntrk2) Signalrezeptoren festgestellt sowie ihre nachgeschalteten gelösten Träger (Slc6a11, Slc7a10) und Metabolitenregulatoren (Apoe, Cds2) (Abb. 1h, ergänzende Abb. S4b, ergänzende Tabelle TS6). Diese Ergebnisse verdeutlichen die Vielfalt der Wirkungen von Fluoxetin und heben neue, auf Fluoxetin reagierende Rezeptorkategorien für weitere Untersuchungen hervor.

Wir fragten, ob Fluoxetin-induzierte DEGs in den 27 Gehirnregionen bestimmten Zelltypen zugeordnet werden könnten. Um dies zu beheben, haben wir die Anreicherung von DEGs in Zelltypmarkern getestet, die aus der BRETIGEA-Datenbank (72) (Supplementary Methods) stammen. In mehreren Gehirnregionen waren hochregulierte DEGs signifikant hinsichtlich Oligodendrozyten- (6 Regionen), neuronaler (5 Regionen) und mikroglialer (3 Regionen) Marker angereichert. Herunterregulierte DEGs waren überwiegend mit neuronalen (17 Regionen) und Oligodendrozyten- (12 Regionen) Markern angereichert (Ergänzungsabbildung S5b, Ergänzungstabelle TS7). Zusammengenommen erweitern diese Ergebnisse frühere Low-Throughput-Studien, die auf Oligodendrozyten- und neuronale Veränderungen bei Depressionen und der Reaktion auf Antidepressiva schließen ließen [73]

MDD- und Nagetier-Stressmodelle berichten über eine Fehlregulation von Oligodendrozyten-spezifischen Genen, einschließlich derjenigen, die mit Myelin in Zusammenhang stehen, im gesamten NAc [74, 75]. Allerdings handelt es sich bei NAcC und NAcSh um funktionell unterschiedliche Unterregionen mit unterschiedlichen Rollen bei der Regulierung von Depression und Sucht (76, 77). Tatsächlich beobachteten wir in diesen Subregionen deutliche Fluoxetin-Reaktionen. Hochregulierte DEGs in NAcC waren stark mit Oligodendrozyten assoziiert (FDR-Q-Wert: 1,5e-20), wohingegen diejenigen in NAcSh mit neuronalen Markern angereichert waren (FDR-Q-Wert: 6,6e-6) (Ergänzungsabbildung S5b, Ergänzungstabelle TS7). ). Unsere Ergebnisse legen daher nahe, dass Fluoxetin unterschiedliche Zelltypen in diesen beiden Komponenten des NAc beeinflussen kann.

Als nächstes fragten wir, ob Fluoxetin-induzierte DEGs molekulare Signalwege aufklären könnten, die durch das Medikament moduliert werden. Um die globale Beziehung zwischen DEGs zu bestimmen, verwendeten wir k-Means-Clustering aller 4.447 DEGs, um co-regulierte Genmodule zu identifizieren (Abb. 2a). Für jedes Modul haben wir angereicherte Funktionskategorien mithilfe von anRichment (FDR Q-val ≤ 0,05, ergänzende Methoden) und GOrilla (FDR Q-val ≤ 0,05, Anreicherungsverhältnis ≥ 1,5, ergänzende Methoden) ermittelt. Wir verwendeten eine Gen-Set-Anreicherungsanalyse (GSEA, Supplementary Methods) für GO-Kategorien, die funktionell mit den k-Mean-Modulen in Zusammenhang stehen (Abb. 2b). Schließlich haben wir die oben genannten modulzentrierten Analysen durch die Verwendung der Ingenuity Pathway Analysis (IPA) ergänzt, um Pfade zu identifizieren, die mit regionalen DEGs angereichert sind (Abb. 2c, Ergänzungstabelle TS9, Ergänzungsmethoden).

ein k-Mittel-Clustering der Vereinigungsmenge der regionalen DEGs. Für jedes koregulierte Genmodul werden die wichtigsten Begriffe der Genontologie angezeigt. b GSEA-Anreicherungsverhältnisse von hochregulierten (grüne Blase) und herunterregulierten (gelbe Blase) DEG-Sätzen mit ihrer entsprechenden funktionellen Aktivität (normalisierter Anreicherungsscore, NES) gemäß der GO-Datenbank. Die angegebene Kreisgröße ist –Log10 (Q-Wert) und die Farbe zeigt NES an. c Pathway-Anreicherungsanalyse regionaler DEGs mithilfe von IPA. Im Diagramm sind Pfade dargestellt, die mindestens fünf Gene im Vordergrund-DEG-Satz hatten und einen FDR-Q-Wert < 0,01 in >3 Regionen aufwiesen. Grüne Kreise stehen für einen positiven Z-Score (Signalwegaktivierung), rote Kreise für einen negativen Z-Score (Signalweghemmung) und weiße Kreise für einen neutralen Score. Rote Pfeile zeigen stark veränderte Pfade im Zusammenhang mit dem Energiestoffwechsel an, während braune Pfeile Pfade im Zusammenhang mit Chromatinmodifikationen anzeigen.

Bemerkenswerterweise beobachteten wir, dass zwei DEG-Module (Modul 3 und 8) in fast allen 27 Gehirnregionen hochreguliert waren (Abb. 2a). Modul 3 wurde für Gene mit mitochondrialen Funktionen (GO:0005739, FDR Q-val:1.4e-6) wie Elektronentransportkomplex-Untereinheiten (ETC) (Ndufb4, Ndufa7, Uqcrq, Atp5f1, Sdhb) sowie der inneren und äußeren Mitochondrienmembran angereichert Gene (Tomm6, Timm17a), mitochondriale Matrixkomponenten (Mdh2, Mrp15, Mrps7) und Transport-Chaperone (Sirt1, Dnajc3, Dnajc19) (Abb. 2a, Ergänzungstabelle TS8a, c). Dementsprechend zeigte die GSEA-Analyse eine Anreicherung von Gensätzen, die die ETC IV-Aktivität und den Import mitochondrialer Proteine ​​modulieren (Abb. 2b, Ergänzungstabelle TS8b, c). Parallel dazu hob IPA hervor, dass Signalwege im Zusammenhang mit der Mitochondrienfunktion in den meisten Gehirnregionen systematisch verändert sind (rote Pfeile, Abb. 2c). Insbesondere der oxidative Phosphorylierungsweg (Oxphos) war in 19/27 Regionen deutlich hochreguliert, was auf einen weit verbreiteten Anstieg der Energieproduktion bei der Verabreichung von Fluoxetin hindeutet. Durch Antidepressiva induzierte höhere Energieniveaus regulieren die mTOR-Signalübertragung positiv [78]. In Übereinstimmung damit beobachteten wir eine Hochregulierung der mTOR-Signalübertragung in mehr als 15 Regionen. Eine erhöhte Energieproduktion führt häufig zu Zellschäden durch oxidativen Stress. Dementsprechend leitete IPA einen signifikanten Anstieg der Reaktion auf oxidativen Stress in allen Hirnregionen ab (Abb. 2c, Ergänzungstabelle TS9, P-Wert ≤ 3,6e-4 in 12/27 Regionen). Genmodul- und regionale DEG-Analysen deuten daher durchweg auf einen nahezu globalen Anstieg der Energieproduktion und der damit verbundenen antioxidativen Abwehrkräfte als eine der hervorstechendsten molekularen Wirkungen der Fluoxetin-Verabreichung hin. Wichtig ist, dass diese Effekte darauf ausgerichtet zu sein scheinen, der Herunterregulierung von Oxphos-Genen entgegenzuwirken, über die zuvor bei MDD berichtet wurde (Atp5j2, Atp5i, Ndufb4, Ndufa5, Mt-atp8) und dem bekannten ATP-Abbau im MDD-Gehirn (79, 80).

Der zweite co-regulierte Gencluster, der eine globale Hochregulierung über alle Gehirnregionen hinweg aufwies, war Modul 8 (Abb. 2a). 14/195 DEGs in diesem Modul sind Transkriptionsfaktoren (MSigDB). GSEA zeigte, dass hochregulierte Gene hinsichtlich ihrer Rolle bei der kovalenten Chromatinmodifikation (Setdb1, Auts2, Ctcf, Hdac2/5/8/9, Hist1h1d), der Histon- und DNA-Methylierung (Jmjd6, Kdm4a) und der Deubiquitinierung (Usp22, Kat2a) signifikant angereichert waren (Abb . 2b, Ergänzungstabelle TS8b). Interessanterweise war der LC eine bemerkenswerte Ausnahme vom oben genannten Trend, da er eine Herunterregulierung von Genen aus denselben Funktionskategorien zeigte (siehe Diskussion). IPA hob auch Fluoxetin-induzierte Chromatinveränderungen über den Sirtuin-Signalweg hervor (Abb. 2c), der bekanntermaßen vom Energiestoffwechsel abhängt und die Transkriptionsaktivität durch Deacetylierung von Histonen, Transkriptionsfaktoren und Cofaktoren unterdrückt. Die Sirtuin-Signalübertragung war in den meisten Regionen unterschiedlich verändert (18/27) und in den meisten davon (13/18) deutlich unterdrückt. Zusammengenommen legen unsere Ergebnisse nahe, dass Fluoxetin die Chromatinorganisation global beeinflusst, indem es mehrere Gene hochreguliert, die an der Methylierung, Acetylierung und Deubiquitinierung von Histonen beteiligt sind.

Schließlich beobachteten wir zwei global herunterregulierte DEG-Module (Modul 1 und 2, Abb. 2b), die mit Membrankomponenten (FDR-Q-Wert: 1,36e-4), einschließlich Ionenkanälen (Kcnj10, Kcna2, Cacna1i) und Membran, angereichert waren -gebundene Rezeptoren (Calcrl, Erbb3, Nr3c2, Lrrtm2), Transporter gelöster Stoffe (Slc6a11, Slc6a7) und Neuromodulatoren (Adcy1, Slitrk2, Gabrg2, Epha6, Notch2). Es wurde gezeigt, dass die Hemmung einer Reihe dieser Gene therapeutische Wirkungen auf Depressionen, Angstzustände und andere ZNS-Störungen hat [81]. Die IPA-Analyse regionaler DEGs zeigte eine hirnregionspezifische Modulation der Opioid-, Hippo-, Ephrin- und Dopamin-Signalisierung auf (Abb. 2c), was auf mögliche molekulare Mechanismen für diese bekannten antidepressiven und anxiolytischen Wirkungen von SSRIs schließen lässt [82].

Zusammenfassend deuten unsere Bulk-RNA-seq-Ergebnisse darauf hin, dass die chronische Verabreichung von Fluoxetin tiefgreifende und komplexe Veränderungen der Genexpression im gesamten Gehirn auslöst. Dazu gehören schwerwiegende Veränderungen in Oligodendrozyten- und Neuronen-spezifischen Genen sowie in Genen, die an der Energieproduktion, Chromatinmodifikation und verschiedenen Signalwegen über Serotonin hinaus beteiligt sind.

MDD ist durch eine verminderte Histonacetylierung im Hippocampus und PFC gekennzeichnet [31]. Konsequenterweise zeigen Histon-Deacetylase-Inhibitoren, die den globalen Histon-Acetylierungsgrad erhöhen, eine starke antidepressivumähnliche Aktivität [83]. Zur Ergänzung unserer multiregionalen Transkriptomkarte verwendeten wir ChIP-seq, um genomweite Fluoxetin-induzierte Histonacetylierungsänderungen in jeder der 27 Gehirnregionen zu profilieren. In dieser Analyse haben wir H3K27ac ins Visier genommen, die am besten untersuchte Acetylierungssignatur aktiver regulatorischer Elemente wie Enhancer und Promotoren [84]. Wir haben DFilter (Supplementary Methods) verwendet, um einen Konsenssatz von 48.006 H3K27ac-ChIP-seq-Peaks in den 27 Regionen aufzurufen – diese Peaks stellen potenzielle Genregulationselemente dar. Beruhigenderweise basierten die durchschnittlichen Chromatinprofile der 27 Gehirnregionen, wie im Fall von RNA-seq, hauptsächlich auf der anatomischen Nähe (ergänzende Abbildung S7a). Die Profile behandelter und unbehandelter Proben unterschieden sich jedoch deutlich (ergänzende Abbildung S7b). Bemerkenswerterweise zeigten 4511 Peaks innerhalb des Konsenssatzes eine signifikante unterschiedliche Acetylierung zwischen schein- und mit Fluoxetin behandelten Tieren in mindestens einer Gehirnregion (abs log2FC ≥ log2 (1,25), FDR Q-val ≤ 0,1, Ergänzungstabelle TS10, ergänzende Methoden), was darauf hinweist starke Chromatinmodulation durch Fluoxetin.

Unter den 27 Regionen zeigten dorDG, PLC, Raphe, NAcSh, MS und LC die auffälligste unterschiedliche Acetylierung zwischen mit Fluoxetin behandelten Gruppen und Kontrollgruppen (Abb. 3a, Ergänzungstabelle TS11). Wichtig ist, dass Raphe, NAcSh und LC zu den sechs Hirnregionen mit dem höchsten Rang für unterschiedlich acetylierte Peaks sowie DEGs gehörten (Abb. 1d), was darauf hindeutet, dass dies die am stärksten auf Fluoxetin reagierenden Regionen waren. Von den sechs oben aufgeführten Gehirnregionen zeigten dorDG und LC die größte Korrelation im Fold-Change zwischen DEGs und ihren entsprechenden differentiell acetylierten Promotorpeaks (R = 0,59 bzw. 0,55; Korrelation P-val < 0,01 für beide, Abb. 3b). . Wie in mehreren früheren Studien festgestellt, wird die Korrelation zwischen unterschiedlicher Acetylierung und Expression durch mehrere Faktoren verringert, darunter posttranskriptionelle Regulation, DNA-Methylierung, Vorhandensein von balancierten Promotoren und Messrauschen (38, 85). Tatsächlich wiesen sieben der 14 nach Differenzialspitzen geordneten Regionen mit der höchsten Korrelation höhere Korrelationen auf, während die anderen sieben Gehirnregionen eine geringere Korrelation aufwiesen (P-Wert > 0,05; Abb. 3b, Ergänzungstabelle TS12).

a Statistik des ChIP-seq-Datensatzes: Anzahl signifikanter differentiell acetylierter (DA) Peaks im Konsenssatz (FDR Q-val ≤ 0,1). Gehirnregionen werden nach der Anzahl der DA-Peaks geordnet. b Spearman-Korrelationen von DEG-Log2-Faltungsänderungen und den zugehörigen Promotor-DA-Peak-Log2-Faltungsänderungen in den oberen 6 Gehirnregionen (geordnet nach Anzahl der DA-Peaks). Die Intensität des Grüns weist auf einen höheren Korrelationswert hin, wie in der Maßstabsleiste dargestellt, **: Korrelations-P-Wert ≤ 0,01, *: P-Wert ≤ 0,05. c GROSSE Anreicherung der regionalen DA-Peaks für IPA-Signalwege in den oberen 6 Hirnregionen wie in b. Magentafarbene Kästchen zeigen Pfadbegriffe an, die auch im entsprechenden regionalen DEG-Satz angereichert wurden. Die Punktgröße gibt den FDR-Q-Wert an und die Farbe bezeichnet die Anreicherung. d Funktionelle Annotation der acht DA-koregulierten Gencluster: Top-angereicherte Pfade, angereicherte Zelltypen und HOMER-Transkriptionsfaktormotive jedes Clusters werden aufgelistet (FDR Q-val ≤ 0,1).

Um die funktionelle Korrelation zwischen unterschiedlich acetylierten Peaks und DEGs zu untersuchen, haben wir den GREAT-Algorithmus auf IPA-Gensätze angewendet, die mit auf Fluoxetin reagierenden DEGs assoziiert sind (Abb. 3c, ergänzende Methoden). Differenziell acetylierte Peaks in den oberen sechs Regionen wurden für zelluläre Funktionen wie Proteinstoffwechsel (eIF2-Signalisierung, eIF4-Signalisierung, Ubiquitinierung), Energieproduktion (mitochondriale Dysfunktion, oxidative Phosphorylierung, mTOR-Signalisierung) und Modulation neuronaler Signalisierung (Rho-, Opioid-Signalisierung) angereichert. , Ceramid- und Dopamin-Signalwege). Eine beträchtliche Anzahl von IPA-Annotationen im Zusammenhang mit DEGs war auch mit Genen in der Nähe unterschiedlich acetylierter Peaks verbunden (magentafarbene Kästchen, Abb. 3c, ergänzende Methoden). Beispielsweise wurden in dorDG mehrere Wege, die mit herunterregulierten, unterschiedlich acetylierten Peaks angereichert waren, auch in der RNA-Sequenz als unterdrückt identifiziert und umgekehrt (magentafarbene Kästchen, Abb. 3c). Diese Trends waren auch bei hochregulierten Peaks in Raphe und NAcSh erkennbar. Diese Ergebnisse deuten auf eine starke funktionelle Konsistenz zwischen unterschiedlich acetylierten Peaks und DEGs hin.

Um differenziell acetylierte Peaks zu identifizieren und zu charakterisieren, die durch Fluoxetin auf ähnliche Weise in allen Gehirnregionen moduliert werden, verwendeten wir k-Means-Clustering, um differenziell acetylierte Peaks anhand ihrer Faltungsänderungsprofile zu gruppieren (Abb. 3d). Für jeden Cluster unterschiedlich acetylierter Peaks identifizierten wir angereicherte Funktionskategorien (GREAT, ergänzende Methoden), Transkriptionsfaktor (TF)-Bindungsmotive (HOMER, ergänzende Methoden) und zelltypspezifische Marker (BRETIGEA-Datenbank, ergänzende Methoden). Wie im Fall von DEGs beobachteten wir zwei unterschiedlich acetylierte Cluster (Cluster 1 und 7), die in >8 Gehirnregionen hochreguliert waren und signifikant für Ionenkanäle (FDR Q-Wert: 5,8e-4) und synaptische Signale (FDR Q-Wert) angereichert waren. val: 0,01) und neuronenspezifische Marker (FDR Q-val: 1,1e-14) (Abb. 3d, Ergänzungstabellen TS13,14). Wichtig ist, dass in diesem Cluster die TF-Motive von Rfx1/2, Mef2d und Atf3 angereichert wurden, die alle an Depressionen und Angstzuständen beteiligt sind (86) (Abb. 3d, Ergänzungstabellen TS15). Cluster 3, der co-regulierte, differenziell acetylierte Peaks darstellt, die global durch Fluoxetin herunterreguliert werden, wurde hinsichtlich der RNA-Polymerase-II-Transkriptions-Corepressor-Aktivität (FDR-Q-Wert: 5,8e-4) und hinsichtlich TFs, die mit Corepressor-Funktionen assoziiert sind (Grhl2, Dmrt6, Bzip), angereichert :If). Cluster 5 bestand aus unterschiedlich acetylierten Peaks, die in LC hochreguliert und in dorDG herunterreguliert waren. Dieser Cluster zeigte eine starke Anreicherung funktioneller Kategorien und Zelltypmarker, die für Oligodendrozyten spezifisch sind. Interessanterweise identifizierte HOMER die Sox-TF-Familie, von der bekannt ist, dass sie bei MDD fehlreguliert ist [87], als die am stärksten angereicherte Familie in Cluster 5.

Insgesamt deuten die obigen Ergebnisse auf eine Konsistenz zwischen unterschiedlich regulierten Pfaden hin, die aus RNA-seq und ChIP-seq abgeleitet werden, nämlich Energie- und Proteinstoffwechsel, Ionenkanäle und synaptische Übertragung. Die Analyse der Veränderungen der Histonacetylierung als Reaktion auf Fluoxetin lässt auf das Vorhandensein bestimmter Genregulationsmodule schließen, die in Neuronen und Gliazellen verändert sind, und liefert mögliche TFs, die zu diesen Veränderungen beitragen könnten.

Bisher haben wir Omics-Assays mit Massenproben verwendet, um die Fluoxetin-Reaktion in 27 Gehirnregionen zu charakterisieren. Obwohl Massentests für die Probenverarbeitung in großem Maßstab effizient sind, können sie die Heterogenität der zellulären Reaktionen innerhalb eines Gewebes nicht auflösen. Wir haben daher die oben beschriebenen Tests durch eine scRNA-seq-Analyse zweier Gehirnregionen ergänzt. In dieser Analyse haben wir der dorDG Priorität eingeräumt, die hinsichtlich der Anzahl der unterschiedlich acetylierten Peaks an erster Stelle unter den 27 Regionen und in der zusammengesetzten Rangliste basierend auf der Summe der Log-Ränge in ChIP-seq und RNA-seq an dritter Stelle stand (Ergänzungstabellen). TS12). Zum Vergleich haben wir auch das venDG einbezogen, eine Region am anderen Ende des Hippocampus, die 39 DEGs mit dorDG teilt. Beachten Sie jedoch, dass die Mehrheit der DEGs in diesen beiden Regionen unterschiedlich war (Abb. 4a). Die Relevanz dieser beiden Regionen wurde weiter durch die Tatsache gestützt, dass sie in großem Umfang an MDD und der Reaktion auf Antidepressiva beteiligt sind [88,89,90,91].

a Rank-Rank-Hypergeometrische-Überlappungskarten (RRHO) zeigen den schwellenfreien Differenzexpressionsvergleich zwischen dorsaler und ventraler DG in dieser Studie. Pixel stellen die Überlappung zwischen den Transkriptomen jedes Vergleichs dar, wobei die Signifikanz der Überlappung (–log10 (P-Wert) eines hypergeometrischen Tests) farblich gekennzeichnet ist. Die Gene entlang jeder Achse sind von der am deutlichsten hochregulierten (unten links) bis zur am stärksten herunterregulierten (oben rechts) sortiert. Das Venn-Diagramm zeigt die Überlappung signifikanter DEGs in dorDG und venDG. b Heatmap mit 12 Zelltypen, die durch Clustering von 3.517 Einzelzellen aus 5 Replikaten pro Behandlungsgruppe erhalten wurden. Es wurde ein zweistufiges Clustering mit überwachtem RCA2-Clustering und anschließendem unbeaufsichtigtem Seurat-Clustering durchgeführt. Es werden die 10 wichtigsten Marker für jeden Cluster dargestellt. c Zelltypen mit signifikanten Veränderungen im Verhältnis zwischen Sham- und FT-Gruppen in dorDG oder venDG (in beiden Regionen wird gezeigt, dass sie regionsspezifische Unterschiede hervorheben). *: Wilcoxon P-Wert ≤ 0,05. d Behandlungsspezifische DEGs (FT vs. Sham) für dorDG- und venDG-Zelltypen. Einzelne Zellen jedes Zelltyps wurden durch Replikation zu einem gemittelten Pseudo-Massen-Expressionsprofil aggregiert. Pseudo-Bulk-Expressionsprofile wurden dann zur Berechnung von DEGs verwendet (absoluter log2FC ≥ log2(1,25), FDR Q-val < 0,2). e Top-GO-Begriffe nach der Gen-Set-Anreicherungsanalyse von zelltypspezifischen Pseudo-Bulk-DEGs (FT vs. Sham). f Modul-Score-Analyse für den Gensatz für oxidative Phosphorylierung in den Zelltypen dorDG und venDG. Es werden Zelltypen mit einem signifikanten FT- vs. Sham-Modul-Score dargestellt. **** bedeutet: FDR-Q-Wert < 3e-05, ***: FDR-Q-Wert < 5e-03, **: FDR-Q-Wert < 0,05. g Links, repräsentative Bilder der CRL-2199-Glialinie, behandelt mit Vehikelkontrolle, Corticosteron (CORT), Fluoxetin (FT) und CORT + FT, gefärbt mit DAPI (blau) und MitoTracker Red (rot) und immungefärbt gegen Cytochrom c (grün) . Maßstabsbalken, 20 μm. Rechts: Quantifizierung der durchschnittlichen Fluoreszenzsignale von MitoTracker Red (oben) und Cytochrom c (unten), normalisiert auf die Vehikelkontrolle (n = ~200 Zellen pro Gruppe unter Verwendung von drei unabhängigen Experimenten; Werte für einzelne Zellen werden als offene Kreise angezeigt; Fehlerbalken bezeichnen SEM). . SEM, Standardfehler des Mittelwerts. h Messungen der Sauerstoffverbrauchsrate (OCR), normalisiert auf die Zellzahl, gemessen mit dem Fluoreszenzsignal Hoechst 33342 (Mittelwert aus 3 biologischen Replikaten ± SD, technische Replikate = 34). SD, Standardabweichung.

Wir haben Einzelzell-Genexpressionsprofile aus dorDG- und venDG-Mikrostanzen erstellt (n = 5 Replikate, jedes Replikat aus drei Tieren gepoolt). Nach einer strengen Qualitätskontrolle (ergänzende Methoden, ergänzende Abbildung S8) behielten wir 3.517 hochwertige Zellen für die weitere Analyse. Durch überwachtes und unbeaufsichtigtes Clustering einzelner Zelltranskriptome (92, 93) identifizierten wir 12 verschiedene Zelltypen in dorDG und venDG (Abb. 4b, ergänzende Abb. S9, ergänzende Tabellen TS16–17 und ergänzende Methoden). Wir stellten die Hypothese auf, dass Fluoxetin die Proportionen der Zelltypen sowie die zelltypspezifische Genexpression verändern könnte und dass diese Veränderungen zwischen den beiden Gyri dentatus unterschiedlich sein könnten. Tatsächlich beobachteten wir einen erheblichen Anstieg der Körnerzellzahlen im mit Fluoxetin behandelten venDG (P-Wert: 0, 03, Abb. 4c, Ergänzungstabellen TS18). Dieser zelluläre Phänotyp der behandelten Tiere könnte möglicherweise Konsequenzen für das Verhalten haben, da im ventralen Hippocampus von auf Antidepressiva ansprechenden und stressresistenten Tieren eine erhöhte Körnerzellproliferation beobachtet wurde [94, 95]. Bemerkenswerterweise wurde bei dorDG keine solche Verschiebung beobachtet (Abb. 4c). Vielmehr führte Fluoxetin bei dorDG zu einer signifikanten Verringerung der Anzahl inhibitorischer Neuronen im Vergleich zur Kontrolle und zu einem Anstieg der Mooszellen (P-Wert: 0,03 in beiden Fällen). Die bei dorDG beobachteten Fluoxetin-induzierten Verschiebungen könnten auch Konsequenzen für das Verhalten haben, da die Erschöpfung der Mooszellen bei Nagetieren mit erhöhter Angst verbunden ist und die Häufigkeit hemmender Neuronen positiv mit MDD assoziiert ist (96, 97). Zusammenfassend heben diese Ergebnisse unterschiedliche Zelltypen in diesen beiden Hirnregionen des Hippocampus hervor, die bei Studien zum Wirkmechanismus und den therapeutischen Wirkungen von SSRIs priorisiert werden könnten.

Als nächstes versuchten wir, die Zelltypen zu identifizieren, deren Transkriptome durch Fluoxetin wesentlich verändert wurden, dh die Zelltypen mit einer beträchtlichen Anzahl von DEGs (Ergänzungstabellen TS19, Ergänzungsmethoden). Im dorDG trugen zwei Zelltypen die überwiegende Mehrheit der DEGs bei: Oligodendrozyten1 (514 oben, 301 unten) und inhibitorische Neuronen (308 oben, 209 unten) (Abb. 4d, Ergänzungstabellen TS19). Bemerkenswerterweise wurde eine beträchtliche Anzahl von DEGs zwischen diesen beiden Zelltypen geteilt (148 hoch, 47 runter). Obwohl DEGs möglicherweise in weiteren Zelltypen in größeren Kohorten nachweisbar sind, deutet dieses Ergebnis dennoch darauf hin, dass diese beiden Zelltypen möglicherweise am stärksten auf dorDG reagieren. Die Transkriptionsreaktion des venDG war bescheidener (Abb. 4d, Ergänzungstabellen TS19). Der Befund, dass Fluoxetin die Genexpression in Oligodendrozyten in dorDG erheblich verändert, stellt eine weitere Verbindung zu früheren Ergebnissen zur Depression dar, nämlich dass Gliazelltypen eine herausragende Rolle in der Ätiopathologie von MDD spielen [45, 78].

Um zelltypspezifische DEGs mit bekannten biologischen Signalwegen zu verknüpfen, haben wir auf angereicherte Genanmerkungen getestet (FDR Q-val ≤ 0,05, Abb. 4e, Ergänzungstabellen TS20 und Ergänzungsmethoden). Sowohl in Oligodendrozyten1-Zellen als auch in inhibitorischen Neuronen zeigten hochregulierte DEGs eine starke Anreicherung der zytoplasmatischen Proteintranslationsmaschinerie (Rps3, Rpl18, Rpl23a), des ETC-Komplexes und der ATP-Metabolismus-Gene (Uqcrh, Uqcrq, Ndufsv2, Atp5f1d, Cox6) (Abb. 4e). In Oligodendrozyten1 herunterregulierte DEGs waren hinsichtlich Synapsen- und GTPase-Regulatoren angereichert (Gabrb1, Gria2, Gria3, Syt1), während diejenigen in inhibitorischen Neuronen hinsichtlich Ionenkanälen und glutamaterger Übertragung angereichert waren (Cacna1a, Nlgn2, Epha7, Ntrk2, Gria2). Wichtig ist, dass diese Begriffe stark mit den allgemeinen Trends übereinstimmten, die aus Bulk-RNA-Seq und ChIP-Seq abgeleitet wurden (Abb. 2c, 3c). Als nächstes verwendeten wir einen Gen-Modul-Scoring-Ansatz (Supplementary Methods), um hypothesengesteuert zu untersuchen, ob diese Gensätze möglicherweise eine systematische Hochregulierung in weiteren Zelltypen aufweisen. Bemerkenswerterweise wurde der oxidative Phosphorylierungsmodul-Score durch die Verabreichung von Fluoxetin in 5 von 12 dorDG-Zelltypen (Oligodendrozyten1, inhibitorische Neuronen, Astrozyten1, Oligodendrozyten-Vorläuferzellen und Mikroglia2) und in Oligodendrozyten1- und Astrozyten1-Zellen in venDG (FDR Q-val ≤ 0,01, Abb. 4f, Ergänzungstabellen TS21). Diese Ergebnisse deuten durchweg darauf hin, dass ein erhöhter Energiestoffwechsel ein zentraler Wirkungsmechanismus von Fluoxetin sein könnte und dass Glia-Subtypen (Oligodendrozyten1, Astrozyten1 und Mikroglia2) potenzielle Mediatoren dieser Wirkung sein könnten.

Wir untersuchten, ob diese transkriptomischen Veränderungen zu funktionellen Veränderungen der Mitochondrien und der Oxphos-Aktivität führen würden. Um den durch die oxidative Phosphorylierung erzeugten mitochondrialen Membranpotentialgradienten zu beurteilen, behandelten wir die Glialinie CRL-2199 3 Tage lang mit FT, Corticosteron (CORT, ein Glukocorticoid-Stressor) und Corticosteron + Fluoxetin (CORT + FT) (ergänzende Methoden). . Im Anschluss an die verschiedenen Behandlungen markierten wir lebende Zellen mit MitoTracker Red, einem Farbstoff, der sich in membranpotentialabhängiger Weise an der Mitochondrienmembran anlagert, und färbten sie immungefärbt auf das Oxphos-Membranprotein Cytochrom C. Die Quantifizierung des durchschnittlichen Fluoreszenzsignals ergab, dass MitoTracker Red in der Fluoxetin-Gruppe signifikant um das 1,7-Fache im Vergleich zur Vehikelkontrolle (P-Wert < 0,0001) und um das 1,6-Fache in der CORT + FT-Gruppe (P-Wert < 0,0001) hochreguliert war. Abb. 4g, ergänzende Methoden). Dies deutet auf eine Zunahme der Mitochondrienhäufigkeit hin. In ähnlicher Weise gab es einen 1,7- bzw. 1,4-fachen Anstieg der Cytochrom-c-Spiegel in der FT- und der CORT + FT-Gruppe im Vergleich zum Vehikel, was auf einen durch Fluoxetin induzierten Anstieg der Oxphos-Aktivität hindeutet. Als nächstes haben wir die Sauerstoffverbrauchsrate (OCR) der Zellen als Proxy für die oxidative Phosphorylierungsrate gemessen. In Gegenwart eines Stressors nahm die OCR ab, wohingegen die Gabe von Fluoxetin den Sauerstoffverbrauch im Vergleich zur CORT-Gruppe um 11 Prozent erhöhte (P-Wert: 0,04, FT vs. CORT, Abb. 4h), was auf eine Verschiebung hin zu einer höheren oxidativen Phosphorylierung in Glia hinweist Zellen. Zusammengenommen zeigen diese Tests, dass Fluoxetin die mitochondriale Häufigkeit und die mitochondrialen ATP-Wege in vitro hochreguliert, was mit der konzertierten transkriptomischen und epigenomischen Regulierung von Energiestoffwechselgenen bestätigt wird, wie durch die Massen- und Einzelzellanalyse aufgedeckt wurde.

Als nächstes versuchten wir, die oben beschriebenen Muster der differentiellen Expression zu erklären, indem wir zelltypspezifische „Regulons“ identifizierten, die als TFs definiert sind, die mit ihren nachgeschalteten Zielen gekoppelt sind. Mithilfe von SCENIC (Supplementary Methods) konnten wir 178 Regulons in dorDG und 173 in venDG nachweisen (Supplementary Tables TS22a, Supplementary Abb. S10), von denen 136 bzw. 131 in mindestens einem Zelltyp (FDR Q-val) unterschiedlich aktiv waren < 0,1, Abb. 5a, Ergänzungstabellen TS22b). In Übereinstimmung mit der gemeinsamen Nutzung von DEGs zwischen Oligodendrozyten1 und inhibitorischen Neuronen in dorDG identifizierten wir einen gemeinsamen Satz von Fluoxetin-aktivierten Regulons (Atf4, Jun, Crem, Fosb, Ets2, Sox15, Srebf1, Fos, Spi1) in diesen beiden Zelltypen (blau). Kasten, Abb. 5a). Diese Transkriptionsfaktoren steuern die ATP-Synthese sowie die Transkription und Translation zytoprotektiver Gene als Reaktion auf mitochondriale Signale [98, 99]. Interessanterweise wurden die Regulons von vier der oben genannten TFs (Crem, Atf4, Fos, Fosb) auch durch Fluoxetin in venDG-Astrozyten-1- und Oligodendrozyten-1-Zellen aktiviert, wenn auch weniger stark (Abb. 5b). Dies sind genau die venDG-Zelltypen, bei denen das Genmodul für die oxidative Phosphorylierung hochreguliert wurde (Abb. 4f). Zusammengenommen legen diese Ergebnisse nahe, dass die oben genannten TFs zur Aktivierung von Energiestoffwechselgenen im Hippocampus als Reaktion auf Fluoxetin beitragen könnten.

eine Heatmap von unterschiedlich aktiven Regulons, die von SCENIC in dorDG-Zelltypen identifiziert wurden, gefärbt durch fache Änderung des Regulon-Aktivitäts-Scores in FT vs. Schein. Das blaue Rechteck zeigt Regulone an, die mit dem Energiestoffwechsel zusammenhängen. Fett gedruckt zeigt das oberste Differenzial-Regulon für die wichtigsten Zelltypen an. b Wie a, jedoch für venDG. C. NATMI-identifizierte differenzielle Ligand-Rezeptor-Paare in dorDG-Zelltypen zwischen FT und Sham. Die wichtigsten differenziellen Interaktionen (durch höhere Spezifitätsbewertung und größeren Unterschied in der Spezifitätsbewertung) werden gekennzeichnet. d Wie b, jedoch für venDG.

Zusätzlich zu behandlungsspezifischen Regulierungsprogrammen untersuchten wir Fluoxetin-induzierte Veränderungen in der Signalübertragung zwischen Zelltyppaaren. Wir führten eine Signalanalyse mit NATMI (Supplementary Methods) durch, die einen in der Literatur zusammengestellten Katalog von Ligand-Rezeptor-Paaren nutzt, um deren Interaktionsstärke in Paaren von Zelltypen abzuschätzen. Durch den Vergleich von mit Fluoxetin behandelten Proben mit Kontrollproben haben wir 22 Ligand-Rezeptor-Kombinationen mit unterschiedlichen Interaktionswerten in dorDG und 6 in venDG entdeckt (Abb. 5c, d, Ergänzungstabellen TS23, Ergänzungstabelle S11). Interessanterweise waren Mooszellen in dorDG prominent und beteiligten sich an 18/20 Signalinteraktionen mit höheren Werten in der mit Fluoxetin behandelten Gruppe (Abb. 5c, d). Von diesen ragte Pdgfrb als der Rezeptor mit der größten Anzahl unterschiedlicher Wechselwirkungen (5/20 Wechselwirkungen) heraus. Die SSRI-Behandlung in vitro aktiviert Pdgfrb über Serotoninrezeptoren (Htr1a, Htr2b), was zu einer erhöhten Signalübertragung des neuroprotektiven Wachstumsfaktors führt [100]. Darüber hinaus spielen Mooszellen eine etablierte Rolle in der Neurogenese bei Erwachsenen [101, 102] und vermitteln antianxiolytische und neurogene Reaktionen auf Antidepressiva [103]. Zusammen mit der beobachteten Zunahme der Mooszellhäufigkeit (Abb. 4c) deuten diese Ergebnisse darauf hin, dass Mooszellen ein wichtiger Mediator sein könnten und mögliche Signalinteraktionen liefern, die zum Wirkungsmechanismus von Fluoxetin beitragen könnten.

Zusammenfassend zeigt die scRNA-seq-Analyse der beiden Hippocampus-Subregionen 1) die erheblichen Unterschiede zwischen dorDG und venDG in ihren molekularen Reaktionen; 2) erhöhter Energiestoffwechsel als wichtiger Mechanismus der Fluoxetin-Wirkung; und 3) Glia-Subtypen, inhibitorische Neuronen und Mooszellen als zelluläre Effektoren von Fluoxetin.

Hier haben wir die transkriptomische und epigenomische Landschaft der chronischen Fluoxetin-Exposition im gesamten Gehirn von Nagetieren kartiert. Frühere Studien untersuchten Fluoxetin-vermittelte genomweite Transkriptionsveränderungen in begrenzten Hirnregionen mithilfe von Microarrays [22, 23, 104, 105] oder gezielter Profilierung von Kandidatengenen [106]. Unsere Arbeit erweitert das aktuelle Verständnis der Wirkung von Fluoxetin, indem sie ein breiteres Spektrum von 27 Gehirnregionen untersucht und dabei einen multimodalen Ansatz aus RNA-Sequenz, H3K27ac-ChIP-Seq-Profilierung und komplementärer scRNA-Seq von zwei Hippocampusregionen anwendet. Der einzigartige Umfang unserer Studie ermöglichte umfassende Einblicke in die Wirkung von Fluoxetin, einschließlich: a) des Auftretens Tausender regionsabhängiger molekularer Veränderungen im gesamten Gehirn, von denen die meisten bisher unbekannt waren; b) Identifizierung der Raphe, des Nucleus accumbens (NAc), des Gyrus dentatus dorsalis (dorDG), des Locus coeruleus (LC) und des prälimbischen Kortex (PLC) als die am stärksten betroffenen Regionen; c) Zunahme des Chromatin-Remodellings, des Energiestoffwechsels und der mitochondrialen Genexpression; d) zelltypspezifische Veränderungen in Oligodendrozyten- und neuronalen Subtypen; und e) starke Unterschiede in der Fluoxetin-Reaktion entlang der dorsoventralen Achse des Gyrus dentatus.

Die Behandlung mit Fluoxetin führte zu tiefgreifenden Veränderungen der Transkription und der Offenheit des Chromatins in mehreren Regionen des Gehirns. Wir identifizierten 4447 Transkripte und 4511 Peaks, die nach der Fluoxetin-Behandlung in mindestens einer Gehirnregion Veränderungen aufwiesen (Abb. 1d, 3a). Von diesen beobachteten wir eine signifikante Anreicherung von DEGs für Einzelnukleotidpolymorphismen, die in GWAS-Studien für MDD, SSRIs und die Reaktion auf Antidepressiva identifiziert wurden (Abb. 1g, Ergänzungstabellen TS5). Diese Studie erweitert daher die Liste der MDD-informativen Gehirnregionen, die eine Modellierung in Tierstudien zu Stress und antidepressiven Mechanismen erfordern. Insbesondere wurden mehrere regionale DEGs, die mit GWAS- und PsyGeNET-Loci zusammenfielen (z. B. Opkr1, Kcnk9, Sst, Slc6a3, Slc5a7, Slc7a10, Negr1), als medikamentöse Ziele zur Verbesserung der Wirksamkeit und Sicherheit neuropsychiatrischer Arzneimittel untersucht [107, 108]. (Abb. 6). Darüber hinaus überlappten 58 in dieser Studie identifizierte unterschiedlich regulierte Transkripte Kandidaten aus drei Genexpressionsstudien von MDD (45, 109) (Ergänzungstabellen TS24), von denen die überwiegende Mehrheit in mehreren Regionen über die in den jeweiligen Humanstudien profilierte einzelne Region hinaus verändert wurde (z. B. Arhgef25, Kmt2a, Mettl9, Rhoa, Mgat4c). In Übereinstimmung damit beobachteten wir eine gute Überlappung der Transkriptionsänderungen zwischen unseren Datensätzen und antidepressiven Reaktionen in mehreren Stressparadigmen. Wir haben auch spezifische Zelltypen identifiziert, bei denen bekannte MDD-Gene durch Fluoxetin verändert wurden (z. B. Dock4 in dorDG-Oligodendrozyten1, Prkar1b in venDG-Granulat und Klf26b in inhibitorischen Neuronen) (Ergänzungstabellen TS24). Diese Analysen unterstreichen die Relevanz der in dieser Studie identifizierten Fluoxetin-induzierten Veränderungen für die klinischen Phänotypen von MDD beim Menschen und das Ansprechen auf die Behandlung und zeigen zusätzliche Gehirnregionen, Genkandidaten und Zelltypen für weitere Untersuchungen auf.

1. Weitreichende Wirkungen von chronischem Fluoxetin: Erweiterte funktionelle Begriffe und übergreifende Signalwege. 2. DEGs in allen Gehirnregionen zeigten eine signifikante Anreicherung von MDD-assoziierten Genorten. Dargestellt ist ein Netzwerkdiagramm für vier Regionen und ihre jeweiligen MDD-DEGs. Regionsspezifische Downstream-Pfade und funktionelle Implikationen werden aufgezeigt. Rot – hochreguliertes Gen, grün – herunterreguliertes Gen; Orangefarbene Begriffe weisen auf eine hochregulierte funktionelle Aktivität hin, während blaue Begriffe eine Hemmung des funktionellen Begriffs bedeuten. 3. Fluoxetin-induzierte Effekte bei Einzelzellauflösung.

Unser zusammengesetztes Ranking der 27 Gehirnregionen, basierend auf der Summe der Log-Ränge in ChIP-seq und RNA-seq (Abb. 1d, 3a, Ergänzungstabellen TS4), ergab Raphe, NAcSh, dorDG, LC, NAcC und PLC als die Regionen mit der stärksten molekularen Reaktion auf Fluoxetin. NAcSh und LC zeigten die zweitstärkste Häufung transkriptomischer und epigenomischer Veränderungen, im Gegensatz zu einer früheren Microarray-Studie, in der lediglich 39 DEGs in LC nachgewiesen wurden und die Fluoxetin-Reaktion der Region als niedrig eingestuft wurde [22]. Obwohl biochemische Studien [110,111,112] gezeigt haben, dass die Neurotransmitterspiegel im LC und NAc Fluoxetin-induzierte Verhaltensreaktionen regulieren, fehlt bisher eine Karte der zugrunde liegenden transkriptomischen und epigenetischen Korrelate. Die umfangreichen Veränderungen in mehreren rezeptorgesteuerten Signalwegen (Abb. 6) über mehrere Regionen hinweg könnten molekulare Anpassungen erklären, die zu den therapeutischen und Nebenwirkungen chronischer Fluoxetin-Regimen führen.

Um die Biologie zu untersuchen, die diesen durch Antidepressiva verursachten Genregulationsänderungen zugrunde liegt, identifizierten wir Pfade und koregulierte Netzwerkmodule, die mit unterschiedlich exprimierten Genen und acetylierten Peaks angereichert sind (Abb. 2a – c, 3c, d). Wir fanden Hinweise auf funktionelle Konsistenz zwischen DEGs und unterschiedlich acetylierten Loci. Die funktionelle Anreicherungsanalyse von k-means-Clustermodulen und die regionale Signalweganreicherung identifizierten Chromatin-Remodellierung, Zellstoffwechsel und mitochondriale Themen in den meisten Regionen.

Fluoxetin führte insgesamt zu einem Anstieg der Transkription von Genen, die an der Energieproduktion beteiligt sind. MDD-Patienten zeigen sowohl einen verminderten Glukosestoffwechsel im Gehirn als auch mitochondriale Beeinträchtigungen [113,114,115,116]. Interessanterweise normalisierten antidepressive Behandlungen einige dieser fehlregulierten Proteine ​​und kehrten das depressive Verhalten um [117,118,119,120]. Die über 100 DEG- und DA-Loci, die wir in dieser Funktionskategorie identifiziert haben, bilden eine beispiellose Kandidatenliste potenzieller SSRI-induzierter Energiestoffwechselregulatoren (Abb. 6). Bei den Energiestoffwechsel-DEGs steht die Hochregulierung der Sdhb-, Mdh2-, Cox5a-, Pfkl-, Ck- und Aacs-Transkripte in bestimmten Subregionen des Hippocampus im Einklang mit deren erhöhter Aktivität oder Proteinspiegel als Reaktion auf Antidepressiva [118, 121, 122]. Wir beobachteten solche Veränderungen in verschiedenen weiteren Regionen (>9) außerhalb des Hippocampus.

Zusätzlich zu mitochondrialen Veränderungen fanden wir eine weit verbreitete Regulierung von Histonmodifikationen und Chromatinsignaturen (Abb. 6). Studien haben gezeigt, dass chronischer Stress und Depression die H3-Histonmethylierung reduzieren, was zu einer Deregulierung der neuronalen Plastizität führt [123]. Es wurde vermutet, dass Antidepressiva diese Chromatinveränderungen umkehren, obwohl sich diese Berichte weitgehend auf Veränderungen an bestimmten Genpromotor-Loci und einzelnen Gehirnregionen beschränken [123,124,125]. Hier stellen wir fest, dass Fluoxetin die Permissivität des Chromatins umfassend beeinflusst, indem es die Expression einer Reihe von Genen reguliert, die an der Methylierung, Phosphorylierung und Deubiquitinierung von Histonen beteiligt sind. Zusammen mit AD-induzierten globalen Steigerungen des Energiestoffwechsels könnten diese Veränderungen im Chromatin-Remodelling synergetisch Transkriptionskaskaden vorantreiben, die am Neurotransmitter- und Ionentransport, Vesikeltransport, Proteinsynthese, Proteinfaltung und -clearance beteiligt sind [126]. Es wurde auch gezeigt, dass durch Antidepressiva induzierte Chromatinveränderungen epigenetischen Signaturen ähneln, die bei stressresistenten Tieren beobachtet werden [127]. Wir schlagen vor, dass eine weitere Untersuchung unserer genomweiten Kandidaten-Loci möglicherweise grundlegend neue AD- und Stressresilienzmechanismen aufdecken könnte.

Anschließend untersuchten wir spezifische Zelltypen, die mit der Fluoxetin-Reaktion assoziiert sind. Wir stellten fest, dass Oligodendrozyten und Neuronen in unseren Analysen die beiden wichtigsten Zelltypen waren, die auf Fluoxetin reagierten. Es bestand jedoch eine starke Heterogenität in den 27 Gehirnregionen (ergänzende Abbildung S5b). Interessanterweise wurden Oligodendrozyten-Subtypen und eine Untergruppe der von uns identifizierten DEGs in eine kürzlich durchgeführte Einzelzellstudie zum PFC bei MDD einbezogen (45) (Ergänzungstabellen TS24). Unsere scRNA-seq-Daten von dorDG und venDG lieferten eine höher aufgelöste Karte der Fluoxetin-induzierten Wirkungen und ihrer regionalen Unterschiede: Fünf Zelltypen in dorDG und 2 in venDG zeigten einen signifikanten Anstieg der oxidativen Phosphorylierungswerte und teilten relevante vorgelagerte Regulatoren (Abb. 4f , 5a, b). Zusammengenommen könnten diese fünf Hippocampus-Zelltypen für weitere Untersuchungen SSRI-induzierter Stoffwechselveränderungen priorisiert werden. Wir schlagen vor, dass Ligand-Rezeptor-Wechselwirkungen, an denen Mooszellen (Pdgfrb, Megf8/Vtn) beteiligt sind, wichtige Signalvermittler der Fluoxetin-Wirkung in dorDG sein könnten (Abb. 5c) und vielversprechende Kandidaten für Folgestudien.

Studien zu Unterschieden in der antidepressiven Wirksamkeit zwischen Männern und Frauen haben zu nicht schlüssigen Ergebnissen geführt [128]. Während einige Studien über eine Geschlechtsabhängigkeit von Antidepressiva-induzierten Verhaltens- und molekularen Veränderungen berichten [129, 130], kamen andere zu dem Schluss, dass einige Veränderungen geschlechtsunabhängig sind [131, 132]. Aufgrund des bekannten Einflusses von Schwankungen im Brunstzyklus weiblicher Ratten auf die Wirksamkeit von Fluoxetin [133, 134] und der zusätzlichen Ressourcen und Handhabung, die mit der Synchronisierung der Brunstphase einer großen Kohorte verbunden sind, haben wir uns entschieden, unsere Studie auf männliche Ratten zu konzentrieren. Zukünftige Studien sind erforderlich, um den sexuellen Dimorphismus der Fluoxetin-Reaktion in verschiedenen Gehirnregionen zu untersuchen und den aktuellen Datensatz zu ergänzen [135], wobei die hier berichteten regionalspezifischen Effekte genutzt werden sollen.

Zusammenfassend erweitern unsere Ergebnisse das aktuelle Verständnis der räumlichen molekularen Komplexität der Fluoxetin-Reaktion erheblich. Dieser Datensatz hebt bisher wenig erforschte Gehirnregionen hervor und bietet einen Rahmen für die Auswahl von Kandidatengenen, Signalwegen und Zelltypen für die weitere mechanistische Analyse und Identifizierung zielgerichteter Signalwege für Depression und Angstzustände.

Rohdaten wurden beim Gene Expression Omnibus des NCBI unter den folgenden Zugangsnummern hinterlegt: ChIP-seq-GSE193040; RNA-seq-GSE194289; scRNA-seq-GSE197622. Codes für die meisten Routinen sind auf Github (https://github.com/arulrayan/Integrative-multi-omics-landscape-of-fluoxetine-action-across-27-brain-regions) oder auf begründete Anfrage verfügbar.

Friedrich MJ. Depressionen sind weltweit die häufigste Ursache für Behinderungen. JAMA. 2017;317:1517–1517.

PubMed Google Scholar

Kassebaum NJ, Arora M, Barber RM, Bhutta ZA, Brown J, Carter A, et al. Globale, regionale und nationale behinderungsbereinigte Lebensjahre (DALYs) für 315 Krankheiten und Verletzungen sowie gesunde Lebenserwartung (HALE), 1990–2015: eine systematische Analyse für die Global Burden of Disease Study 2015. Lancet. 2016;388:1603–58.

Google Scholar

Pincus HA, Tanielian TL, Marcus SC, Olfson M, Zarin DA, Thompson J, et al. Verschreibungstrends bei Psychopharmaka: Primärversorgung, Psychiatrie und andere medizinische Fachgebiete. JAMA. 1998;279:526–31.

CAS PubMed Google Scholar

Yuan Z, Chen Z, Xue M, Zhang J, Leng L. Anwendung von Antidepressiva bei Depressionen: eine systematische Überprüfung und Metaanalyse. J Clin Neurosci. 2020;80:169–81.

CAS PubMed Google Scholar

Coupland C, Dhiman P, Morriss R, Arthur A, Barton G, Hippisley-Cox J. Antidepressiva-Einsatz und Risiko unerwünschter Folgen bei älteren Menschen: bevölkerungsbasierte Kohortenstudie. BMJ. 2011;343:d4551.

PubMed PubMed Central Google Scholar

Luo Y, Kataoka Y, Ostinelli EG, Cipriani A, Furukawa TA. Nationale Verschreibungsmuster von Antidepressiva bei der Behandlung von Erwachsenen mit schwerer Depression in den USA zwischen 1996 und 2015: eine bevölkerungsrepräsentative, auf Umfragen basierende Analyse. Frontpsychiatrie. 2020;11:35.

PubMed PubMed Central Google Scholar

Anagha K, Shihabudheen P, Uvais NA. Nebenwirkungsprofile selektiver Serotonin-Wiederaufnahmehemmer: eine Querschnittsstudie in einem naturalistischen Umfeld. Prim Care Companion ZNS-Störung. 2021;23:4.

Google Scholar

Lagerberg T, Fazel S, Sjölander A, Hellner C, Lichtenstein P, Chang Z. Selektive Serotonin-Wiederaufnahmehemmer und suizidales Verhalten: eine bevölkerungsbasierte Kohortenstudie. Neuropsychopharmakologie. 2022;47:817–23.

CAS PubMed Google Scholar

Vieta E, Colom F. Therapeutische Optionen bei behandlungsresistenter Depression. Ann Med. 2011;43:512–30.

CAS PubMed Google Scholar

Cipriani A, Furukawa TA, Salanti G, Chaimani A, Atkinson LZ, Ogawa Y, et al. Vergleichende Wirksamkeit und Akzeptanz von 21 Antidepressiva zur Akutbehandlung von Erwachsenen mit schwerer depressiver Störung: eine systematische Überprüfung und Netzwerk-Metaanalyse. Lanzette. 2018;391:1357–66.

CAS PubMed PubMed Central Google Scholar

Jureidini JN, Doecke CJ, Mansfield PR, Haby MM, Menkes DB, Tonkin AL. Wirksamkeit und Sicherheit von Antidepressiva für Kinder und Jugendliche. Bmj. 2004;328:879.

CAS PubMed PubMed Central Google Scholar

Rush AJ, Trivedi MH, Wisniewski SR, Nierenberg AA, Stewart JW, Warden D, et al. Akute und längerfristige Ergebnisse bei depressiven ambulanten Patienten, die einen oder mehrere Behandlungsschritte erfordern: ein STARD-Bericht. Bin J Psychiater. 2006;163:1905–17.

PubMed Google Scholar

Harmer CJ, Duman RS, Cowen PJ. Wie wirken Antidepressiva? Neue Perspektiven für die Weiterentwicklung zukünftiger Behandlungsansätze. Lanzette. Psychiatrie. 2017;4:409–18.

PubMed Google Scholar

Kugaya A, Seneca NM, Snyder PJ, Williams SA, Malison RT, Baldwin RM, et al. Veränderungen der menschlichen In-vivo-Verfügbarkeit von Serotonin- und Dopamintransportern während der chronischen Verabreichung von Antidepressiva. Neuropsychopharmakol. 2003;28:413–20.

CAS Google Scholar

Stahl SM. Grundlegende Psychopharmakologie von Antidepressiva, Teil 1: Antidepressiva haben sieben unterschiedliche Wirkmechanismen. J Klinik für Psychiatrie. 1998;59(Suppl 4):5–14.

CAS PubMed Google Scholar

Artigas F, Nutt DJ, Shelton R. Wirkmechanismus von Antidepressiva. Psychopharmakol Bull. 2002;36(Suppl 2):123–32.

PubMed Google Scholar

Gordon JA, Hen R. TREKing auf dem Weg zu neuen Antidepressiva. Nat Neurosci. 2006;9:1081–3.

CAS PubMed Google Scholar

Miller BR, Hen R. Der aktuelle Stand der neurogenen Theorie von Depression und Angstzuständen. Aktuelle Meinung Neurobiol. 2015;30:51–58.

CAS PubMed Google Scholar

Sangkuhl K, Klein TE, Altman RB. Selektiver Serotonin-Wiederaufnahmehemmer-Weg. Pharmakogenetisches Genom. 2009;19:907–9.

CAS Google Scholar

Taylor C, Fricker AD, Devi LA, Gomes I. Wirkmechanismen von Antidepressiva: von Neurotransmittersystemen bis hin zu Signalwegen. Zellsignal. 2005;17:549–57.

CAS PubMed PubMed Central Google Scholar

Carrillo-Roa T, Labermaier C, Weber P, Herzog DP, Lareau C, Santarelli S, et al. Gemeinsame Gene, die mit der Antidepressivum-Reaktion bei Maus und Mensch assoziiert sind, identifizieren die Schlüsselrolle der Empfindlichkeit des Glukokortikoidrezeptors. Plos Biol. 2017;15:e2002690.

PubMed PubMed Central Google Scholar

Conti B, Maier R, Barr AM, Morale MC, Lu X, Sanna PP, et al. Regionsspezifische Transkriptionsveränderungen nach den drei antidepressiven Behandlungen Elektrokrampftherapie, Schlafentzug und Fluoxetin. Mol Psychiater. 2007;12:167–89.

CAS Google Scholar

Surget A, Wang Y, Leman S, Ibarguen-Vargas Y, Edgar N, Griebel G, et al. Veränderungen des kortikolimbischen Transkriptoms sind zustandsabhängig und regionalspezifisch in einem Nagetiermodell für Depression und Antidepressivum-Umkehr. Neuropsychopharmakologie. 2009;34:1363.

CAS PubMed Google Scholar

Nestler EJ. Epigenetische Mechanismen der Depression. Jama Psychiat. 2014;71:454–6.

Google Scholar

Tsankova NM, Berton O, Renthal W, Kumar A, Neve RL, Nestler EJ. Anhaltende Chromatinregulation im Hippocampus in einem Mausmodell für Depression und antidepressive Wirkung. Nat Neurosci. 2006;9:519–25.

CAS PubMed Google Scholar

Kroeze Y, Peeters D, Boulle F, Hove D, van den, Bokhoven H, van, Zhou H, et al. Langfristige Folgen einer chronischen Fluoxetin-Exposition auf die Expression myelinisierungsbezogener Gene im Ratten-Hippocampus. Transl. Psychiatrie. 2015;5:e642.

CAS PubMed PubMed Central Google Scholar

Miao N, Jin J, Kim SN, Sun T. Hippocampale microRNAs reagieren auf die Verabreichung des Antidepressivums Fluoxetin bei erwachsenen Mäusen. Int J Mol Sci. 2018;19:671.

PubMed PubMed Central Google Scholar

Polis AJ, Fitzgerald PJ, Hale PJ, Watson BO. Forschung im Zusammenhang mit Ketamin-Depressionen bei Nagetieren: Suche nach Mustern in einer Variabilitätsliteratur. Behav Brain Res. 2019;376:112153.

PubMed PubMed Central Google Scholar

Vialou V, Feng J, Robison AJ, Nestler EJ. Epigenetische Mechanismen der Depression und antidepressive Wirkung. Annu Rev Pharmacol. 2013;53:59–87.

CAS Google Scholar

Choi M, Lee SH, Wang SE, Ko SY, Song M, Choi JS, et al. Ketamin erzeugt antidepressivumähnliche Wirkungen durch den phosphorylierungsabhängigen Kernexport von Histondeacetylase 5 (HDAC5) bei Ratten. Proc Natl Acad Sci. 2015;112:15755–60.

CAS PubMed PubMed Central Google Scholar

Covington HE, Maze I, LaPlant QC, Vialou VF, Ohnishi YN, Berton O, et al. Antidepressive Wirkung von Histon-Deacetylase-Inhibitoren. J Neurosci. 2009;29:11451–60.

CAS PubMed PubMed Central Google Scholar

Renthal W, Nestler EJ. Chromatinregulation bei Drogenabhängigkeit und Depression. Dialoge Clin Neurosci. 2009;11:257–68.

PubMed PubMed Central Google Scholar

Planchez B, Surget A, Belzung C. Tiermodelle schwerer Depressionen: Nachteile und Herausforderungen. J Neuronale Transm. 2019;126:1383–408.

CAS PubMed Google Scholar

Bale TL, Abel T, Akil H, William AC Jr, Moghaddam B, Nestler EJ, et al. Die entscheidende Bedeutung der Grundlagenforschung an Tieren für neuropsychiatrische Erkrankungen. Neuropsychopharmakologie. 2019;44:1349–53.

PubMed PubMed Central Google Scholar

Czéh B, Simon M. Vorteile von Tiermodellen zum Verständnis der Pathophysiologie depressiver Störungen. Prog Neuro-Psychopharmacol Biol Psychiatrie. 2020;106:110049.

Google Scholar

Song J, Kim Y. Tiermodelle zur Untersuchung depressiver Störungen. ZNS Neurosci Ther. 2021;27:633–42.

PubMed PubMed Central Google Scholar

Wu MV, Hen R. Funktionelle Dissoziation erwachsener Neuronen entlang der dorsoventralen Achse des Gyrus dentatus. Hippocampus. 2014;24:751–61.

CAS PubMed PubMed Central Google Scholar

Sun W, Poschmann J, Rosario RC-H, del, Parikshak NN, Hajan HS, Kumar V, et al. Histonacetylomweite Assoziationsstudie zu Autismus-Spektrum-Störungen. Zelle. 2016;167:1385–1397.e11.

CAS PubMed Google Scholar

Dulawa SC, Holick KA, Gundersen B, Hen R. Auswirkungen von chronischem Fluoxetin in Tiermodellen für Angstzustände und Depressionen. Neuropsychopharmakologie. 2004;29:1321–30.

CAS PubMed Google Scholar

Soiza-Reilly M, Meye FJ, Olusakin J, Telley L, Petit E, Chen X, et al. SSRIs zielen während der Entwicklung auf präfrontale bis Raphe-Schaltkreise ab und modulieren die synaptische Konnektivität und das emotionale Verhalten. Mol Psychiater. 2019;24:726–45.

CAS Google Scholar

Miguelez C, Grandoso L, Ugedo L. Locus coeruleus und dorsale Raphe-Neuronenaktivität und Reaktion auf die akute Verabreichung von Antidepressiva in einem Rattenmodell der Parkinson-Krankheit. Int J Neuropsychoph. 2011;14:187–200.

CAS Google Scholar

Nestler EJ, McMahon A, Sabban EL, Tallman JF, Duman RS. Die chronische Verabreichung von Antidepressiva verringert die Expression von Tyrosinhydroxylase im Locus coeruleus der Ratte. Proc National Acad Sci. 1990;87:7522–6.

CAS Google Scholar

Myung CS, Kim BT, Choi SH, Song GY, Lee SY, Jahng JW. Rolle von Neuropeptid Y und Proopiomelanocortin bei Fluoxetin-induzierter Anorexie. Arch Pharm Res. 2005;28:716–21.

CAS PubMed Google Scholar

Kim JH, Liu QF, Urnuhsaikhan E, Jeong HJ, Jeon MY, Jeon S. Training mit mittlerer Intensität induziert die Neurogenese und verbessert die Kognition bei alten Mäusen durch Hochregulierung von Hippocampus-Hippocalcin, Otub1 und Spectrin-α. Mol Neurobiol. 2019;56:3069–78.

CAS PubMed Google Scholar

Nagy C, Maitra M, Tanti A, Suderman M, Théroux JF, Davoli MA, et al. Einzelkern-Transkriptomik des präfrontalen Kortex bei schweren depressiven Störungen impliziert Oligodendrozyten-Vorläuferzellen und erregende Neuronen. Nat Neurosci. 2020;23:771–81.

CAS PubMed Google Scholar

Jakobsson J, Cordero MI, Bisaz R, Groner AC, Busskamp V, Bensadoun JC, et al. KAP1-vermittelte epigenetische Repression im Vorderhirn moduliert die Verhaltensanfälligkeit gegenüber Stress. Neuron. 2008;60:818–31.

CAS PubMed Google Scholar

Schrötter A, Pfeiffer K, Magraoui FE, Platta HW, Erdmann R, Meyer HE, et al. Die Mitglieder der Amyloid Precursor Protein (APP)-Familie spielen eine Schlüsselrolle bei der S-Adenosylmethionin-Bildung durch MAT2A und verändern die Relevanz der BACE1- und PSEN1-Genexpression für die Alzheimer-Krankheit*. Mol-Zell-Proteom. 2012;11:1274–88.

Google Scholar

Yoo BC, Cairns N, Fountoulakis M, Lubec G. Synaptosomale Proteine, beta-lösliches N-Ethylmaleimid-Sensitive-Factor-Attachment-Protein (Beta-SNAP), Gamma-SNAP und Synaptotagmin I im Gehirn von Patienten mit Down-Syndrom und Alzheimer-Krankheit. Dement Geriatr Cogn. 2001;12:219–25.

CAS Google Scholar

Blunsom NJ, Cockcroft S. CDP-Diacylglycerol-Syntasen (CDS): Tor zur Phosphatidylinositol- und Cardiolipin-Synthese. Front Cell Dev Biol. 2020;8:63.

PubMed PubMed Central Google Scholar

Zhang C, McMahon B, Dong H, Warner T, Shen W, Gallagher M, et al. Molekulare Grundlagen und chemogenetische Modulation von Komorbiditäten bei GABRG2-defizienten Epilepsien. Epilepsie. 2019;60:1137–49.

CAS PubMed PubMed Central Google Scholar

Vitalis T, Ansorge MS, Dayer AG. Serotonin-Homöostase und Serotonin-Rezeptoren als Akteure des kortikalen Aufbaus: Besonderes Augenmerk auf die 5-HT3A- und 5-HT6-Rezeptor-Subtypen. Vorderzell-Neurowissenschaften. 2013;7:93.

PubMed PubMed Central Google Scholar

Best J, Nijhout HF, Reed M. Serotoninsynthese, Freisetzung und Wiederaufnahme in Terminals: ein mathematisches Modell. Theor Biol. Med. Modell. 2010;7:34–34.

PubMed PubMed Central Google Scholar

Lee DA, Andreev A, Truong TV, Chen A, Hill AJ, Oikonomou G, et al. Genetische und neuronale Regulierung des Schlafes durch Neuropeptid VF. Elife. 2017;6:e25727.

PubMed PubMed Central Google Scholar

Brennenstuhl C, Tanimoto N, Burkard M, Wagner R, Bolz S, Trifunovic D, et al. Die gezielte Ablation des pde6h-Gens bei Mäusen zeigt artübergreifende Unterschiede im Bestand an Phototransduktionsprotein-Isoformen von Zapfen und Stäbchen*. J Biol. Chem. 2015;290:10242–55.

CAS PubMed PubMed Central Google Scholar

Kurian MA, Zhen J, Cheng SY, Li Y, Mordekar SR, Jardine P, et al. Homozygote Mutationen mit Funktionsverlust im Gen, das den Dopamintransporter kodiert, werden mit infantilem Parkinsonismus-Dystonie in Verbindung gebracht. J Clin Investig. 2009;119:1595–603.

CAS PubMed PubMed Central Google Scholar

Yoshida K, Shi S, Ukai-Tadenuma M, Fujishima H, Ohno R, Ueda HR. Austretende Kaliumkanäle regulieren die Schlafdauer. Proc Natl Acad Sci. 2018;115:201806486.

Google Scholar

Patetsos E, Horjales-Araujo E. Behandlung chronischer Schmerzen mit SSRIs: Was wissen wir? Pain Res Manag. 2016;2016:2020915.

PubMed PubMed Central Google Scholar

Wilson S, Argyropoulos S. Antidepressiva und Schlaf: eine qualitative Überprüfung der Literatur. Drogen. 2005;65:927–47.

CAS PubMed Google Scholar

Liu R, Dang W, Du Y, Zhou Q, Jiao K, Liu Z. SIRT2 ist an der Modulation depressiver Verhaltensweisen beteiligt. Sci Rep. 2015;5:8415.

CAS PubMed PubMed Central Google Scholar

Albert PR, François BL, Vahid-Ansari F. Genetische, epigenetische und posttranskriptionelle Mechanismen zur Behandlung schwerer Depressionen: das 5-HT1A-Rezeptor-Gen als Paradigma. J Psychiater Neurosci. 2019;44:164–76.

Google Scholar

Feighner JP. Wirkmechanismus von Antidepressiva. J Klinik für Psychiatrie. 1999;60(Suppl 4):S4–S11. Diskussion 12-3

Google Scholar

Caraci F, Spampinato SF, Morgese MG, Tascedda F, Salluzzo MG, Giambirtone MC, et al. Neurobiologische Zusammenhänge zwischen Depression und AD: Die Rolle der TGF-β1-Signalübertragung als neues pharmakologisches Ziel. Pharmacol Res. 2018;130:374–84.

CAS PubMed Google Scholar

Chao F, Zhang Y, Zhang L, Jiang L, Zhou C, Tang J, et al. Fluoxetin fördert die Reifung der Hippocampus-Oligodendrozyten und verzögert den Lern- und Gedächtnisverlust bei APP/PS1-Mäusen. Front Aging Neurosci. 2021;12:627362.

PubMed PubMed Central Google Scholar

Schuckit MA, Monteiro MG. Alkoholismus, Angstzustände und Depressionen. Br J Addict. 1988;83:1373–80.

CAS PubMed Google Scholar

Bagot RC, Cates HM, Purushothaman I, Vialou V, Heller EA, Yieh L, et al. Ketamin und Imipramin kehren die Transkriptionssignaturen der Anfälligkeit um und induzieren resilienzspezifische Genexpressionsprofile. Biologische Psychiatrie. 2017;81:285–95.

CAS PubMed Google Scholar

Carazo-Arias E, Nguyen PT, Kass M, Jee HJ, Nautiyal KM, Magalong V, et al. Beitrag des Opioidsystems zur antidepressiven Wirkung von Fluoxetin. Biologische Psychiatrie. https://doi.org/10.1016/j.biopsych.2022.05.030.

Richardson-Jones JW, Craige CP, Guiard BP, Stephen A, Metzger KL, Kung HF, et al. Die Konzentration des 5-HT1A-Autorezeptors bestimmt die Anfälligkeit gegenüber Stress und die Reaktion auf Antidepressiva. Neuron. 2010;65:40–52.

CAS PubMed PubMed Central Google Scholar

Villafuerte SM, Vallabhaneni K, Liwerska E, McMahon FJ, Young EA, Burmeister M. Die SSRI-Reaktion bei Depressionen kann durch SNPs in HTR1B und HTR1A beeinflusst werden. Psychiater Genet. 2009;19:281–91.

PubMed PubMed Central Google Scholar

Barbon A, Orlandi C, Via LL, Caracciolo L, Tardito D, Musazzi L, et al. Antidepressivum-Behandlungen verändern die mRNA-Expression des 5-HT2C-Rezeptors im präfrontalen/frontalen Kortex und Hippocampus von Ratten. Neuropsychobiologie. 2011;63:160–8.

CAS PubMed Google Scholar

Demireva EY, Suri D, Morelli E, Mahadevia D, Chuhma N, Teixeira CM, et al. Die Blockade des 5-HT2C-Rezeptors kehrt SSRI-assoziierte Basalganglien-Dysfunktionen um und verstärkt die therapeutische Wirksamkeit. Mol Psychiater. 2020;25:3304–21.

Google Scholar

Li HH, Yao XY, Tao S, Sun X, Li P, Li X, et al. Serotonin-2-Rezeptoren, Agomelatin sowie Verhaltens- und psychologische Symptome der Demenz bei Alzheimer. Verhalten Neurol. 2021;2021:1–6.

Google Scholar

McKenzie AT, Wang M, Hauberg ME, Fullard JF, Kozlenkov A, Keenan A, et al. Gehirnzelltypspezifische Genexpressions- und Koexpressionsnetzwerkarchitekturen. Sci Rep. 2018;8:8868.

PubMed PubMed Central Google Scholar

Zhou B, Zhu Z, Ransom BR, Tong X. Oligodendrozyten-Abstammungszellen und Depression. Mol Psychiater. 2021;26:103–17.

Google Scholar

Sacchet MD, Gotlib IH. Myelinisierung des Gehirns bei schwerer Depression: eine quantitative In-vivo-Magnetresonanztomographie-Studie. Sci Rep. 2017;7:2200.

PubMed PubMed Central Google Scholar

Liu J, Dietz K, Hodes GE, Russo SJ, Casaccia P. Weit verbreitete Transkriptionswechsel in Oligodendrozyten im Gehirn erwachsener Mäuse nach chronischem Stress: Stress verändert die Transkription von Oligodendrozyten. Entwickler Neurobiol. 2017;78:152–62.

PubMed PubMed Central Google Scholar

Meredith GE, Totterdell S. Mikroschaltkreise in der Hülle und im Kern des Nucleus accumbens, die an Kognition und Belohnung beteiligt sind. Psychobiologie. 1999;27:165–86.

Google Scholar

Han MH, Nestler EJ. Neuronale Substrate von Depression und Resilienz. Neurotherapeutika. 2017;14:677–86.

PubMed PubMed Central Google Scholar

Duman RS, Aghajanian GK, Sanacora G, Krystal JH. Synaptische Plastizität und Depression: Neue Erkenntnisse aus Stress und schnell wirkenden Antidepressiva. Nat Med. 2016;22:238–49.

CAS PubMed PubMed Central Google Scholar

Renshaw PF, Parow AM, Hirashima F, Ke Y, Moore CM, de Frederick BB, et al. Multinukleare Magnetresonanzspektroskopie-Untersuchungen von Gehirnpurinen bei schwerer Depression. Bin J Psychiater. 2001;158:2048–55.

CAS PubMed Google Scholar

Rappeneau V, Wilmes L, Touma C. Molekulare Korrelate mitochondrialer Dysfunktionen bei schwerer Depression: Beweise aus klinischen und Nagetierstudien. Mol Cell Neurosci. 2020;109:103555.

CAS PubMed Google Scholar

Hu C, Tao L, Cao X, Chen L. Die Transporter gelöster Träger und das Gehirn: physiologische und pharmakologische Implikationen. Asiatische J Pharm Sci. 2020;15:131–44.

PubMed Google Scholar

Kim HD, Hesterman J, Call T, Magazu S, Keeley E, Armenta K, et al. SIRT1 vermittelt Depressionsverhalten im Nucleus accumbens. J Neurosci. 2016;36:8441–52.

CAS PubMed PubMed Central Google Scholar

Park HS, Kim J, Ahn SH, Ryu HY. Epigenetisches Targeting von Histondeacetylasen in der Diagnostik und Behandlung von Depressionen. Int J Mol Sci. 2021;22:5398.

CAS PubMed PubMed Central Google Scholar

Beacon TH, Delcuve GP, López C, Nardocci G, Kovalchuk I, Wijnen AJvan, et al. Die dynamische breite epigenetische Domäne (H3K4me3, H3K27ac) als Zeichen essentieller Gene. Klinik Epigenet. 2021;13:138.

CAS Google Scholar

Dong X, Weng Z. Die Korrelation zwischen Histonmodifikationen und Genexpression. Epigenomik. 2013;5:113–6.

CAS PubMed Google Scholar

Harris HK, Nakayama T, Lai J, Zhao B, Argyrou N, Gubbels CS, et al. Eine Störung der Transkriptionsfaktoren der RFX-Familie führt zu Autismus, Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung, geistiger Behinderung und dysreguliertem Verhalten. Genet Med. 2021;23:1028–40.

CAS PubMed PubMed Central Google Scholar

Rajkowska G, Miguel-Hidalgo JJ. Gliogenese und Gliapathologie bei Depressionen. Wirkstoffziele für ZNS-Neurol-Störungen. 2007;6:219–33.

CAS PubMed PubMed Central Google Scholar

Snyder JS, Radik R, Wojtowicz JM, Cameron HA. Anatomische Gradienten der Neurogenese und Aktivität bei Erwachsenen: Junge Neuronen im ventralen Gyrus dentatus werden durch Wasserlabyrinth-Training aktiviert. Hippocampus. 2009;19:360–70.

PubMed PubMed Central Google Scholar

Tanti A, Belzung C. Neurogenese entlang der septotemporalen Achse des Hippocampus: Sind Depressionen und die Wirkung von Antidepressiva regionalspezifisch? Neurowissenschaften. 2013;252:234–52.

CAS PubMed Google Scholar

Boldrini M, Santiago AN, Hen R, Dwork AJ, Rosoklija GB, Tamir H, et al. Anzahl der Hippocampus-Granula-Neuronen und Volumen des Gyrus dentatus bei mit Antidepressiva behandelter und unbehandelter schwerer Depression. Neuropsychopharmakologie. 2013;38:1068–77.

CAS PubMed PubMed Central Google Scholar

Samuels BA, Anacker C, Hu A, Levinstein MR, Pickenhagen A, Tsetsenis T, et al. 5-HT1A-Rezeptoren auf reifen Körnerzellen des Gyrus dentatus sind entscheidend für die antidepressive Reaktion. Nat Neurosci. 2015;18:1606–16.

CAS PubMed PubMed Central Google Scholar

Schmidt F, Ranjan B, Lin QXX, Krishnan V, Joanito I, Honardoost MA, et al. RCA2: ein skalierbarer überwachter Clustering-Algorithmus, der Batch-Effekte in scRNA-seq-Daten reduziert. Nukleinsäuren Res. 2021;49:gkab632-.

Google Scholar

Stuart T, Butler A, Hoffman P, Hafemeister C, Papalexi E, Mauck WM, et al. Umfassende Integration von Einzelzellendaten. Zelle. 2019;177:1888–1902.e21.

CAS PubMed PubMed Central Google Scholar

Zhou QG, Lee D, Ro E, Suh H. Regionalspezifische Wirkung von Fluoxetin auf sich schnell teilende Vorläufer entlang der dorsoventralen Achse des Hippocampus. Sci Rep. 2016;6:srep35572.

Google Scholar

Anacker C, Luna VM, Stevens GS, Millette A, Shores R, Jimenez JC, et al. Die Neurogenese des Hippocampus verleiht Stressresilienz durch Hemmung des ventralen Gyrus dentatus. Natur. 2018;559:98–102.

CAS PubMed PubMed Central Google Scholar

Cobb JA, Simpson J, Mahajan GJ, Overholser JC, Jurjus GJ, Dieter L, et al. Hippocampusvolumen und Gesamtzellzahl bei schwerer Depression. J Psychiater Res. 2013;47:299–306.

PubMed Google Scholar

Jinde S, Zsiros V, Jiang Z, Nakao K, Pickel J, Kohno K, et al. Die Degeneration der Hilusmooszellen führt zu einer vorübergehenden Übererregbarkeit der Zahnkörnerzellen und einer beeinträchtigten Mustertrennung. Neuron. 2012;76:1189–1200.

CAS PubMed PubMed Central Google Scholar

Leigh-Brown S, Enriquez JA, Odom DT. Kerntranskriptionsfaktoren in Mitochondrien von Säugetieren. Genombiol. 2010;11:215–215.

PubMed PubMed Central Google Scholar

Quirós PM, Prado MA, Zamboni N, D'Amico D, Williams RW, Finley D, et al. Die Multi-Omics-Analyse identifiziert ATF4 als einen Schlüsselregulator der mitochondrialen Stressreaktion bei Säugetieren. J Cell Biol. 2017;216:2027–45.

PubMed PubMed Central Google Scholar

Kruk JS, Vasefi MS, Gondora N, Ahmed N, Heikkila JJ, Beazely MA. Die durch Fluoxetin induzierte Transaktivierung des β-Rezeptors des aus Blutplättchen abgeleiteten Wachstumsfaktors offenbart einen neuartigen heterologen Desensibilisierungsprozess. Mol Cell Neurosci. 2015;65:45–51.

CAS PubMed Google Scholar

Yeh CY, Asrican B, Moss J, Quintanilla LJ, He T, Mao X, et al. Mooszellen steuern die Ruhe und Erhaltung adulter neuronaler Stammzellen durch ein dynamisches Gleichgewicht zwischen direkten und indirekten Signalwegen. Neuron. 2018;99:493–510.e4.

CAS PubMed PubMed Central Google Scholar

Scharfman HE. Die rätselhafte Mooszelle des Gyrus dentatus. Nat Rev Neurosci. 2016;17:562–75.

CAS PubMed PubMed Central Google Scholar

Oh SJ, Cheng J, Jang JH, Arace J, Jeong M, Shin CH, et al. Beteiligung von Mooszellen im Hippocampus an Verhaltens- und neurogenen Reaktionen auf die Behandlung mit chronischen Antidepressiva. Mol Psychiater. 2020;25:1215–28.

CAS Google Scholar

Huang GJ, Ben-David E, Piella AT, Edwards A, Flint J, Shifman S. Neurogenomischer Beweis für einen gemeinsamen Mechanismus der antidepressiven Wirkung von Bewegung und chronischem Fluoxetin bei Mäusen. Plus eins. 2012;7:e35901.

CAS PubMed PubMed Central Google Scholar

Lee JH, Ko E, Kim YE, Min JY, Liu J, Kim Y, et al. Analyse des Genexpressionsprofils von Genen im Ratten-Hippocampus von mit Antidepressiva behandelten Ratten mithilfe eines DNA-Mikroarrays. Bmc Neurosci. 2010;11:152.

CAS PubMed PubMed Central Google Scholar

Wong RY, Oxendine SE, Godwin J. Verhaltens- und neurogenomische Transkriptomveränderungen bei wild stammenden Zebrafischen unter Behandlung mit Fluoxetin. Bmc-Genom. 2013;14:1–13.

Google Scholar

Wang WW, Gallo L, Jadhav A, Hawkins R, Parker CG. Die Arzneimittelfähigkeit gelöster Träger. J Med Chem. 2020;63:3834–67.

CAS PubMed Google Scholar

Also HC, Chau CK-L, Lau A, Wong SY, Zhao K. Umsetzung von GWAS-Ergebnissen in Therapien für Depressionen und Angststörungen: Gen-Set-Analysen zeigen eine Bereicherung psychiatrischer Arzneimittelklassen und Auswirkungen auf die Neupositionierung von Arzneimitteln. Psychol Med. 2019;49:2692–708.

PubMed Google Scholar

Wu W, Howard D, Sibille E, French L. Differenzielle und räumliche Expressionsmetaanalyse von Genen, die in genomweiten Assoziationsstudien zu Depressionen identifiziert wurden. Transl. Psychiater. 2021;11:8.

CAS Google Scholar

Nestler EJ, Carlezon WA. Der mesolimbische Dopamin-Belohnungskreislauf bei Depressionen. Biologische Psychiatrie. 2006;59:1151–9.

CAS PubMed Google Scholar

Chau DT, Rada PV, Kim K, Kosloff RA, Hoebel BG. Fluoxetin lindert Verhaltensdepressionen und verringert gleichzeitig die Acetylcholinfreisetzung in der Hülle des Nucleus accumbens. Neuropsychopharmakologie. 2011;36:1729–37.

CAS PubMed PubMed Central Google Scholar

Seager MA, Barth VN, Phebus LA, Rasmussen K. Die chronische gleichzeitige Verabreichung von Olanzapin und Fluoxetin aktiviert Locus-coeruleus-Neuronen bei Ratten: Auswirkungen auf die bipolare Störung. Psychopharmakologie. 2005;181:126–33.

CAS PubMed Google Scholar

Videbech P. PET-Messungen des Glukosestoffwechsels und des Blutflusses im Gehirn bei schweren depressiven Störungen: eine kritische Überprüfung. Acta Psychiat Scand. 2000;101:11–20.

CAS PubMed Google Scholar

Picard M, McEwen BS, Epel ES, Sandi C. Eine energetische Sicht auf Stress: Fokus auf Mitochondrien. Vorderes Neuroendokrin. 2018;49:72–85.

CAS Google Scholar

Allen J, Romay-Tallon R, Brymer KJ, Caruncho HJ, Kalynchuk LE. Mitochondrien und Stimmung: Mitochondriale Dysfunktion als Schlüsselfaktor bei der Manifestation von Depressionen. Vordere Neurosci. 2018;12:386.

PubMed PubMed Central Google Scholar

Manji H, Kato T, Prospero NAD, Ness S, Beal MF, Krams M, et al. Beeinträchtigte mitochondriale Funktion bei psychiatrischen Erkrankungen. Nat Rev Neurosci. 2012;13:293–307.

CAS PubMed Google Scholar

Mayberg HS, Brannan SK, Tekell JL, Silva JA, Mahurin RK, McGinnis S, et al. Regionale metabolische Wirkungen von Fluoxetin bei schwerer Depression: serielle Veränderungen und Zusammenhang mit der klinischen Reaktion. Biologische Psychiatrie. 2000;48:830–43.

CAS PubMed Google Scholar

Filipović D, Costina V, Perić I, Stanisavljević A, Findeisen P. Die chronische Behandlung mit Fluoxetin lenkt den Energiestoffwechsel in Richtung des Zitronensäurezyklus und der oxidativen Phosphorylierung in nichtsynaptischen Mitochondrien des Hippocampus der Ratte. Gehirnres. 2017;1659:41–54.

PubMed Google Scholar

Villa RF, Ferrari F, Bagini L, Gorini A, Brunello N, Tascedda F. Mitochondrialer Energiestoffwechsel des Ratten-Hippocampus nach Behandlung mit den Antidepressiva Desipramin und Fluoxetin. Neuropharmakologie. 2017;121:30–38.

CAS PubMed Google Scholar

de Oliveira HERR. Fluoxetin und die Mitochondrien: ein Überblick über die toxikologischen Aspekte. Toxicol Lett. 2016;258:185–91.

PubMed Google Scholar

Agostinho FR, Reus GZ, Stringari RB, Ribeiro KF, Ferreira GK, Jeremiah IC, et al. Die Behandlung mit Olanzapin plus Fluoxetin verändert die Aktivität der mitochondrialen Atmungskette im Gehirn von Ratten. Acta Neuropsychiatr. 2011;23:282–91.

PubMed Google Scholar

Perić I, Costina V, Stanisavljević A, Findeisen P, Filipović D. Proteomische Charakterisierung des Hippocampus chronisch sozial isolierter Ratten, die mit Fluoxetin behandelt wurden: Depressionsähnliches Verhalten und Fluoxetin-Wirkmechanismus. Neuropharmakologie. 2018;135:268–83.

PubMed Google Scholar

Hunter RG, McCarthy KJ, Milne TA, Pfaff DW, McEwen BS. Regulierung der H3-Histonmethylierung im Hippocampus durch akuten und chronischen Stress. Proc Natl Acad Sci. 2009;106:20912–7.

CAS PubMed PubMed Central Google Scholar

Schmauss C. Ein HDAC-abhängiger epigenetischer Mechanismus, der die Wirksamkeit des Antidepressivums Fluoxetin verstärkt. Sci Rep. 2015;5:8171.

CAS PubMed PubMed Central Google Scholar

Robison AJ, Vialou V, Sun HS, Labonte B, Golden SA, Dias C, et al. Fluoxetin verändert epigenetisch den Camkiiα-Promotor im Nucleus accumbens, um die ΔFosB-Bindung und die antidepressive Wirkung zu regulieren. Neuropsychopharmakologie. 2014;39:1178–86.

CAS PubMed Google Scholar

Castro JP, Wardelmann K, Grune T, Kleinridders A. Mitochondriale Chaperone im Gehirn: Schutz der Gehirngesundheit und des Stoffwechsels? Vorderes Endokrinol. 2018;9:196.

Google Scholar

Wilkinson MB, Xiao G, Kumar A, LaPlant Q, Renthal W, Sikder D, et al. Imipramin-Behandlung und -Resilienz zeigen in Depressionsmodellen eine ähnliche Chromatinregulation im Nucleus accumbens der Maus. J Soc Neurosci. 2009;29:7820–32.

CAS Google Scholar

Sramek JJ, Cutler NR. Der Einfluss des Geschlechts auf Antidepressiva. Curr Top Behav Neurosci. 2011;8:231–49.

CAS PubMed Google Scholar

Zammataro M, Merlo S, Barresi M, Parenti C, Hu H, Sortino MA, et al. Eine chronische Behandlung mit Fluoxetin induziert geschlechtsabhängige analgetische Wirkungen und moduliert die HDAC2- und mGlu2-Expression bei weiblichen Mäusen. Front Pharmacol. 2017;8:743.

PubMed PubMed Central Google Scholar

Adzic M, Brkic Z, Bulajic S, Mitic M, Radojcic MB. Antidepressive Wirkung auf mitochondriale Dysfunktion bei psychiatrischen Erkrankungen. Drug Dev Res. 2016;77:400–6.

CAS PubMed Google Scholar

de Campos RRM, Toscano AE, Gouveia HJCB, Lacerda DC, Pereira SDC, de Paz IAASG, et al. Die Fluoxetin-Exposition bei Neugeborenen verzögert die Reflexontogenese, die somatische Entwicklung und die Nahrungsaufnahme in ähnlicher Weise bei männlichen und weiblichen Ratten. Can J Physiol Pharm. 2021;99:490–8.

CAS Google Scholar

Mitic M, Brkic Z, Lukic I, Adzic M. Konvergenz der Glykogensynthasekinase 3β und GR-Signalisierung als Reaktion auf die Behandlung mit Fluoxetin bei chronisch gestressten weiblichen und männlichen Ratten. Behav Brain Res. 2017;333:295–303.

CAS PubMed Google Scholar

Khan A, Brodhead AE, Schwartz KA, Kolts RL, Brown WA. Geschlechtsunterschiede in der Reaktion auf Antidepressiva in aktuellen klinischen Studien zu Antidepressiva. J Clin Psychopharm. 2005;25:318–24.

Google Scholar

Yang SJ, Kim SY, Stewart R, Kim JM, Shin IS, Jung SW, et al. Geschlechtsspezifische Unterschiede in den 12-wöchigen Behandlungsergebnissen mit Antidepressiva für eine naturalistische Sekundärversorgungskohorte: Die CRESCEND-Studie. Psychiat Res. 2011;189:82–90.

Google Scholar

Bolea-Alamanac B, Bailey SJ, Lovick TA, Scheele D, Valentino R. Weibliche Psychopharmakologie ist wichtig! Auf dem Weg zu einer geschlechtsspezifischen Psychopharmakologie. J Psychopharmacol. 2018;32:125–33.

CAS PubMed Google Scholar

Referenzen herunterladen

Diese Arbeit wurde durch Zuschüsse von A*STAR (Ref.-Nr. H18/01/a0/020) und der Hope for Depression Research Foundation (HDRF, Ref.-Nr. 840013) unterstützt. Wir danken Xing Liang Liu, Bobby Ranjan, Mohammad Amin Honardoost, Xin Lixia, Ziyi Yang und Meera Makheja für ihre Unterstützung in der Anfangsphase dieser Arbeit und bei der Software-Fehlerbehebung. Abbildungstafel 6 wurde mit BioRender.com und Ingenuity erstellt.

Diese Autoren haben gleichermaßen beigetragen: Vibhor Kumar, Jonathan Aow.

Diese Autoren haben gleichermaßen beigetragen: Naghmeh Rastegar, Michelle Gek Liang Lim, Nicholas O'Toole.

Diese Autoren haben diese Arbeit gemeinsam betreut: Michael J Meaney, Shyam Prabhakar.

Genome Institute of Singapore, Agentur für Wissenschaft, Technologie und Forschung (A*STAR), Singapur, 138672, Singapur

Nirmala Arul Rayan, Vibhor Kumar, Jonathan Aow, Michelle Gek Liang Lim, Edita Aliwarga, Hui Ting Grace Yeo, Jen Yi Wong, May Yin Lee, Florian Schmidt, Hajira Shreen Haja, Wai Leong Tam und Shyam Prabhakar

Douglas Mental Health University Institute, Abteilung für Psychiatrie, McGill University, Montréal, H4H 1R3, QC, Kanada

Naghmeh Rastegar, Nicholas O'Toole, Danusa Sea Maple, Tie-Yuan Zhang, Josie Diorio, Carine Parent und Michael J Meaney

Abteilung für Psychiatrie, Columbia University und Research Foundation for Mental Hygiene, New York State Psychiatric Institute, 1051 Riverside Drive, New York, NY, 10032, USA

Christoph Anacker & Rene Hen

Singapore Institute for Clinical Sciences, A*STAR, Singapur, 117609, Singapur

Michael J. Meaney

Brain – Body Initiative, Institut für Zell- und Molekularbiologie, A*STAR, Singapur, Singapur

Michael J. Meaney

NUS Yong Loo Lin School of Medicine, National University of Singapore, Singapur, Singapur

Michael J. Meaney

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Konzeptualisierung und Studiendesign: NAR, MJM, SP; Tierbehandlung: NR, DA, CP, TYZ, JD; Datengenerierung: NAR, MGLL, EA; Experimente und Validierungen: NAR, MGLL, JYW, MYL.; Datenanalyse: VK, JA, NAR, NO, GY, FS; Datenkuration: FS, HS.; Schreiben – Originalentwurf: NAR.; Schreiben – Überprüfung und Bearbeitung: NAR, JA, SP, MJM, Finanzierungsakquise: SP, MJM; Ressourcen und Beratung: CA, RH; Aufsicht: SP, MJM. Alle Autoren diskutierten die Ergebnisse und trugen zum Manuskript bei.

Korrespondenz mit Michael J Meaney oder Shyam Prabhakar.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Rayan, NA, Kumar, V., Aow, J. et al. Die integrative Multi-Omics-Landschaft der Fluoxetin-Wirkung in 27 Gehirnregionen zeigt einen globalen Anstieg des Energiestoffwechsels und der regionsspezifischen Chromatin-Remodellierung. Mol Psychiatry 27, 4510–4525 (2022). https://doi.org/10.1038/s41380-022-01725-1

Zitat herunterladen

Eingegangen: 15. März 2022

Überarbeitet: 21. Juli 2022

Angenommen: 26. Juli 2022

Veröffentlicht: 02. September 2022

Ausgabedatum: November 2022

DOI: https://doi.org/10.1038/s41380-022-01725-1

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt