Stroke：利用人类遗传学理解缺血性卒中预后的机制

缺血性中风是一个具有重大社会和经济影响的全球性健康问题，因此迫切需要阐明缺血性中风后脑损伤、修复和恢复的分子机制。尽管已经经历了50年的潜心研究，但仍然没有被广泛接受的减轻缺血性脑损伤的神经保护药物，也没有神经修复药物，也没有指导治疗以促进恢复的个性化方法。本文探讨的是逆向转化的新方法将补充传统的正向转化的方法用以识别与人类中风相关的预后机制。虽然全基因组关联研究已经获得了30多个影响缺血性卒中风险的基因位点，但只有少数全基因组关联研究用于卒中预后。本文讨论了缺血性卒中预后基因研究的重要考虑因素，包括以卒中发病时间为基础，精心设计的表型，和损伤/恢复机制。本文还根据最新的全基因组关联分析讨论了脑损伤和修复的潜在机制。有几个计划正在寻求与中风结果相关的新表型基因组关联。为了加强对缺血性卒中预后遗传结构的理解，作者使用标准化的表型进行更大规模的研究。除了全基因组关联分析等新技术-信息学，多组学，和新分析方法，有望从药物靶点和其他新干预来揭示遗传和分子通路。本文发表在 Stroke杂志。

关键词：脑损伤◼遗传结构◼遗传学◼缺血性脑卒中◼结果研究◼表型◼预后

由于长期残疾对社会和经济的影响，中风的预后目前是卒中遗传学关注的焦点。这增加了理解损伤和修复机制的紧迫性。人口统计学，疾病和遗传因素影响急性和长期卒中。使用基因组策略，例如基因组关联性研究（GWAS），对于寻找复杂性状和疾病的潜在遗传风险因素非常有用，并有望识别新的潜在治疗靶点。尽管与卒中风险有关的遗传风险位点数量较多（>30个），但只有少数与卒中预后有关。与卒中预后相关的遗传因素可能与影响卒中风险的遗传因素不同，强调了需要更多关于卒中预后的遗传研究。

由于人口老龄化和生存率的提高，中风幸存者的数量正在增加。在全球范围内，中风仍然是导致死亡和残疾的第二个主要原因。基于全球中风患者数量，在中风预后/恢复方面小的改善也可能对健康和经济成本的降低产生重大的影响。尽管有5年的缺血性脑损伤机制研究，但目前还没有广泛接受的神经保护药物用于治疗急性缺血性卒中。这种失败（从机制到临床）使得有必要重新考虑神经保护研究替代方法，包括逆转化方法（引起卒中患者的观察结果），即基因组学和其他组学技术。此外，即使在具有相似初始中风风险的患者中，长期预后再临床观察中也表现出异质性，迄今为止，卒中预后恢复的机制未知，包括遗传因素对恢复机制可能产生的影响。这使基因组方法具有吸引力，因为这些方法会推动表型和遗传因素多样性的研究。在本文中，作者描述了对早期和长期缺血性卒中预后基因研究的当前进展和面临的挑战。既要考虑在特定时间点通过功能程度描述的卒中结果；也要考虑随时间改善（或恶化）的卒中恢复，才能更好地识别动态生物过程。作者突出了动态表型的重要性，这些表型可能捕获中风后损伤修复期间涉及的相关机制。作者还讨论了包括GWASs在内的遗传学研究，如何利用这些表型来揭示从早期脑损伤到长期康复过程中影响中风的基因和途径。作者最后研究了除GWAS以外的新方法，以发现减轻脑损伤、增强脑修复并最终改善缺血性中风后恢复的治疗方法。

卒中的潜在机制

缺血性卒中的结果是指在中风发作后发生的所有病理机制、恢复和自适应过程的总和。这些过程是复杂和多维的：（1）在规模/类型上，涉及分子和细胞机制，最终体现在器官和系统水平上；（2）在空间/位置上，梗死核心区、半暗带区、梗死周围区以及整个大脑中相互连接的区域涉及不同的机制；（3）在时间上：从急性缺血性损伤开始的这些复杂过程的时间序列，进行到亚急性继发性损伤，最终到慢性脑修复和恢复过程。例如，早期缺血性脑损伤涉及宏观血管机制，包括血管阻塞，以及脑组织再通和挽救的可能性。在组织水平，缺血性脑损伤涉及病理生理过程：CBF下降，能量负荷，缺血，最终可能导致不可逆的梗死。这是伴随细胞和分子水平，通过兴奋性毒性，炎症和自由基产生导致神经元死亡。在缺血期间和缺血后的急性期和亚急性期，血脑屏障破坏，水肿形成和出血性转化等宏观的损伤机制可以产生长期影响。这些宏观过程与不同的细胞和分子机制有关，并且可以通过外部影响改变，例如R-TPA（重组组织型纤溶酶原激活剂）治疗和血栓切除术。

在中风后的亚急性期到慢性期，有一个从损伤到修复和适应的转变，关联上可能会触发大脑修复过程的炎症。脑修复涉及高度协调的细胞和分子过程，临床上表现为恢复。这些过程包括功能修复或重新映射，其在宏观水平涉及回路修复（轴突出芽、伸长，突触形成等过程）。也涉及血管生成和神经发生等其他机制。这些修复机制受到环境刺激的影响，如康复治疗。

最终，中风后的长期预后取决于所有这些复杂和相互作用的损伤修复过程。对中风和脑修复的细胞和动物模型的研究有助于侵入性技术，允许跨尺度、空间和时间检查涉及缺血性脑损伤的机制，参与脑梗死后的脑修复，但在人类中风中验证这些特定机制并不总是可能的。影响长期预后的生物机制也受到一些与原始缺血性脑损伤不直接相关的因素的影响，例如康复治疗，生活定位（包括适应和应对日常生活中中风后果的策略），复发以及感染和并发症。在急性缺血性脑损伤期间的内源性神经保护机制已经在细胞和动物模型中进行了很好的研究。据估计，已经确定了超过1000个潜在的药物靶点，其中只有少数人在急性缺血性中风的人体试验中接受了测试，几乎所有人都是阴性的。这对与人疾病相关的机制和/或动物模型的有效性产生质疑，将从临床前研究到临床鉴定的转变试验确定为药物开发的瓶颈。

因此，尽管已经做出了巨大的努力，传统的转化策略尚未产生广泛接受的神经保护药物。失败的一个原因可能是试验选择患者不太可能受益于神经保护措施：重点选择中风严重的患者有会导致成功的可能性。然而，还需要替代方法来补充。反向转化法-使用仔细制作的临床表型与基因组学方法组合可以证实或识别人类中风预后的新机制。了解缺血性卒中后各种预后表型的遗传结构将在中风损伤恢复遗传谱上提供分子机制的新见解。

遗传因素对卒中预后的影响本身是多方面的。基因的激活或抑制取决于若干因素。脑卒中后的诱导基因表达可能具有随时间变化的刺激和抑制作用。对基因组影响也很重要，将在下面更详细地讨论。例如表观遗传学，包括环境诱导DNA甲基化——可以长期影响基因表达。在转录组和蛋白质组中反映的下游过程的调节受到中风（依赖于严重程度和时间）的影响，并且由不同细胞类型调节，因此与整个寿命周期中保持恒定的基因组相比更难以解释。

设计实验以发现卒中的潜在机制

遗传学研究可以通过使用可定量的多种表型/生物标志物研究影响缺血性卒中后的恢复机制。如上所述，脑损伤恢复是一系列复杂的相互作用的最终结果，这些过程随时间而发展，在中风后立即开始并持续几天，月，甚至可能是多年的。这些机制可能表现在临床，神经成像和/或生物标志物特征的改变。例如，继发性脑损伤机制可能表现出临床恶化和CT神经影像变化。可以使用临床量表测量这些特征（例如，国家卫生学院卒中量表[NIHSS]或Glasgow Coma Scale随着时间推移的变化）并通过CT扫描的量化，为基因组研究提供定量表型，以研究潜在的遗传机制。研究的最终目标是鉴定影响感兴趣表型的基因和途径，从而筛选出合适的治疗靶点的机制，并对中风损伤和恢复中涉及的许多潜在的分子机制更加了解。因此，遗传学研究可以利用宏观临床/神经影像表型，并突破中风预后宏观和分子机制的界限。

时间是脑卒中后确定损伤和恢复的关键因素。神经退化和功能恢复意味着随着时间的推移神经/功能状态发生变化。因此，动态测量表型的时间演变可能是中风预后的遗传研究方法。静态和动态测量所传达的不同信息的一个例子是缺血性卒中后24小时内NIHSS变化的研究。神经功能缺损，如NIHSS测量，在中风发作后的最初24小时内高度动态，一些患者呈现出快速恶化，而另一些患者表现出快速改善。这些动态的变化可以通过在NIHSS评分的差异来测量。例如，ΔNIHSS24h被定义，NIHSS在6小时的测量值的减去24小时的测量值（正ΔNIHSS24h表示改善；负ΔNIHSS24h表示恶化）。此外，影响这些指标的变量也是相互独立的。TOAST（ORG 10172在急性中风治疗中的试验）病因对静态6小时NIHSS有重大影响，但对24小时NIHSS几乎没有影响。另一方面，早期复发和出血性转化对ΔNIHSS具有重大影响，但对6或24小时NIHSS的影响较小。因此，NIHSS的静态与动态测量有着不同的机制。以类似的方式，与90天功能结果的变化相比，90天功能结果的静态测量也有着不同的机制。实际上，中风后功能丧失的恢复阻碍了中风的恢复，因此时间是与功能变化相关的关键因素。发展遗传学研究的信息表型的另一个考虑因素是神经功能缺陷与功能预后的比较。国际残疾的分类形成了一个评估中风预后的平台，可以分为：（1）神经/身体缺陷；（2）功能能力；（3）社会参与和这些一起构成卒中恢复的不同临床量表。临床试验往往依赖于功能能力尺度（例如，改进的Rankin量表，Barthel指数，以及Glasgow量表）。这些变化可能是如此之小，因为他们从患者的角度来说都没有临床意义，可以说生活质量和社会参与应该更加高度重视。然而，对于旨在发现损伤/恢复涉及的生物机制的遗传研究，高分辨率的测量更有可能具有信息性的。因此，神经缺陷尺度（例如，Fuglmeyer测试和动作研究测试）显示出更多与遗传生物学有关的信息。此外，定量量表更容易检测到随时间变化的较小变化，并提供更大的统计能力。遗传分析利用内表型，定义为中间表型（例如神经影像），是研究中风预后的替代方法。内表型是更稳定（同质）的特征，有助于理解更复杂、异质表型（如临床表型）的遗传结构。例如，出血性转化是能够解释急性和长期预后的内表型。因此，遗传因素又可以与更复杂表型影响中风预后。

神经影像表型还可以捕获伤害/恢复的相关机制。目标测量（如梗死体积、水肿、出血、白质纤维束造影和功能连接）使内表型更接近遗传生物学，为检测基因关联提供了更大的能力。时间序列很重要，因为脑梗的动态变化可能发生在中风发作后的24小时内，可能发生动态神经表型变化的另一个例子是脑水肿，其中常用的临床量表是中线移位。其中一个缺点是它发生在后期且具有有限的动态范围。在中风（ΔCSF）后另一个与水肿相关的定量表型为总脑脊液（CSF）体积随时间的变化。CSF体积变化ΔCSF24H大部分发生在前24小时内，具有广泛的动态范围，以及预测中线移位和恶性水肿。机器学习算法可自动化ΔCSF24H的量化，可以快速评估，高精度的用于量化未来大规模基因组研究的神经影像数据。其他有前景的功能性神经影像学方法包括中风急性期的核心半暗带不匹配、侧支血流测量和脑血流的动态变化。用于选择血栓切除术候选者的急性缺血性卒中算法依赖于许多功能成像方法——为大量患者提供丰富的神经成像表型。捕获脑修复和重组机制的其他神经影像方法包括功能连接性磁共振成像、磁共振纤维束成像和功能重映射测量。这些有望成为未来有关脑损伤和修复机制的遗传学研究的信息性表型。血液生物标志物也可以是表型，有望为理解卒中结局的潜在机制提供信息，遗传变异可以影响血液生物标志物的水平。感兴趣的领域包括炎症，凝血，细胞外基质，内皮功能和血脑屏障破坏的标志物。表型/内表型应该来自常规的护理评估，而不增加医院工作人员的工作负担，并在跨多个区域有效的标准化。最近提出了从预后结果研究中风急性和长期预后从而获得大型数据集的建议。特定表型和结果评估的选择应取决于中风被试者中存在的神经缺陷类型以及急性或长期预后是否是在一个具体的研究中使用遗传探索病程中的机制。

图：从表型到基因型再到机制

这是一个假定的工作流程，利用中风发病后不同时间的临床和神经影像学表型进行全基因组关联研究（GWAS）。该图仅举例说明了许多可能的表型和测量方法，可用于研究中风预后的遗传学机制。与每个表型的基因相关的全基因组相关位点提供了损伤恢复时间线不同阶段涉及的重叠机制的见解。Δ表示两个时间点之间的变化；6小时的NIHSS减去24小时的NIHSS；功能磁共振成像；功能连接磁共振成像；改良Rankin量表；美国国立卫生研究院卒中量表。

表1可能有助于卒中预后的遗传学研究表型

利用遗传学探索卒中预后的潜在机制

缺血性卒中损害和恢复的遗传研究可用于回答几项研究问题，临床上具有重要的治疗意义（表2），并能识别干预潜在目标。靶标干预缺血性脑损伤或刺激大脑可塑性以提高中风恢复，目标是在中风后改善临床有意义的长期预后。过去的历史表明，识别这些靶标所需的花费可能是昂贵的，并且众多临床试验的失败令人沮丧。但是将康复治疗与迷走神经刺激相结合的新方法可能有益。

近期大型制药公司的药物中，覆盖众多药物靶标（包括例如肌肉骨骼，代谢，炎症，心血管和神经靶标），如果使用人类遗传数据独立地确认药物靶标，则靶向临床疗效可能达到药物管理批准的两倍。这些改善可以减少对靶向药物研究的时间和金钱的投资。几家药物公司投资人类遗传学，以提高检测新药理学治疗的几率。为此，遗传学可以作为传统的前向转化方法有用的补充。表2遗传学发现对治疗的影响示例

为了揭示与中风预后相关的遗传变化，可以考虑许多不同的遗传分析方法：单基因疾病检查，候选基因方法和GWAS，可以提供与卒中结果有关的机制的线索。例如，在脑常染色体显性动脉瘤中具有皮质梗死和白细胞病患者受损的认知功能与血管内连接性和局部脑活动降低有关。假设检验候选基因的方法在特定基因变异与临床特征之间的关联，也被用来探索可能的遗传关联。已获得兴趣的基因包括BDNF（脑源性生长因子）及其RS6265 VAL66MET突变，ApoE（载脂蛋白E），VEGF（血管内皮生长因子），COX-1（环氧化酶-1），COX-2（环氧化酶-2）。然而，候选基因的选择是基于对机制和疾病的前瞻性思想。此外，已显示候选基因研究产生高假阳性率，并且往往难以在更大的研究中重复。发表偏见也可能混淆这些结论，因为正面关联比负面关联更容易发表。候选基因研究可用来确认/复制GWAS的发现。

GWAS方法的优点是无偏见（在整个基因组中搜索数十万/数百万个单核苷酸多态性以寻找基因关联）。因此，GWASs是不可知论的，可以产生意料之外的结果，表明新的机制；并确认已知机制（通常验证方法）。此外，GWASs的重现性非常好，可以在不同人群的独立实验室中进行验证。GWASs由遗传和表型多样性驱动。然而，GWASs通常需要大量受试者（数千到数万）来检测具有全基因组统计意义的基因关联。这只能通过结合大量队列和多项研究来实现。但是存在这样一种风险，即研究之间的表型不协调，也可能不够详细，无法进行定量内表型研究。GWAS可用于研究拷贝数变化，有一项研究报告基因失衡与卒中后3个月的不良预后有关。其他基因方法，如全外显子组测序或全基因组测序，是有希望的，但由于成本高，实施仍然有限。人类疾病GWASs主要采用病例对照设计，将一组病例中的基因型频率与匹配的对照组进行比较。许多病例已经通过对照GWAS检查了中风风险。然而，很少有基因研究检测中风后的结果。通过设计，这些研究不同于传统的病例对照设计，因为它们只涉及病例（无对照），并且经常检查定量结果相关特征。随着时间的推移，可以对个体受试者以及不同结果和表型的受试者进行比较。与二元病例对照性状GWASs相比，这些数量性状GWASs具有提供更多检测遗传效应能力的优势。

卒中涉及的神经学表型，遗传学和机制的证据

我们讨论了与中风结局相关的多种临床和神经影像学特征，这些特征可能被用作GWAS的表型或内表型。但是，这些表型是否能产生与人类卒中结果相关的基因和途径？

目前，有几个研究小组已经研究了缺血性卒中发病后损伤恢复谱中的不同表型，以利用GWAS捕捉遗传机制。下面我们使用急性期、亚急性期和慢性期中风的表型/内表型讨论4个GWASs。

GENISIS研究（缺血性卒中后早期不稳定性的遗传学）使用GWAS检查卒中急性期的预后，并在中风后24小时内捕获神经系统缺陷（改善/恶化）的演变，ΔNIHSS24h定义为NIHSS在卒中后的6小时和24小时内的差异（见上文）。七个基因座与ΔNIHSS24H显著相关（表3）。在这些基因座中，ADAM23和GRIA1中的两个基因在神经元中表达，特别是在兴奋性突触中。两种蛋白（Adam23 [去整合素和金属蛋白酶23]和AMPA [α-氨基-3-羟基-5-甲基-4-异恶唑丙酸]亚型1）是调节神经元兴奋性的突触蛋白复合物的一部分。这些结果提供了第一个遗传证据，即兴奋毒性与人类急性缺血性卒中有关。这是值得注意的，因为急性缺血性中风试验未能证明抗兴奋毒性药物的有效性。因此，早期试验结果的重新审查可能具有价值，特别是因为许多早期抗兴奋毒性药物的临床试验可能缺乏严谨，未能确认靶点参与相关治疗的时间窗口。

该研究还表明，常见的遗传变异占ΔNIHSS24h差异的8.7％，新检测到的7个遗传基因座仅占2.1％。因此，仍有许多额外的基因座有待被发现。

表3与GWASs的急性/长期表型最显著相关的独立SNV

除了急性脑缺血的直接影响外，其他的损伤机制，如出血性转化，水肿形成和传染性并发症，可能会影响卒中后的预后。通过具有实质血肿的头部CT图像定义的GWAS，其在r-tPA治疗的急性缺血性脑卒中患者中，检测到位于ZBTB46基因中的基因组变异（rs76484331）与血肿有关数据显著相关（n = 1324，p = 1.61×10-8）并在独立样本中重复（n = 580，p = 0.01）。编码蛋白是在大脑中表达的转录因子。有趣的是，对包括基线NIHS，性别和年龄（P = 0.01）逻辑回归后，具有3506个与血肿相关的遗传变异的多基因风险评分也与3个月的残疾/死亡率有关。本研究证实了使用内表型的策略研究更复杂的变量，如急性和长期预后。水肿易感风险可以通过连续CT扫描和自动化机器学习方法研究（见上文），然而，需要更多的研究，考虑到水肿形成的途径，包括初始中风严重程度，血液流动和再灌注状态。对于GWAS，需要大量的被试。如今，水肿风险最大的大血管阻塞患者的标准护理涉及广泛的神经成像（CT，越来越多的是CT血管造影、CT灌注成像，有时还有磁共振成像），这些将提供所需的数据。

在缺血性卒中后，两种GWAS用改良Rankin量表检测了缺血性脑卒中后的长期预后。在GODS研究中，作者用严格标准检查了2482名中风患者，不包括残疾患者或轻微中风。PATJ基因中的单一核苷酸变体与长期预后相关。通过该基因编码的蛋白质定位在上皮细胞的顶部膜上。PATJ在大脑中内皮细胞中表达，可能与血脑屏障稳态相关联。这些发现强调了遗传表型中风预后研究的重要性。缺血性卒中患者卒中后的第二个GWAS共研究了6165名患者。本研究中使用的表型是在中风发作后在60至190天测量的Rankin标度评分。作者发现了LOC105372028中的基因组显著多态性。该基因座是一个表达定量特质基因座PPP1R21编码蛋白质磷酸酶1的调节亚基，并涉及脑的可塑性。研究局限性包括异质时间点（60-190天），缺乏关于r-tPA治疗的数据，以及在中风发生前可能存在残疾。因此，这些发现应该在独立的队列中验证。脑血管门户网站提供了GISCOME数据，以进一步研究长期卒中结果，例如中风预后的GWAS已经证明了发现涉及损伤恢复谱的遗传机制的方法的可行性。未来GWAS研究的重要考虑因素包括：（1）精心设计接近遗传生物学的表型和内表型；（2）严格计算卒中发病后的时间和卒中严重程度；（3）捕获病理生理学或修复过程演变的动态措施。这些研究的可行性关键在于这些表型的标准化，其应保持接近护理实践的标准，以达到GWAS所需的大量患者。通过检查多种表型的遗传结果，可能会出现损害恢复谱中的整体遗传图谱。许多遗传表型结合可能涉及重叠的变异，基因或途径。

超越单基因遗传分析/GWAS

生物信息学，表观基因组学、转录组学等都是重要的工具，可与遗传数据组合使用以改善对疾病的理解或找到潜在的药物靶点。例如，遗传信息GWAS可以与强大的信息工具组合，以找到与特征或疾病相关的基因和生物途径。这些工具来确定生物学在超越单基因中的途径。它们还可以将生物途径与药物靶标匹配，以确定可能介入相关机制的潜在药物。

以类似的方式用于发现多种相关的遗传变异，可以使用单遗传变异来发现多种相关的表型。这些相关性研究使用良好的表型注释（例如，来自患者的医疗记录和诊断）与单一遗传变异的关联，有可能将不同的疾病或特征与一种共同的遗传机制联系起来，并增加对疾病过程的了解。遗传相关分析还检验了由于重叠遗传贡献而导致的两个性状或疾病的方差比例。遗传相关工具的实例包括GNOVA和LD得分。在对r-tPA治疗的急性中风患者的一个分析中，相关遗传学表明，自发的脑出血亚型与r-tPA诱导的出血性转化有关，表明有关的风险因素可能对r-tPA诱导的出血性转化是重要的。其他组学方法，如表观性状，转录组学和蛋白质组学，补充机制的发现，超过了单独的基因组学研究。基因组-DNA甲基化位点（CpG位点）应用于缺血性卒中风险研究（EWAS）。这些EWAS使用DNA甲基化芯片，可评估高达80万个CpG位点。DNA甲基化数据可用于计算可能与不同年龄与长期中风预后相关。共进行了643例急性缺血性卒中患者的急性和亚急性阶段DNA甲基化的EWAS，住院期间的神经恶化与EXOC4基因的低甲基化有关，该蛋白参与神经元突触囊泡运输的Exo囊肿复合体的组分。

转录组和蛋白质组学方法是高通量的方法，用于检查组织或生物中表达的完整mRNA或蛋白质。转录组或蛋白质组学研究的讨论超出了本综述的范围，并已发表在其他地方。转录组和蛋白质组学技术通过扩大分析对下游基因产物及其相关的复杂调节来补充基因组方法及其在中风损伤和恢复方面的复杂调节。跨组学的大数据集成，多组学扩展生物途径阵列（跨DNA，RNA，蛋白质和代谢组），转录组学研究的问题包括对样本组织的可用性和RNA来自众多细胞类型，使得难以解释批量的转录组数据。虽然存在能够捕获单个细胞（例如，激光微散）的技术，但达到有显著结果的数量是困难的。单细胞转录组学可以量化从来自组织样品中解离的个体细胞和不同细胞类型的单个细胞中的mRNA簇。这种强大的技术允许更深入地了解单细胞分辨率下的遗传特征或疾病的细胞反应。还开发了技术以允许在固定的人体组织上进行单细胞转录组研究。转录组学和蛋白质组学数据在中风背景下解释表观遗传性状是具有挑战性的。与在整个寿命中固定的基因组不同，表观簇组，转录组和蛋白质组可能响应于环境而变化。例如，在中风反应中，难以辨别出表观遗传，转录组或蛋白质组变化是由于中风风险与中风的影响。孟德尔随机化的方法，一种可以解决风险因素和疾病或病情（中风结果）的因果关系的方法，可能会解决这个问题。可变因子（即蛋白质或RNA水平）的风险等位基因在群体中随机分布。孟德尔随机化利用这种随机性来构建天然随机临床试验。如果风险等位基因与该疾病有关，则该因素可能与疾病有关。将孟德尔随机化应用于缺血性卒中的遗传学功能结果数据显示，抑郁症与中风预后的恢复不良有关。其他孟德尔随机化研究专注于与中风预后相关的血浆蛋白，例如金属蛋白酶或凝血/纤维蛋白溶解因子。孟德尔分析也用于其他方面，例如药物效力和安全性的估计。使用编码药物靶基因的遗传信息，孟德尔随机化可用于获得基于机制的疗效和不利影响。使用苯胺的关联研究方法，可以识别与药物靶基因的遗传变异相关的潜在特征。随后，磁共振成像分析也用于寻找靶基因的遗传变异的潜在因果关系，从而估算潜在的药物影响。

遗传数据库也可用于预测药物在疾病中的影响。先前的研究通过GWAS研究了600名被试已知的70个靶标，证明了药物靶标的途径。如上所述，研究表明，具有基因组载体的靶标具有更高的成功率。

结论

人类遗传学是研究影响缺血性中风后早期脑损伤和长期康复机制的有力方法。研究设计的关键是开发信息表型和内表型，以捕捉中风发病后损伤修复时间轴中的机制。GWAS是揭示疾病遗传机制的成熟方法。使用这些表型/内表型的脑卒中GWAS已经产生了似乎与损伤/修复机制有关的基因位点和基因，支持这种反向转化方法。无论这些关联是否与潜在的分子机制有关，它们都可能是预测治疗反应和预测预后的有价值的遗传生物标志物。为了确定更多的遗传机制，需要更大的样本量和来自标准护理措施的协调数据集。事实上，国际中风遗传学协会已经推广了标准化表型，用于中风预后的遗传学研究。除了GWAS之外，利用信息学和多组方法的新方法有望发现更多的新的分子途径，鉴定潜在的药物靶标和基因型，预测对特定治疗干预的反应。

Stroke：利用人类遗传学理解缺血性卒中预后的机制相关推荐

NLP实战：利用Python理解、分析和生成文本 | 赠书
导读:本文内容参考自<自然语言处理实战:利用Python理解.分析和生成文本>一书,由Hobson Lane等人所著. 本书是介绍自然语言处理(NLP)和深度学习的实战书.NLP已成为深度 ...
我理解的Hanlder--android消息传递机制
每一个学习Android的同学都会觉得Handler是一个神奇的东西,我也一样,开始我以为我懂了Handler的机制,后来发现自己是一知半解,昨天想想,我能否自己实现一个Handler,让子线程与Ac ...
深入理解 Java 垃圾回收机制
转载自 http://www.cnblogs.com/andy-zcx/p/5522836.html 深入理解 Java 垃圾回收机制一:垃圾回收机制的意义 java 语言中一个显著的特点就是引入 ...
axis2 webService开发附深入理解 Java 垃圾回收机制
相关文章: axis web服务(axis2安装和eclipse.tomcat结合开发) axis2 webService开发 axis2 webService开发(打包aar文件) 使用Axis2开 ...
深入理解深度学习——注意力机制（Attention Mechanism）：自注意力（Self-attention）
分类目录:<深入理解深度学习>总目录相关文章: ·注意力机制(AttentionMechanism):基础知识 ·注意力机制(AttentionMechanism):注意力汇聚与Nada ...
利用stdin stdout stderr及POSIX-linux机制重定向写日志
利用stdin stdout stderr及POSIX-linux机制重定向写日志由open返回的文件描述符一定是该进程尚未使用的最小描述符.由于程序启动时自动打开文件描述符0.1.2,因此第一次调 ...
甘利俊一 | 信息几何法：理解深度神经网络学习机制的重要工具
智源导读:深度学习的统计神经动力学主要涉及用信息几何的方法对深度随机权值网络进行研究.深度学习技术近年来在计算机视觉.语音识别等任务取得了巨大成功,但是其背后的数学理论发展却很滞后.日本理化所的Shu ...
深入理解js的执行机制
写在前面 javascript在浏览器中被浏览器的js引擎执行解释,从执行上下文的角度分析一下js的执行机制执行上下文执行上下文被定义成javascript引擎在处理理解js代码时,所创建的一个动 ...
(转载)彻底理解浏览器的缓存机制
彻底理解浏览器的缓存机制 2018/04/16 概述浏览器的缓存机制也就是我们说的HTTP缓存机制,其机制是根据HTTP报文的缓存标识进行的,所以在分析浏览器缓存机制之前,我们先使用图文简单介绍一下 ...
mysql 锁机制 mvcc_轻松理解MYSQL MVCC 实现机制
轻松理解MYSQL MVCC 实现机制轻松理解MYSQL MVCC 实现机制 #### 1. MVCC简介 ##### 1.1 什么是MVCC MVCC是一种多版本并发控制机制. ##### 1.2 ...

Stroke：利用人类遗传学理解缺血性卒中预后的机制

Stroke：利用人类遗传学理解缺血性卒中预后的机制相关推荐

最新文章

热门文章