编辑推荐：
本综述系统探讨影像遗传学在神经系统疾病中的方法与应用，整合基因（如 APOE、C9orf72）与神经影像（如基于体素的形态测量学 VBM）数据，分析其在疾病机制解析和精准医学中的潜力，为个性化诊疗提供新思路。
影像遗传学作为精准医学（PM）的重要组成部分，通过整合基因组数据（如全基因组关联研究 GWAS）与神经影像技术（如正电子发射断层扫描 PET、磁共振成像 MRI），深入探究遗传变异对脑结构和功能的影响，为神经系统疾病的机制解析和个性化治疗提供了新方向。
研究方法与流程
影像遗传学研究通常包括五个关键步骤：
- 假设形成：基于基因组结构或基因活性变化可能影响脑结构、功能或连接的理念，明确特定遗传变异（如单核苷酸多态性 SNPs）与脑成像表型的可测试关联，同时确定神经影像类型（如结构 MRI 评估脑萎缩、功能 MRI 研究神经网络活动）。
- 数据获取：利用大型数据集如英国生物银行（UK Biobank）、人类连接组计划（HCP）等获取基因型和神经影像数据，涵盖多种神经系统疾病和正常人群。
- 数据预处理与分析：
- 影像处理：通过空间归一化、分割、平滑等操作对神经影像数据进行预处理，提取脑体积、功能连接等特征，常用工具包括统计参数映射（SPM）、FMRIB 软件库（FSL）、FreeSurfer 等。
- 基因数据分析：进行质量控制、基因分型和插补，运用 GWAS 或候选基因方法等统计分析手段识别与特定脑特征相关的遗传变异，工具如 PLINK、基因组复杂性状分析（GCTA）等。
- 统计分析：采用方差分析（ANOVA）、t 检验、多元回归分析、广义线性模型（GLM）等方法评估遗传变异与脑特征的关联。
- 验证与解释：通过在独立数据集上重现关联结果进行验证，结合 meta 分析增强统计效力，阐释遗传效应的大小和方向。
主要研究成果
本综述系统分析了 28 项研究，涵盖额颞叶痴呆（FTD）、阿尔茨海默病（AD）、双相情感障碍、精神分裂症、帕金森病（PD）等多种神经系统疾病。
- 常用技术与基因：基于体素的形态测量学（VBM）是最常用的神经影像技术，常见遗传变异包括 APOE、C9orf72、MAPT、GRN、COMT、BDNF 等。这些变异与区域灰质损失（如额叶、颞叶或皮层下区域）相关，表明遗传风险因素在疾病病理生理学中起关键作用。
- 疾病特异性发现：
- 额颞叶痴呆：不同基因突变（C9orf72、MAPT、GRN、SQSTM1 等）与特定脑区萎缩模式相关，如 C9orf72 突变与左额叶皮质萎缩、小脑萎缩相关；GRN 突变与纹状体、后额叶和顶叶灰质减少相关。
- 阿尔茨海默病：SORL1 rs3824968 等位基因 A、BDNF val66met 多态性、TREM2 p.R47H 变异等与特定脑区灰质体积减少或皮层厚度变化相关，影响疾病风险和认知功能。
- 双相情感障碍：IL1B 基因 rs16944 和 rs1143627 SNPs、ANK3 基因变异（rs10761482）与脑区体积变化和年龄相关脑萎缩有关。
- 帕金森病：SNCA 基因 rs356219 SNP、LRRK2 突变与脑区功能连接改变相关，即使在无症状突变携带者中也存在功能连接异常。
- 其他疾病：精神分裂症、酒精使用障碍、自闭症谱系障碍等疾病中，特定基因变异与脑结构和功能异常相关。
挑战与展望
尽管影像遗传学取得了显著进展，但仍面临诸多挑战：
- 样本量与异质性：许多研究样本量较小，影响统计效力和结果的可推广性；成像技术和基因分析方法的异质性限制了跨研究比较。
- 多模态整合与技术应用：多模态成像整合不足，机器学习等先进技术应用有限，难以捕捉复杂的基因 - 脑表型关系。
- 临床转化：遗传变异与脑表型的关联尚未充分转化为临床实践，需结合多组学数据和纵向研究，开发可靠的生物标志物和个性化治疗策略。
未来研究应通过大型协作联盟（如 ENIGMA、UK Biobank）扩大样本量，采用标准化成像协议，利用机器学习分析高维遗传和影像数据，加速向临床实践的转化，推动个性化神经学和精神病学的发展。
