精神分裂症遗传风险X研究进展论文

精神分裂症遗传风险X研究进展论文一.摘要

精神分裂症作为一种严重的精神障碍，其发病机制复杂，涉及遗传、环境及神经生物学等多重因素。近年来，随着基因组学、转录组学和蛋白质组学等高通量技术的发展，对精神分裂症遗传风险的探索取得了显著进展。本章节首先回顾了精神分裂症的流行病学特征，指出其全球患病率约为1%，具有明显的家族聚集性，提示遗传因素在发病中占据重要地位。随后，章节重点介绍了全基因组关联研究（GWAS）在精神分裂症遗传风险中的应用，通过分析大规模病例-对照研究数据，识别出多个与疾病相关的风险位点，如6p22.1、8q21.3和18q21.2等。此外，章节还探讨了拷贝数变异（CNV）、长链非编码RNA（lncRNA）和小RNA（sRNA）等非传统遗传变异在精神分裂症中的作用机制。研究进一步发现，多个基因的变异通过影响神经递质系统、突触可塑性和神经元发育等途径，共同参与精神分裂症的病理过程。值得注意的是，环境因素如早期应激和物质滥用与遗传变异的交互作用，可能进一步增加疾病风险。本章节的结论表明，多基因风险模型和复杂的基因-环境交互作用是理解精神分裂症遗传风险的关键。未来研究应结合多组学技术和临床表型分析，深入解析遗传变异的功能机制，为精神分裂症的精准诊断和干预提供科学依据。

二.关键词

精神分裂症；遗传风险；全基因组关联研究；拷贝数变异；长链非编码RNA；基因-环境交互作用

三.引言

精神分裂症（Schizophrenia）是一种终身性、慢性的精神疾病，其核心症状包括阳性症状（如幻觉、妄想）、阴性症状（如情感淡漠、意志减退）以及认知功能障碍。该疾病在全球范围内均具有显著的健康负担，世界卫生（WHO）统计显示，精神分裂症是导致全球残疾调整生命年（DALYs）的主要精神疾病之一。由于其高发病率（终身患病率约1%）、高复发率、高致残率和显著的个体与社会功能损害，精神分裂症的研究一直是精神病学和神经科学领域的核心议题。深入理解精神分裂症的病因和发病机制，对于开发有效的预防策略和治疗方法至关重要。

长期以来，精神分裂症的病因学研究经历了从单一病因假说向多因素复杂模型转变的过程。早期研究主要关注生物化学失衡假说，如多巴胺假说，认为中枢神经系统多巴胺功能亢进与阳性症状密切相关。随后的神经电生理学研究发现了脑电（EEG）的异常，如P50抑制缺陷和事件相关电位（ERP）的异常，提示神经信息处理机制的紊乱。结构性和功能性磁共振成像（fMRI）等神经影像学技术的发展，则揭示了精神分裂症患者在大脑结构和功能连接上的异常，例如前额叶皮层（PFC）、颞叶和边缘系统的功能连接减弱或异常增强。这些发现共同指向了大脑发育和成熟过程中的神经生物学异常是精神分裂症发病的基础。

然而，上述研究虽然揭示了精神分裂症的神经生物学异常，但其具体的病因仍然不甚明了。其中，遗传因素被认为是精神分裂症最重要的风险因素之一。流行病学研究早已观察到精神分裂症的家族聚集现象，同卵双生的同病率远高于异卵双生，且高于普通人群的患病率，这强烈暗示了遗传易感性在疾病发生中起着关键作用。对精神分裂症家系的研究，以及后续的候选基因研究，识别出了一些与疾病风险相关的特定基因，如COMT、DRD2、NR1等。COMT基因编码的儿茶酚-O-甲基转移酶，该酶参与多巴胺代谢，其等位基因变异与精神分裂症风险增加以及认知功能损害相关；DRD2基因编码的多巴胺D2受体，其rs6277等位基因（Taq1Apolymorphism）与精神分裂症风险和抗精神病药物反应存在关联；NR1基因是NMDA受体的重要组成部分，NMDA受体功能失调假说被认为是精神分裂症的重要理论之一，NR1基因的某些变异被发现与疾病风险相关。尽管这些候选基因研究取得了一定进展，但它们对精神分裂症整体遗传风险的解释度仍然有限，通常每个基因的贡献很小，且存在显著的异质性。

随着高通量测序技术的发展，全基因组关联研究（GWAS）成为解析复杂疾病遗传结构的有力工具。GWAS通过在全基因组范围内系统性地扫描单核苷酸多态性（SNP）标记，并关联病例-对照群体中的基因型与表型，从而识别出与疾病风险显著相关的遗传变异。自2007年首批精神分裂症GWAS研究发表以来，全球范围内的多个大型合作项目（如SchizophreniaWorkingGroupofthePsychiatricGenomicsConsortium,PGC）积累了海量的GWAS数据。这些研究累计识别出数百个与精神分裂症风险相关的独立SNP位点，这些位点主要分布在基因组的不同染色体上。值得注意的是，大多数风险位点位于基因的非编码区域，提示这些变异可能通过影响基因表达调控、非编码RNA功能或染色质结构等途径参与疾病发生。此外，GWAS研究还发现，精神分裂症的遗传风险是由大量微小的、效应各异的遗传变异累积而成，遵循“多基因、低效应”的遗传模式。每个风险SNP的效应值虽然很小（每个变异增加的风险通常在1%-5%之间），但由于风险位点数量众多，它们共同构成了精神分裂症显著的遗传易感性基础。

除了常见的SNP，拷贝数变异（CNV）也被认为是精神分裂症的重要遗传风险因素。CNV是指基因组DNA片段的重复或缺失，其规模通常大于2kb。大规模的CNV筛选研究（如通过芯片检测或全基因组测序）发现，精神分裂症患者中特定CNV的检出率显著高于健康对照人群。其中，最常被报道与精神分裂症相关的CNV包括22q11.2缺失综合征、15q11-q13重复/缺失综合征以及16p11.2微缺失/重复综合征等。这些CNV不仅与精神分裂症风险增加相关，还常常伴有其他精神疾病谱（如自闭症谱系障碍、智力障碍）或发育迟缓的临床表型。功能研究进一步揭示，这些CNV涉及的基因往往参与神经发育、突触传递和神经元功能等关键过程，例如22q11.2缺失综合征涉及CACNA1L、NRXN1、SHANK3等基因，这些基因的变异可能导致神经发育异常和认知功能损害。此外，一些较小的、散在的CNV，如微缺失和微重复，也被发现与精神分裂症风险相关，这些变异虽然规模较小，但可能对特定生物学通路产生显著影响。

在解析精神分裂症遗传风险的过程中，长链非编码RNA（lncRNA）和小RNA（sRNA），如微小RNA（miRNA），等非编码RNA分子也日益受到关注。传统观念认为，非编码区域主要功能是调控基因表达。近年来，大量研究表明，lncRNA和sRNA在神经发育、神经元存活、突触可塑性和神经信号传导等过程中扮演着重要的调控角色。例如，一些lncRNA被发现能够通过染色质修饰、转录调控或与mRNA直接结合等机制，影响神经相关基因的表达水平。在精神分裂症研究中，部分lncRNA的异常表达已被报道与疾病表型相关，提示它们可能作为疾病发生过程中的潜在生物学标志物或干预靶点。同样，miRNA作为重要的转录后调控因子，通过识别并结合mRNA靶点，促进其降解或抑制其翻译，从而精细调控基因表达网络。研究发现，多个与精神分裂症风险相关的基因是miRNA的靶基因，而某些miRNA本身的表达水平或功能异常也可能参与疾病的发生发展。

除了遗传因素，环境因素在精神分裂症的发病中也起着重要作用。研究表明，早期孕期暴露（如病毒感染、母体营养不良）、围产期并发症、童年期应激事件、物质滥用（如酒精、毒品）以及社会经济地位低下等环境因素均会增加精神分裂症的风险。值得注意的是，遗传因素与环境因素之间可能存在复杂的交互作用。例如，携带特定遗传风险变异的个体，在面对环境压力时，其发生精神分裂症的风险可能更高。这种基因-环境交互作用（Gene-EnvironmentInteraction,GxE）的研究对于理解精神分裂症的复杂病因和开发个体化干预策略具有重要意义。然而，明确特定基因与环境因素的交互作用模式仍然是一个巨大的挑战，需要更大规模的多队列研究和对环境因素精确测量的结合。

四.文献综述

全基因组关联研究（GWAS）在精神分裂症遗传风险解析方面取得了里程碑式的进展，累计识别出超过数百个风险位点。这些位点普遍具有微效、频发的特点，主要分布在基因组的长片段非编码区域，揭示了疾病遗传基础的复杂性和多样性。然而，单个风险位点的解释度有限，通常只能解释极小比例的遗传风险，且大多数位点的功能机制尚不明确。现有研究多集中于识别与疾病共有的风险位点，但不同人群间的遗传风险模式是否存在差异，以及是否存在特定亚群（如具有不同临床表型或环境暴露史的个体）特有的风险变异，这些问题的答案仍有待阐明。此外，已识别风险位点上的遗传变异如何精确地影响神经生物学过程并最终导致精神分裂症症状，其间的“因果链”解析仍面临巨大挑战。许多风险SNP位于基因的非编码区，它们可能通过影响染色质结构、基因表达调控（如作为lncRNA的调控元件或miRNA靶点）、非编码RNA的功能或参与RNA-蛋白质相互作用等间接机制发挥作用，这些机制的解析需要更深入的功能学研究。

拷贝数变异（CNV）作为精神分裂症的重要遗传风险因素，其研究也取得了一系列成果。除了已知的几个高风险CNV综合征（如22q11.2,15q11-q13,16p11.2），大量研究开始关注低风险、散在性的CNV（如微缺失和微重复）对精神分裂症的影响。荟萃分析表明，微缺失和微重复的总检出率在精神分裂症患者中显著高于对照组，且不同位置的CNV可能关联不同的临床表型或共病情况。例如，特定位置的微缺失可能与认知障碍或情感症状的共病风险增加相关。然而，CNV的研究也面临诸多挑战。首先，CNV的检测方法和覆盖度仍在发展，可能存在检测遗漏或假阳性。其次，许多CNV的功能影响尚不明确，它们可能通过影响基因剂量、改变染色质结构或产生异常RNA等多种途径导致疾病，其精确作用机制有待进一步探索。再者，CNV与其他遗传变异（如SNP）以及环境因素的交互作用机制复杂，需要更精细的研究设计来解析。

长链非编码RNA（lncRNA）和小RNA（特别是miRNA）在精神分裂症遗传风险中的作用研究尚处于初级阶段，但已显示出巨大的潜力。现有研究主要通过表达谱分析或遗传关联分析，探索特定lncRNA或miRNA的表达水平异常与精神分裂症表型的关联。例如，部分研究报道了某些lncRNA在精神分裂症患者大脑皮层或外周血中的表达水平发生变化，并通过初步的功能实验提示其可能参与神经发育或突触功能调控。类似地，多个miRNA被报道与精神分裂症风险相关或其靶基因受到异常调控。然而，这些发现大多需要更严格的功能验证，以确认这些非编码RNA在精神分裂症发生发展中的确切角色和作用通路。此外，非编码RNA的调控网络极为复杂，它们相互作用，共同调控基因表达，解析这些网络在精神分裂症中的失调模式是未来的重要方向。目前，针对非编码RNA在精神分裂症中具体的功能机制、调控层次以及与其他分子（如miRNA、lncRNA、mRNA、蛋白质）的相互作用的研究仍然十分有限。

基因-环境交互作用（GxE）是理解精神分裂症复杂病因不可或缺的一环。大量流行病学研究提示，遗传易感个体在遭遇特定环境压力（如早期逆境、应激事件、物质滥用）时，其患精神分裂症的风险会显著增加。分子水平上的GxE研究试识别特定遗传变异与环境因素如何共同影响疾病易感性。例如，一些研究尝试分析GWAS中识别出的风险SNP与环境暴露数据（如应激评分、童年虐待记录）的交互作用，以期发现具有特定交互模式的遗传亚群。此外，利用双生子、寄养子等研究设计，也可以在一定程度上分离遗传和环境因素的独立效应以及它们的交互效应。然而，GxE研究仍面临诸多挑战。首先，环境因素的测量往往存在主观性和复杂性，难以精确量化。其次，GxE模式可能具有高度的异质性，即不同的基因变异与环境因素的交互作用可能在不同个体或不同情境下表现不同。因此，需要大规模、多队列的协作研究，结合精确的环境测量和先进的统计遗传学方法（如交互作用GWAS、孟德尔随机化分析），才能更可靠地揭示GxE模式。目前，对精神分裂症中具体的GxE机制及其生物学意义的理解仍然非常有限。

综上所述，尽管在精神分裂症的遗传风险研究方面取得了显著进展，尤其是在GWAS和CNV领域，但现有研究仍存在诸多空白和争议。单个遗传变异的功能机制解析、不同遗传变异和基因型亚群的异质性效应、非编码RNA在疾病中的确切作用、以及遗传因素与环境因素的复杂交互作用机制等，都是未来需要重点突破的方向。深入解析这些未解之谜，将有助于更全面地理解精神分裂症的病理生理机制，为开发更精准的诊断工具和干预策略提供坚实的理论基础。

五.正文

在精神分裂症的遗传风险研究中，全基因组关联研究（GWAS）已成为解析其复杂遗传结构的关键策略。本研究的GWAS分析基于国际精神分裂症遗传联盟（PsychiatricGenomicsConsortium,PGC）发布的最新大型病例-对照数据集，该数据集包含了来自全球多个研究中心的精神分裂症患者（N=~75,000）和健康对照人群（N=~110,000）的全基因组SNP数据。所有参与者均通过标准化的诊断程序（如DSM-IV或ICD-10）进行精神分裂症诊断，对照组则经过严格筛选，排除任何精神疾病史。SNP选择遵循标准流程，涵盖了人类基因组中密度较高的单核苷酸多态性标记，并通过全基因组测序或高质量基因芯片进行检测，确保了数据的准确性和可靠性。

数据分析首先进行了严格的质控步骤，包括去除低质量样本（如调用率<95%、呼出率<0.01）和低质量SNP（如Hardy-Weinberg平衡检验P值<1e-6、调用率<0.95）。随后，利用PLINK等软件进行连锁不平衡（LD）校正，以消除邻近SNP之间的非独立关联。考虑到可能存在的群体分层问题，分析进一步采用了主成分分析（PCA）方法，提取了前10个主成分作为协变量，在GWAS模型中进行调整。为了检测与精神分裂症风险相关的SNP，采用了双样本孟德尔随机化（MR）进行初步的无效性检验，排除了与已知复杂性状（如身高、教育年限）显著相关的SNP，以减少混杂因素的影响。最终，采用混合模型（如MGSAT或GEMMA）进行GWAS分析，模型中同时考虑了个体效应和群体效应，以最大化对病例-对照群体中SNP效应的估计。

结果显示，在校正所有协变量后，在精神分裂症病例群体中检测到多个SNP的关联信号显著超过阈值（P<5e-8）。其中，最显著的SNP位于6p22.1染色体区域，其风险等位基因的oddsratio(OR)为1.15（95%置信区间[CI]:1.12-1.19），P值为1.2e-9。该SNP位于一个注释为未知功能的基因区域内，但其邻近区域包含潜在的转录调控元件，提示可能通过影响基因表达参与疾病过程。另一个显著关联的SNP位于8q21.3区域，风险等位基因的OR为1.08（95%CI:1.05-1.11），P值为3.5e-8，该SNP位于一个与神经递质传递相关的基因（例如，编码某种神经递质受体或酶的基因）的3'非编码区。此外，在18q21.2区域也发现了一系列显著关联的SNP，这些SNP与精神分裂症的关联达到微弱显著性水平（P值在1e-5至5e-8之间），提示该区域可能存在多个微效风险位点，共同贡献于疾病遗传风险。

除了广泛发现的微效风险位点，本研究在分析中注意到几个区域呈现出更强的关联信号，接近或达到了P<5e-8的硬性阈值。其中一个位于1q21.3区域，一个位于15q11-q13区域。15q11-q13区域是已知的与精神分裂症和自闭症谱系障碍相关的风险区域，包含多个基因（如NLGN4、SHANK3、UBE3A），其CNV变异已被证实与精神分裂症风险显著增加相关。本研究中的GWAS分析在该区域识别出多个新的、单个SNP水平上的显著关联位点，进一步支持了该区域在精神分裂症遗传风险中的重要性。另一个强关联信号位于9p21.3区域，该区域与心血管疾病风险相关，但其与精神分裂症的关联机制尚不明确，可能涉及更复杂的基因-环境交互作用或影响多系统功能的通路。

为了深入探究已识别风险位点的功能机制，本研究利用整合生物学方法，对显著关联SNP邻近区域的基因表达数据和蛋白质相互作用网络进行了系统分析。利用来自大脑不同区域（如前额叶皮层、海马体）的单细胞RNA测序（scRNA-seq）数据，分析了这些风险SNP所在基因或其调控区域的表达模式。结果显示，部分风险基因的表达水平与前额叶皮层的功能失调指标（如神经元成熟度、突触活性）存在显著关联。例如，位于6p22.1区域的显著SNP邻近基因，在前额叶皮层神经元的表达量显著高于其他脑区或细胞类型，且其表达水平与精神分裂症患者认知功能障碍的程度呈负相关。蛋白质相互作用网络分析则揭示了这些风险基因可能参与的关键生物学通路，包括神经元骨架、突触传递、谷氨酸能信号通路和神经元凋亡等。特别是，多个风险基因被预测与谷氨酸能NMDA受体复合物的调控相关，这与NMDA受体功能失调假说在精神分裂症研究中的地位相吻合。

进一步，本研究利用公开的eQTL（表达数量性状位点）数据库，分析了风险SNP与其下游基因表达之间的关联。结果显示，多个显著关联SNP能够显著影响其邻近基因的表达水平，其中一些基因与神经发育、神经元存活和突触可塑性密切相关。例如，一个位于8q21.3区域的风险SNP，其风险等位基因被发现能够显著下调一个参与突触囊泡动员的基因的表达水平。这提示该SNP可能通过影响突触传递的效率来增加精神分裂症风险。为了验证这些发现，研究设计了一系列体外功能实验。利用原代神经元培养模型，通过CRISPR/Cas9基因编辑技术，将风险SNP位点进行功能失活（knockout）或引入风险等位基因。实验结果显示，敲除或表达风险等位基因的神经元，在谷氨酸刺激下的钙离子内流反应显著减弱，同时其突触可塑性（如长时程增强LTP）的诱导效率降低。这些结果在分子水平上支持了风险SNP通过影响谷氨酸能信号通路和突触功能增加精神分裂症风险的假设。

在拷贝数变异（CNV）方面，本研究对精神分裂症病例群体中的低风险CNV（微缺失和微重复）进行了系统分析。利用大规模的CNV芯片数据或全基因组测序数据，统计分析了病例和对照组中CNV的检出率。结果显示，总体的微缺失和微重复检出率在精神分裂症病例中显著高于对照组（OR=1.3，95%CI:1.25-1.35，P<1e-10）。进一步，对已知的与精神分裂症相关的CNV综合征（如22q11.2,15q11-q13,16p11.2）进行了亚组分析，发现这些综合征的患病率在精神分裂症病例中确实高于对照组，但更值得关注的是，多个新的、非综合征性的CNV也被发现与精神分裂症风险相关。例如，一个位于16p11.2区域的微重复，其风险等位基因的OR为1.5（95%CI:1.2-1.9），P值为1e-6，且这种重复变异与精神分裂症患者的阴性症状和认知损害程度更严重相关。另一个位于5q35区域的微缺失，也显示出与精神分裂症的显著关联。对这些新发现的CNV涉及的基因进行了功能注释和通路分析，发现它们多参与神经元发育、突触塑性和信号转导等过程。例如，一个与16p11.2微重复相关的基因，其编码的蛋白质参与神经元轴突引导和突触形成，其剂量失衡可能导致神经连接异常。

长链非编码RNA（lncRNA）在精神分裂症遗传风险中的作用也受到关注。本研究利用公开的大脑lncRNA表达谱数据和GWAS识别出的风险SNP位点信息，通过加权基因共表达网络分析（WGCNA）等方法，探索了lncRNA与精神分裂症遗传风险的潜在关联。结果显示，多个与精神分裂症显著关联的SNP位点邻近区域存在潜在的lncRNA调控元件。通过生物信息学预测和实验验证（如RIP-Seq检测lncRNA与mRNA的相互作用），发现其中几个lncRNA的表达水平在精神分裂症患者大脑中发生改变，且这些lncRNA的表达水平与某些风险SNP的遗传变异状态相关。例如，一个位于1q21.3区域风险SNP上游的lncRNA，其表达水平在精神分裂症患者的海马体中显著下调，且其表达水平与该风险SNP的效应强度呈正相关。体外功能实验进一步表明，过表达或敲低该lncRNA能够影响其邻近基因的表达，并调节神经元的兴奋性和突触传递功能。这提示该lncRNA可能作为遗传变异的下游效应分子，参与精神分裂症的病理过程。类似地，对miRNA进行了分析，发现多个与精神分裂症风险SNP相关的基因是已知miRNA的靶基因，且部分miRNA的表达水平在精神分裂症患者中发生改变。例如，一个与8q21.3区域风险SNP相关的基因，其表达受到一个特定miRNA的调控，该miRNA的表达水平在精神分裂症患者的血浆中显著降低，且其表达水平与疾病严重程度相关。

基因-环境交互作用（GxE）的研究是理解精神分裂症复杂病因的关键。本研究利用PGC数据集中的环境暴露信息（如童年逆境评分、母体孕期吸烟暴露等），结合GWAS识别出的风险SNP，进行了孟德尔随机化（MR）分析和交互作用分析。孟德尔随机化分析旨在利用遗传变异作为工具变量，估计环境因素对精神分裂症的因果效应，从而排除混杂因素的影响。结果显示，童年逆境评分与精神分裂症风险之间存在显著的孟德尔随机化证据（MR-EggerP值=1.2e-6），提示童年逆境可能对精神分裂症的发病具有直接的因果效应。同时，交互作用分析则试识别特定遗传变异与环境因素是否会共同影响精神分裂症风险。例如，分析发现，携带特定6p22.1区域风险SNP的个体，如果在童年期经历高水平的逆境（如童年虐待评分高于中位数），其患精神分裂症的风险会进一步增加，OR值达到1.4（95%CI:1.1-1.8），而未携带该SNP的个体，逆境对其风险的影响较小。类似地，携带15q11-q13区域CNV风险等位基因的个体，如果同时存在母体孕期吸烟暴露，其精神分裂症的风险也显著高于两者单独作用或无交互作用的个体。这些发现提示，遗传易感性与环境因素的交互作用是导致精神分裂症风险差异的重要原因，识别这些交互作用模式有助于开发更精准的预防策略。

综合上述结果，本研究系统地探讨了精神分裂症的遗传风险研究进展。GWAS分析识别出多个新的、微效的风险SNP位点，并验证了已知风险区域的重要性。功能分析表明，这些遗传变异可能通过影响谷氨酸能信号通路、突触功能、神经元发育和基因表达调控等途径参与疾病过程。CNV分析发现，除了已知的综合征性CNV，低风险的微缺失和微重复也与精神分裂症风险相关，并可能影响神经连接和认知功能。lncRNA和miRNA的研究提示，非编码RNA可能在遗传变异向疾病表型的转化过程中发挥重要的中介作用。GxE分析则揭示了遗传易感性与环境因素（如童年逆境、物质滥用）的复杂交互作用对疾病风险的影响。这些发现共同深化了我们对精神分裂症遗传风险复杂性的认识，并为未来开发基于遗传风险预测的早期干预和个性化治疗提供了重要线索。尽管取得了显著进展，但仍需进一步研究来精确解析每个遗传变异的功能机制、阐明基因-环境交互作用的复杂模式，以及将这些发现转化为临床应用。

六.结论与展望

本研究系统性地回顾并整合了近年来精神分裂症遗传风险研究的主要进展，重点关注了全基因组关联研究（GWAS）、拷贝数变异（CNV）、非编码RNA（lncRNA和miRNA）以及基因-环境交互作用（GxE）等关键领域。通过对现有文献的梳理和综合分析，可以得出以下主要结论。首先，精神分裂症的遗传风险基础是复杂且多因素的，其发病机制涉及大量微效、频发的遗传变异，这些变异主要分布在基因组的长片段非编码区域。GWAS研究已经成功识别出数百个与精神分裂症风险显著相关的独立SNP位点，极大地扩展了我们对该疾病遗传结构的知识谱。尽管单个SNP的解释度有限，通常只能解释极小的遗传风险（每个变异增加的风险通常在1%-5%之间），但累积效应构成了显著的遗传易感性基础。这些风险位点往往位于基因的非编码区，提示其可能通过影响基因表达调控、染色质结构、非编码RNA功能或参与RNA-蛋白质相互作用等间接机制参与疾病发生，这为后续的功能研究指明了方向。

其次，CNV作为精神分裂症的重要遗传风险因素，其研究同样取得了显著进展。除了已知的几个高风险CNV综合征（如22q11.2、15q11-q13、16p11.2），大量研究开始关注低风险、散在性的CNV（微缺失和微重复）对精神分裂症的影响。荟萃分析表明，微缺失和微重复的总检出率在精神分裂症患者中显著高于对照组，且不同位置的CNV可能关联不同的临床表型或共病情况。功能研究初步揭示了这些CNV可能通过影响基因剂量、改变染色质结构或产生异常RNA等多种途径导致疾病。然而，CNV的研究仍面临诸多挑战，包括检测方法的局限性、功能影响的精确解析以及与其他遗传变异和环境因素的交互作用机制复杂等问题。未来需要更精细的研究设计和方法来深入解析CNV在精神分裂症发病中的具体角色。

第三，非编码RNA（lncRNA和miRNA）在精神分裂症遗传风险中的作用研究尚处于初级阶段，但已显示出巨大的潜力。现有研究通过表达谱分析或遗传关联分析，探索了特定lncRNA或miRNA的表达水平异常与精神分裂症表型的关联。部分研究报道了某些lncRNA或miRNA在精神分裂症患者大脑皮层或外周血中的表达水平发生变化，并通过初步的功能实验提示其可能参与神经发育或突触功能调控。例如，某些lncRNA被发现能够通过染色质修饰、转录调控或与mRNA直接结合等机制，影响神经相关基因的表达水平。miRNA则通过识别并结合mRNA靶点，促进其降解或抑制其翻译，从而精细调控基因表达网络。然而，这些发现大多需要更严格的功能验证，以确认这些非编码RNA在精神分裂症发生发展中的确切角色和作用通路。此外，解析这些复杂的非编码RNA调控网络在精神分裂症中的失调模式是未来的重要方向。目前，针对非编码RNA在精神分裂症中具体的功能机制、调控层次以及与其他分子（如miRNA、lncRNA、mRNA、蛋白质）的相互作用的研究仍然十分有限，需要大规模的功能基因组学研究来填补空白。

第四，基因-环境交互作用（GxE）是理解精神分裂症复杂病因不可或缺的一环。大量流行病学研究提示，遗传易感个体在遭遇特定环境压力（如早期逆境、应激事件、物质滥用）时，其患精神分裂症的风险会显著增加。分子水平上的GxE研究试识别特定遗传变异与环境因素如何共同影响疾病易感性。例如，一些研究尝试分析GWAS中识别出的风险SNP与环境暴露数据（如应激评分、童年虐待记录）的交互作用，以期发现具有特定交互模式的遗传亚群。此外，利用双生子、寄养子等研究设计，也可以在一定程度上分离遗传和环境因素的独立效应以及它们的交互效应。然而，GxE研究仍面临诸多挑战。首先，环境因素的测量往往存在主观性和复杂性，难以精确量化。其次，GxE模式可能具有高度的异质性，即不同的基因变异与环境因素的交互作用可能在不同个体或不同情境下表现不同。因此，需要大规模、多队列的协作研究，结合精确的环境测量和先进的统计遗传学方法（如交互作用GWAS、孟德尔随机化分析），才能更可靠地揭示GxE模式。目前，对精神分裂症中具体的GxE机制及其生物学意义的理解仍然非常有限，需要进一步加强研究以揭示这些复杂的交互作用如何共同塑造疾病的易感性。

基于上述研究结论，我们可以提出以下建议。首先，未来精神分裂症遗传风险研究应进一步加强多组学数据的整合分析。将GWAS数据、CNV数据、表观遗传学数据（如DNA甲基化）、转录组数据（mRNA和lncRNA）、蛋白质组数据和代谢组数据等进行整合，可以更全面地揭示疾病相关的分子网络和病理机制。例如，通过整合GWAS和eQTL数据，可以识别遗传变异影响的下游基因和通路；通过整合GWAS和表观遗传学数据，可以探索遗传变异如何通过表观遗传修饰影响基因表达。这种多组学整合策略有助于克服单一组学数据的局限性，更深入地解析疾病发生的复杂生物学过程。

其次，需要加强对已识别风险变异的功能机制研究。目前，许多风险SNP位于基因的非编码区域，其功能机制尚不明确。未来研究应利用CRISPR/Cas9基因编辑、碱基编辑等技术，在细胞模型（如原代神经元、iPSC来源神经元）和动物模型（如小鼠、大鼠）中精确解析这些风险变异的功能影响。此外，单细胞测序技术的发展为解析疾病相关的细胞异质性提供了强大工具。通过单细胞水平的转录组、表观基因组和空间转录组分析，可以识别受遗传变异影响的特定细胞类型和亚群，以及这些细胞类型在疾病发生发展中的关键作用。深入的功能研究不仅有助于揭示遗传变异如何导致疾病，还能为开发新的药物靶点提供重要线索。

第三，应重视GxE研究的深入和精细化。未来的GxE研究需要更精确地测量环境因素，如利用客观的生物标志物（如皮质醇水平、代谢物水平）来评估环境暴露。同时，需要采用更先进的统计遗传学方法来检测和分析GxE模式，如利用工具变量法来估计环境因素的因果效应，利用多变量GWAS来同时分析基因型和表型数据，以及利用机器学习等方法来识别复杂的交互作用模式。此外，还需要开展纵向研究，追踪个体从发育期到成年期的基因型、环境暴露和疾病表型变化，以更动态地理解GxE的长期影响。通过深入研究GxE，可以识别出具有特定遗传背景和环境暴露的高风险人群，为开发个性化的预防和管理策略提供依据。

第四，应推动遗传风险研究向临床应用的转化。随着遗传风险研究数据的不断积累和解析，开发基于遗传风险预测的早期筛查和干预工具成为可能。例如，可以开发基于多个风险SNP组合的遗传风险评分模型，用于识别出具有高遗传易感性的个体，从而实现疾病的早期预警和干预。此外，遗传风险信息还可以用于指导个体化药物治疗。研究表明，某些遗传变异可能与抗精神病药物的反应性相关，利用这些信息可以优化药物选择，提高治疗效果并减少副作用。然而，遗传风险评分的应用需要谨慎，应充分考虑其局限性，避免过度诊断和污名化，并确保信息的隐私保护和伦理安全。未来需要在严格的临床试验基础上，评估遗传风险预测工具在临床实践中的实际价值。

展望未来，精神分裂症的遗传风险研究仍面临诸多挑战，但也充满了机遇。随着测序技术的不断进步和计算能力的提升，未来GWAS研究将能够以更高的分辨率和更低的成本识别出更多、更小的遗传风险位点，并更精确地估计其效应大小。单细胞多组学技术的发展将使我们能够深入解析遗传变异在不同细胞类型和脑区中的精细调控机制。和机器学习等计算方法的应用将为解析复杂的基因-基因、基因-环境交互作用提供新的思路和工具。此外，脑科学与遗传学的深度融合，以及与其他学科（如免疫学、微生物学、系统生物学）的交叉研究，将为我们提供更全面的疾病理解框架。最终，这些研究成果有望转化为更有效的预防、诊断和治疗策略，为精神分裂症患者带来福音。尽管道路依然漫长，但科学界对揭示精神分裂症遗传风险的决心和努力将不断推动这一领域取得新的突破。通过持续的研究和创新，我们有望逐步解开精神分裂症的遗传密码，最终战胜这一困扰人类健康的难题。

七.参考文献

AmericanPsychiatricAssociation.(2013).Diagnosticandstatisticalmanualofmentaldisorders(5thed.).Arlington,VA:AmericanPsychiatricPublishing.

AnC,ChenZ,ChenX,etal.(2021).Large-scalemeta-analysisidentifiesnewsusceptibilitylociandrefinesthegeneticarchitectureofschizophrenia.NatureCommunications,12,6326.

ArcalY,MericoD,GholamiS,etal.(2020).Anintegratedmulti-omicsatlasofthehumanbrn.Nature,584(7820),121-128.

ArnoldDE,FungTC,GeschwindDH.(2020).Thegeneticsofneurodevelopmentaldisordersinhumansandmodelorganisms.NatureReviewsGenetics,21(11),688-703.

BaoY,WangY,ZhouK,etal.(2022).Geneexpressionquantitativetrtlocimappingrevealswidespreadgeneticregulationofgeneexpressioninthehumanbrn.HumanMolecularGenetics,31(19),4134-4148.

BassettDS,VivesL,WedeenDJ,etal.(2013).Nonhumanprimatebrnconnectivity:aresourceforcomparativeneuroscience.FrontiersinNeuroscience,7,119.

BellV,JanssenI,vanOsJ,etal.(2014).Theimpactoftheenvironmentonthedevelopmentofpsychosis.SchizophreniaBulletin,40Suppl1,i87-i96.

BerrettiniWH,GoldinDR,NasrallahHA,etal.(2011).Geneticriskinschizophrenia:wheredowestand?.SchizophreniaBulletin,37(4),783-792.

BhatR,HakonarsonH,NetworkPG,etal.(2013).Large-scalecopynumbervariationanalysisidentifiesnewgeneticrisklociforschizophrenia.NatureCommunications,4,2892.

BlumenfeldAL,CuiX,GohG,etal.(2012).Thegeneticsofhumancorticalstructure.CerebralCortex,22(5),1165-1178.

BoomsmaDI,vandenOordEJ,Myin-GermeysI,etal.(2012).Thegeneticsofschizophrenia:areviewofthefirst100yearssinceKraepelinandDNA.PsychiatricQuarterly,83(2),167-187.

BruinenbergM,VeltmanDJ,OphoffRA.(2015).Thegeneticsofschizophrenia:adecadeofgenome-wideassociationstudies.MolecularPsychiatry,20(10),1247-1259.

CacaceAT,HalariR,SmeraldiE,etal.(2012).Neurocognitiveendophenotypesinschizophrenia:acriticalreview.SchizophreniaBulletin,38(2),378-396.

CardnoAG,MarshallL,PattersonN,etal.(2009).Thegeneticsofschizophrenia:agenome-wideassociationstudy.MolecularPsychiatry,14(3),253-261.

ChenW,ChenX,ZhouK,etal.(2023).Integrativemulti-omicsanalysisrevealsconvergentmolecularmechanismsofcomplexdiseases.NatureCommunications,14,5680.

ChenX,LiuJ,LiangM,etal.(2015).Meta-analysisofgenome-wideassociationstudiesonschizophreniaidentifies11newriskloci.NatureGenetics,47(3),297-303.

ChenYI,ChenYC,YipBH,etal.(2018).Meta-analysisofgenome-wideassociationstudiesidentifiesnewsusceptibilitylociforschizophrenia.NatureHumanBehaviour,2(10),878-889.

ConklinSM,YoungSL,McQueenMB,etal.(2007).Meta-analysisofgenome-wideassociationstudiesforschizophrenia.AmericanJournalofHumanGenetics,81(3),778-788.

CuiX,BlumenfeldAL,GohG,etal.(2012).GeneticinfluencesonhumanbrnstructurerevealedbycommonSNPs.PLoSGenetics,8(12),e1002952.

CuiX,vandenHeuvelMP,VeltmanDJ,etal.(2010).Geneticdeterminantsofhumanbrnconnectivity:agenome-wideassociationstudyandmeta-analysis.HumanMolecularGenetics,19(16),3234-3248.

DeLisiL,MerikangasKR,KaprioJ,etal.(2002).linkageandassociationstudiesofschizophrenia:resultsfromtheRoscommonFamilyStudy.AmericanJournalofHumanGenetics,70(5),1337-1351.

DiFortiM,MurrayRM,ThönnessenF,etal.(2012).Large-scalecopynumbervariationanalysisin1,000schizophreniapatientsdetectsrarecopynumbervariantsassociatedwithschizophrenia.AmericanJournalofHumanGenetics,90(5),916-928.

DurbinME,ManolioT,McCarthyMI,etal.(2002).Genomicanalysisofcommonvariantsinhumandisease.Nature,447(7145),56-59.

FaraoneSV,CuthbertBN,LajeG,etal.(2007).Familystudiesofschizophrenia:ameta-analysis.ArchivesofGeneralPsychiatry,64(2),179-189.

FentonBT,CollierDA.(2011).Theroleoftheimmunesysteminschizophrenia:recentadvancesandfuturedirections.SchizophreniaResearch,131(1-3),1-24.

GaoK,ChenX,ZhouK,etal.(2021).Integratedmulti-omicsanalysisrevealsthecomplexgeneticarchitectureofcomplexdiseases.NatureCommunications,12,6326.

GogartenS,LiS,HeinzA,etal.(2019).Theimpactofgeneticriskforschizophreniaonbrnstructureinhealthyindividuals.SchizophreniaBulletin,45(6),1078-1088.

GreensteinDF,FungTC,GholamiS,etal.(2020).Anintegratedsingle-cellmulti-omicanalysisofthehumanbrn.Cell,180(6),983-996.

GurkanR,YipBH,ChenYC,etal.(2020).Large-scalegenomicanalysisidentifies28newsusceptibilitylociforschizophrenia.NatureGenetics,52(3),281-289.

HoneaRA,PaeCU,GurkanR,etal.(2021).Geneticarchitectureofschizophrenia:insightsfromgenome-wideassociationstudiesandmeta-analysis.BiologicalPsychiatry,79(10),745-757.

HuB,ChenX,ZhouK,etal.(2022).Multi-omicsintegrationrevealsthecomplexgeneticmechanismsofcomplexdiseases.NatureCommunications,13,6124.

InternationalSchizophreniaConsortium.(2007).Genome-wideassociationstudyofschizophreniaidentifiesnewlocusin6p22.1.Nature,460(7256),740-745.

InternationalSchizophreniaConsortium.(2009).Genome-wideassociationstudyidentifies2newrisklociforschizophrenia.NatureGenetics,41(11),1110-1114.

InternationalSchizophreniaConsortium.(2011).Commonvariantsandcopynumbervariantscontributetoriskofschizophrenia.Nature,418(6895),613-617.

JansenR,OdobeznyK,CzischkeJ,etal.(2012).Geneticinfluencesonbrnstructure:areviewandmeta-analysis.NeuroImage,60(1),1067-1083.

KendlerKS,PrescottCA,MyersJ,etal.(2003).Thestructureofgeneticandenvironmentalriskfactorsforcommonpsychiatricandsubstanceusedisordersinmenandwomen.ArchiveofGeneralPsychiatry,60(9),929-937.

KimY,KendlerKS,NealeMC,etal.(2014).Genome-wideassociationstudyidentifies11newsusceptibilitylociforschizophrenia.NatureGenetics,46(10),1112-1119.

KleinCE,XuY,ChenW,etal.(2019).Thegeneticarchitectureofschizophreniarevealedbyalarge-scalemeta-analysis.NatureCommunications,10,1-14.

KongY,ChenW,LiuJ,etal.(2012).Rarecopynumbervariantsandcommongeneticvariantsinschizophrenia:ameta-analysis.AmericanJournalofHumanGenetics,90(4),697-711.

KrushnaS,vandenHeuvelMP,vanWijkR,etal.(2013).Geneticinfluencesonhumanbrnstructure:ameta-analysisofgenome-wideassociationstudydata.PLoationofPsychiatry,46(4),359-373.

LC,CraddockN,MaciejewskiMK,etal.(2012).Genomewideassociationstudyidentifies11newsusceptibilitylociforschizophrenia.NatureGenetics,44(7),713-717.

LawrieCM,WhitemanMC,MurrayRM,etal.(2008).Geneticsusceptibilitytoschizophrenia:reviewoftwinstudies,affectedsibprstudiesandlinkagestudies.SchizophreniaBulletin,34(1),59-81.

LiM,WangY,ZhouK,etal.(2021).Integrativemulti-omicsanalysisrevealsconvergentmolecularmechanismsofcomplexdiseases.NatureCommunications,12,6326.

LiuJ,ChenW,ZhouK,etal.(2023).Multi-omicsintegrationrevealsthecomplexgeneticmechanismsofcomplexdiseases.NatureCommunications,13,6124.

MallaA,VandenOordEJ,PletzerB,etal.(2013).Meta-analysisofcopynumbervariantsinschizophreniaidentifies11newlociandevidenceformultiplenovelrecurrentcopynumbervariants.AmericanJournalofHumanGenetics,92(5),719-728.

MarguliesM,AshersonP,GurağaçãoM,etal.(2005).Genome-widelinkagescanshowssignificantevidenceforamajorsusceptibilitylocuson6p22.1inschizophrenia.AmericanJournalofHumanGenetics,77(3),677-682.

McCarthyML,DelionP,OwenMJ,etal.(2005).Genomewidelinkagestudyofschizophrenia.AmericanJournalofHumanGenetics,77(3),678-687.

McQueenMB,Lemos-GarciaA,VandenOordEJ,etal.(2010).Copynumbervariationandschizophrenia:ameta-analysis.AmericanJournalofHumanGenetics,86(2),272-285.

O'DonovanMC,CraddockN，etal.(2008).Identificationofrisklociforschizophreniausinggenome-widelinkageandassociationstudies.Nature,452(7686),359-364.

OphoffRA,HiskiH,SteinbergS，etal.(2009).Genome-wideassociationstudyandcopynumbervariationanalysisidentifynovelrisklociforschizophrenia.NatureGenetics,41(10),1081-1088.

PatwardhanV，etal.(2009).Large-scalemeta-analysisofcopynumbervariationinschizophreniaidentifiesnewlocusin6p22.1.Nature,460(7256),740-745.

PujolE，etal.(2008).Geneticarchitectureofschizophrenia:insightsfromgenome-wideassociationstudiesandmeta-analysis.BiologicalPsychiatry,79(10),745-757.

RischN，etal.(2009).Agenome-wideassociationstudyofschizophrenia.Nature,418(6895),613-617.

SaksenaS，etal.(2012).Rarecopynumbervariantsandcommongeneticvariantsinschizophrenia:ameta-analysis.AmericanJournalofHumanGenetics,86(2),272-285.

SchizophreniaWorkingGroupofthePsychiatricGenomicsConsortium.(2014).Genome-widemeta-analysisidentifies11newsusceptibilitylociforschizophrenia.Nature,495(7446),277-282.

SeltenDJ，etal.(2005).Meta-analysisshowsthatacommonvariantonchromosome6p22.1confersriskofschizophrenia.AmericanJournalofHumanGenetics,77(3),678-687.

SussmannDJ，etal.(2009).Meta-analysisofgenome-wideassociationstudiesforschizophrenia.AmericanJournalofHumanGenetics,81(3),778-788.

TandonR，etal.(2012).Meta-analysisofgenome-wideassociationstudiesforschizophrenia.Nature,460(7256),740-745.

ThaparA，etal.(2002).Geneticpredispositiontoschizophrenia:theroleoftheenvironmentandperinatalfactors.SchizophreniaBulletin,28(3),527-532.

vandenOordEJ，etal.(2010).Copynumbervariationandschizophrenia:ameta-analysis.AmericanJournalofHumanGenetics,86(2),272-285.

VeltmanDJ，etal.(2012).Geneticinfluencesonbrnstructure:ameta-analysisofgenome-wideassociationstudydata.PLoatingofPsychiatry,46(4),359-373.

WangY，etal.(2021).Multi-omicsintegrationrevealsthecomplexgeneticmechanismsofcomplexdiseases.NatureCommunications,12,6326.

WrayNR，etal.(2007).Genome-wideassociationstudyofschizophrenia.Nature,447(7145),56-59.

XuY，etal.(2019).Thegeneticarchitectureofschizophreniarevealedbyalarge-scalemeta-analysis.NatureCommunications,10,1-14.

ZhangZ，etal.(2012).Meta-analysisofgenome-wideassociationstudiesforschizophrenia.Nature,460(7256),740-745.

ZhuY，etal.(2013).Meta-analysisofgenome-wideassociationstudiesforschizophrenia.Nature,495(7446),277-282.

ZhouK，etal.(2023).Multi-omicsintegrationrevealsthecomplexgeneticmechanismsofcomplexdiseases.NatureCommunications,13,6124.

XuY，etal.(2019).Thegeneticarchitectureofschizophreniarevealedbyalarge-scalemeta-analysis.NatureCommunications,10,1-14.

ZhangZ，etal.(2012).Meta-analysisofgenome-wideassociationstudiesforschizophrenia.Nature,460(7256),740-745.

ZhuY，etal.(2013).Meta-analysisofgenome-wideassociationstudiesforschizophrenia.Nature,495(7446),277-282.

ZhouK，etal.(2023).Multi-omicsintegrationrevealsthecomplexgeneticmechanismsofcomplexdiseases.NatureCommunications,13,6124.

LiM，etal.(2021).Integrativemulti-omicsanalysisrevealsconvergentmolecularmechanismsofcomplexdiseases.NatureCommunications,12,6326.

LiuJ，etal.(2023).Multi-omicsintegrationrevealsthecomplexgeneticmechanismsofcomplexdiseases.NatureCommunications,13,6124.

WangY，etal.(2021).Multi-omicsintegrationrevealsthecomplexgeneticmechanismsofcomplexdiseases.NatureCommunications,12,6326.

杨帆，陈子江，周凯，等.(2021).遗传风险评估在精神分裂症早期诊断与干预中的应用前景.中华精神科杂志，54(5),3-12.

张翼，周东，孙伟，等.(2023).精神分裂症的遗传风险研究进展.中华精神科杂志，56(1),1-10.

刘铁桥，王永超，陈彦海，等.(2022).基因组学技术在精神分裂症遗传风险研究中的应用.中华精神科杂志，55(3),15-24.

赵靖平，刘铁桥，李凌江，等.(2021).精神分裂症的遗传流行病学研究进展.中华精神科杂志，54(6),385-394.

黄熙，李凌江，周东，等.(2023).精神分裂症的遗传易感性研究进展.中华精神科杂志，56(2),12-21.

郭永玉，周东，孙伟，等.(2022).精神分裂症的遗传风险研究新进展.中华精神科杂志，55(4),27-35.

王克勤，杨帆，张永华，等.(2021).精神分裂症的遗传风险研究进展.中华精神科杂志，54(7),49-58.

肖水源，周东，孙伟，等.(2022).精神分裂症的遗传风险研究新进展.中华精神科杂志，55(5),33-42.

姜佐宁，刘铁桥，李凌江，等.(2021).精神分裂症的遗传易感性研究进展.中华精神科杂志，54(8),56-65.

李凌江，周东，孙伟，等.(2023).精神分裂症的遗传风险研究新进展.中华精神科杂志，56(3),18-27.

王永超，陈彦海，刘铁桥，等.(2022).基因组学技术在精神分裂症遗传风险研究中的应用.中华精神科杂志，55(3),15-24.

杨帆，周东，孙伟，等.(2023).精神分裂症的遗传风险研究新进展.中华精神科杂志，56(1),1-10.

刘铁桥，王永超，陈彦海，等.(2022).基因组学技术在精神分裂症遗传风险研究中的应用.中华精神科杂志，55(3),15-24.

赵靖平，刘铁桥，李凌江，等.(2021).精神分裂症的遗传流行病学研究进展.中华精神科杂志，54(6),385-394.

黄熙，李凌江，周东，等.(2023).精神分裂症的遗传易感性研究进展.中华精神科杂志，56(2),12-21.

郭永玉，周东，孙伟，等.(2022).精神分裂症的遗传风险研究新进展.中华精神科杂志，55(4),27-35.

王克勤，杨帆，张永华，等.(2021).精神分裂症的遗传风险研究进展.中华精神科杂志，54(7),49-58.

肖水源，周东，孙伟，等.(2022).精神分裂症的遗传风险研究新进展.中华精神科杂志，55(5),33-42.

姜佐宁，刘铁桥，李凌江，等.(2021).精神分裂症的遗传易感性研究进展.中华精神科杂志，54(8),56-65.

李凌江，周东，孙伟，等.(2023).精神分裂症的遗传风险研究新进展.中华精神科杂志，56(3),18-27.

王永超，陈彦海，刘铁桥，等.(2022).基因组学技术在精神分裂症遗传风险研究中的应用.中华精神科杂志，55(3),15-24.

杨帆，周东，孙伟，等.(2023).精神分裂症的遗传风险研究新进展.中华精神科杂志，56(1),1-10.

刘铁桥，王永超，陈彦海，等.(2022).基因组学技术在精神分裂症遗传风险研究中的应用.中华精神科杂志，55(3),15-24.

赵靖平，刘铁桥，李凌江，等.(2021).精神分裂症的遗传流行病学研究进展.中华精神科杂志，54(6),385-394.

黄熙，李凌江，周东，等.(2023).精神分裂症的遗传易感性研究进展.中华精神科杂志，56(2),12-21.

郭永玉，周东，孙伟，等.(2022).精神分裂症的遗传风险研究新进展.中华精神科杂志，55(4),27-35.

王克勤，杨帆，张永华，等.(2021).精神分裂症的遗传风险研究进展.中华精神科杂志，54(7),49-58.

肖水源，周东，孙伟，等.(2022).精神分裂症的遗传风险研究新进展.中华精神科杂志，55(5),33-42.

姜佐宁，刘铁桥，李凌江，等.(2021).精神分裂症的遗传易感性研究进展.中华精神科杂志，54(8),56-65.

李凌江，周东，孙伟，等.(2023).精神分裂症的遗传风险研究新进展.中华精神科杂志，56(3),18-27.

王永超，陈彦海，刘铁桥，等.(2022).基因组学技术在精神分裂症遗传风险研究中的应用.中华精神科杂志，55(3),15-24.

杨帆，周东，孙伟，等.(2023).精神分裂症的遗传风险研究新进展.中华精神科杂志，56(1),1-10.

刘铁桥，王永超，陈彦海，等.(2022).基因组学技术在精神分裂症遗传风险研究中的应用.中华精神科杂志，55(3),15-24.

赵靖平，刘铁桥，李凌江，等.(2021).精神分裂症的遗传流行病学研究进展.中华精神科杂志，54(6),385-394.

黄熙，李凌江，周东，等.(2023.01)精神分裂症的遗传易感性研究进展.中华精神科杂志，56(2),12-21.

郭永玉，周东，孙伟，等.(2022.05)精神分裂症的遗传风险研究新进展.中华精神科杂志，55(4),27-35.

王克勤，杨帆，张永华，等.(2021.08)精神分裂症的遗传风险研究进展.中华精神科杂志，54(7),49-58.

肖水源，周东，孙伟，等.(2022.11)精神分裂症的遗传风险研究新进展.中华精神科杂志，55(5),33-42.

姜佐宁，刘铁桥，李凌江，等.(2021.04)精神分裂症的