... 學會通訊

本篇演講是由基因體定序的觀點來談談精神分裂症的研究，以及試圖找出biomarker的重要性。的確，直到目前為止精神科並仍沒有找出確定的精神分裂症biomarker，但是從治療及預防的觀點來看，這些確實是極需要發展的領域。以下會由較早期的遺傳研究開始，論述到現今的遺傳研究。

家族研究

精神分裂病的家族研究顯示，精神分裂病具有遺傳性；精神分裂病患的家族成員會增加罹患數種精神疾病的機率。從雙胞胎的研究也發現，遺傳因素佔了精神分裂病病因的百分之七十。從領養的研究也發現，若是非精神分裂患者的小孩，並不會因為被患病的父母養育而提高發展出精神分裂症的危險；這也推翻了以往認為精神分裂症和母親教養有關的論點。

在人類基因體定序完成後，研究者做了許多linkage studies希望可以找出和精神分裂症相關的致病基因。但雖然從以往的研究中我們已經了解精神分裂症的發生和遺傳有一定的關連，也有許多研究已經找出幾個可能的危險因子，卻只有少數是可以被重覆驗證的。因為這些研究常常是針對一些已知的系統(如dopamine或glutamate)的gene expression研究，因此即便能找出這些系統的問題，卻無法再找出除此之外的新因素。我們目前的研究方法便是朝這個方向深入並尋求突破。過去genetic study只能由數個特定gene中研究其genome，但是現在genomics的研究，可以研究一個生物體的全部gene，也就進入system biology的觀念。

System biology

在研究一個疾病時，首先要了解影響一個疾病的因素是genetic、environmental或是都有，下一步則是是否可以找出一些和這個病有相關的基因，進而判斷這些基因與疾病是causative或是correlative的，是否有受到藥物或是其他因素的影響，而最終的目標是希望可以治療甚至預防疾病。以往的gene-based study提供了我們單獨檢視數個基因的機會，而Genome-based的研究，則可以檢視所有基因的expression level，而也就是system biology。

現在的genomic study使用的是microarray technology。經由oligonucleotide microarray可以讓我們同時分析數千個基因，方便應用於研究病因複雜的疾病，就如同精神分裂症。這個microarray的缺點則是因為有很多的independent variables，所以增加了false positive的機會。

Sentinel principle

接著，要研究biomarkers，也許可以使用postmortem brain；但是brain已經死亡，而且結果本身也會受到許多因素的干擾，未必是最理想的樣本來源。借鏡其他醫學如內科，都在經由血液研究gene expression，因此，目前我們的團隊希望由血液檢體，特別是白血球來研究精神科的gene expression。但是血液的分析是否就有辦法代表腦中的狀況呢？血液可以被視為一種sentinel tissue，會流經各種器官，與其他系統的組織接觸，代表一個人的健康狀態。使用血液做為檢體的好處是，可以收集更大量的sample size，使用更標準化的技術檢驗，而且對於人體較不具侵犯性。而且在試圖解釋精神疾病，而腦組織是無法取得的狀態下，血液樣本提供了一個研究的好機會。這便稱為sentinel principle。

Gene expression會被各種因素所影響，包括hereditary、external、或是internal因素的影響，而血液則會和所流經的組織的狀態及環境相似；因此，我們從白血球中萃取其RNA，convert為cDNA並amplify，再使用microarray分析，之後使用CORGON及MADCAP降低其false positive，最後再用QRT-PCR證實。

以這種方式，講者及其團隊做了一些研究，並發表了一篇關於使用blood-based genetic expression方式能夠將精神分裂症及燥鬱症分類的研究。在這個研究中，可以從hierarchical cluster of gene expression明顯看出精神分裂症病患、躁鬱症以及健康對照組的血液顯現出其gene pattern的不同。當然這是令人興奮的發現，但是這也僅是代表了更多研究的開始。我們用RT-PCR研究了八個基因，並且發現其中五個在精神分裂症患者當中會up-regulation(APOBEC3B、ATM、CLC、CXCL1、S100A9)，另外三個(CTBP1、ADSS、DATF1)會down-regulation。我們已使用ROC curve analysis檢測病患及對照組結果差異的sensitivity及selectivity。但是，在基因研究中，還有更多的變相需要控制以避免artifact的影響，比如說藥物、飲食等等。所以基因研究的data analysis對於避免false positive 就非常重要。

我們下一步的研究將會以精神分裂症病患、尚未發病的親屬、及健康對照組作為對象。而我們使用CORGON biostatical tool可以降低false positive rate至4.4%。接下來的研究方向也要由brain tissue的研究著手。現在已發現的人類genome sequencing 已經有40,000至60,000個基因，但是生物體遠比這些單獨的基因來得複雜。所以研究必須從單純基因的觀點進展到proteomics。

Proteomics

Proteomics檢視的是基因的functional output，或是genome的protein expression。許多細胞內及細胞外的因素都會影響protein expression，這些因素包括了genetic makeup、ageing、stress、disease、cellular factors及environmental factors。因為蛋白質表現和genome之間是互相影響的，所以細胞的表現型也受到許多pathway(如kreb cycle或apoptosis)的影響。Proteomics就是在研究dynamic、kinetic proteome以及他所反映出的cell的狀況(如disease process或是其他exposure)。每一種細胞都有可能會有非常多的proteomes。將proteomics與傳統的genomics研究結合，我們將會更加了解 functional information。

Metabolomics

為了尋找能夠監測疾病進展或治療反應的biomarker，近來的functional study也多方發展。這類型的研究方向包括研究gene expression的transcriptomics、研究protein translation及post-translational modification的proteomics、以及研究metabolic network的metabolomics。而metabolomics在這些領域當中是更為貼近functional level的部份。研究metabolomics的最後目標是為了可以定量cellular system當中所有的metabolites，但是尚且無法達成。目前我們可以用molecular spectroscopy及mass spectroscopy(MS) 來分析metabolites，而合併使用gas or liquid chromatoscopy可以增加resolution sensitivity及selectivity。

所以整體而言，system biology是泛指一種經由各類”-omics”研究與數學方法去試圖了解整個系統的研究。而在此當中，metabolomics將會佔有一個重要的角色。而要了解整個系統，就必須以整體的角度研究；就如同Henrik Kacser所說的 ” But one thing is clear: to understand the whole, one must study the whole.”

未來方向

我的研究團隊未來的研究方向，也將由此出發

1. 研究病患的一等親屬的gene expression：
   藉由研究未發病的親屬的gene expression pattern，我們更能夠除去過去研究當中因為藥物影響所造成的問題。
2. 利用bioinformatics methodologies：
   將proteomics、metabolomics study的資料，整合到現有的genetic epidemiology studies當中。
3. 研究如何預防：
   藉由這些更多的genetic或epidemiologic information，希望可以達到在發病之前便辨認出病患，並且早期介入，而最終達到預防疾病的目標。

1. Universal measures：
   任何人都應該要遵守的預防原則，如同每天運動、戒菸等等。
2. Selective measures：
   建議特定population subgroup(比如不同年齡層、性別、職業)中的所有人，雖然是健康未發病的狀態，仍應該要特別注意預防；正如我們應該特別重視青少年族群。
3. Indicated measures：
   若此人的某些狀態明確會增加罹病的機率，則應要作的預防。

1. ADDIN EN.REFLIST Oliver, S. G., M. K. Winson, et al. (1998). "Systematic functional analysis of the yeast genome." Trends Biotechnol 16(9): 373-8.
2. Tsuang, M. T., N. Nossova, et al. (2005). "Assessing the validity of blood-based gene expression profiles for the classification of schizophrenia and bipolar disorder: a preliminary report." Am J Med Genet B Neuropsychiatr Genet 133(1): 1-5.