Biol. Psychiatry：研究人员对近12,000名9至10岁儿童的fMRI数据集分析识别青少年精神疾病的生物标志物-杭州脑海科技有限公司

点击【下方卡片】关注我们~最新前沿资讯抢先看

开放转载，欢迎大家转发到朋友圈和微信群

可添加小编微信【13295818509】获取原文

自20世纪70年代精神障碍诊断与统计手册(DSM)问世和精神病学命名标准化以来的50多年里，精神病学一直致力于建立基于临床症状的诊断分类。无法确定与这些诊断类别相关的生物标志物阻碍了精神病学领域的进展，精神病学领域一直在努力调和与当前诊断类别的共病性和特异性有关的疾病分类学的问题。人们普遍认为，诊断类别并不能反映独特的潜在神经基础。新兴的生物学研究指出，精神疾病之间存在共同的遗传风险和重叠的结构和功能异常。当前精神病学与生物学发现之间的这种脱节突出表明，需要检查跨诊断共享的神经生物学基础和临床症状，并跨越健康与精神病理学之间的人为界限。

2023年9月26日，美国国立卫生研究院的Xiang Xiao和Yihong Yang博士所在的研究团队在Biological Psychiatry（IF=10.6）发表了题为“Brain functional connectome defines a transdiagnostic dimension shared by cognitive function and psychopathology in preadolescents”的文章，研究使用fMRI数据集，确定了一个与认知功能呈正相关，与精神病理学测量呈负相关的大脑连接模式。该模式具有高度遗传性，与同时评估的精神疾病和fMRI扫描后2年的累积数量表现出剂量反应关系，并预测了2年随访期间跨疾病诊断的转变。

认知功能和一般精神病理学是人类行为维度的两个重要类别，分别与跨诊断类别的精神障碍相关。然而，这两个跨诊断维度是否与传递精神疾病发展的弹性或风险的共同或独特的大脑网络有关仍不清楚。

本研究是一项纵向调查，研究对象为来自青少年大脑认知发展(Adolescent Brain Cognitive Development, ABCD)研究中的11,875名9至10岁的青少年。研究采用基于典型相关分析(canonical correlation analysis, CCA)的多视角机器学习方法，通过认知功能和精神病理测量等多域行为评估来识别静息态功能连接(resting-state functional connectome)的潜在维度关联。对于表现出强烈行为关联的潜在rsFC因素，使用两年随访数据评估其预测精神疾病的能力，并使用来自同一队列的双胞胎数据评估其遗传关联。

CCA鉴定出49种连接-行为关联模式(对潜在连接和行为变量显示相关)。与由排列产生的零分布相比，前5种模式在训练集中表现出显著的连接-行为关联，并且可以推广到测试集(图1)。其中，第一种模式（图2）唯一地解释了大脑和行为数据集之间的大部分冗余方差，其关联的连接变量表现出显著的跨域一致性。

A 训练集 B 测试集

图1 大脑和行为数据集之间的典型相关性

图2 第一种CCA模式

将训练集中估计的第一种模式连接变量投影到独立的测试数据集上发现，连接变量得分可以预测大部分跨认知和精神病理学领域的行为评估( FDR-adjusted p < 0.05)。对于连接变量和临床诊断之间关系的分析，也发现了跨诊断的和诊断特异性的关联，同时在2年的随访中也发现了这种关联(图3)。最后，通过对7832名参与者的双胞胎数据进行行为遗传分析发现，连接变量具有高度的遗传性，表明其可能反映了具有遗传基础的内在差异。

图3 在整个样本中，在基线和2年随访时，连接组变量得分与精神障碍发生率之间的关系

一般认知功能长期以来被认为是与心理健康和精神病理学密切相关的行为维度。本研究通过超越认知-心理健康关联来检查潜在的神经机制，并发现，传统上被视为独立构念的认知和心理功能测量(侧重于病理功能)，负载于同一维度因子(而不是正交的)的正负两端。而且，先前发现的与认知功能相关的跨诊断的rsFC特征以及rsFC和认知功能之间的一致性关联在所识别的连接变量的负载模式中也被观察到。

本研究发现为基于大脑的跨诊断测量提供了证据，该测量是青春期早期精神疾病发展的个体差异的基础。同时，研究表明系统水平的大脑机制可能是传递风险与恢复力与精神疾病发展相关的共同途径的基础。

参考文献

Xiang Xiao et al, Brain Functional Connectome Defines a Transdiagnostic Dimension Shared by Cognitive Function and Psychopathology in Preadolescents, Biological Psychiatry (2023). DOI: 10.1016/j.biopsych.2023.08.028IF: 10.6 Q1

资讯来源

https://medicalxpress.com/news/2023-11-brain-imaging-biomarkers-mental-illness.html

欢迎加入前沿资讯交流群，入群方式：

添加小编微信13295818509

备注（姓名-工作单位/院校-研究方向-文献交流）

（可扫描下方二维码）

入群可免费提供文献下载服务

培训课程

数据分析业务

编译：张建欣

校审：展琳琳

全文完

所有注明出处的文章，旨在分享、传播，如有侵权，请及时联系我们，我们将尽快处理

喜欢本文记得一键四连

点点赞，点在看，点分享，点收藏！

Biol. Psychiatry：研究人员对近12,000名9至10岁儿童的fMRI数据集分析识别青少年精神疾病的生物标志物

产品中心

学习中心

技术服务

研究动态

关于我们

服务热线

客服邮箱