成人寿命中不同的脑年龄梯度反映不同的神经生物学层级

【编辑推荐】为明确脑年龄与皮质组织梯度的关系，研究人员对 335 名神经正常成人开展研究，利用卷积神经网络（volBrain）估算区域脑年龄，发现 6 个脑老化梯度，与 S-A 轴等神经层级一致，且比全脑年龄更能解释行为差异，为脑健康研究提供新视角。

　　大脑作为人体最复杂的器官，其衰老机制一直是生命科学和医学领域的研究热点。传统的 “全脑年龄” 通过机器学习模型从 MRI 预测年龄，用单一数值衡量大脑健康，虽在评估大脑生物年龄、反映遗传和生活方式影响方面有一定作用，且脑年龄差距（BAG）与死亡率、痴呆等神经精神疾病相关，但这种简单概括的方式可能掩盖了调控皮质组织的空间梯度信息。近年来，随着神经影像学和深度学习技术的发展，区域脑年龄估计成为可能，它能直接从 T1 加权图像中获取更精确的空间信息，为深入研究大脑衰老的区域差异提供了新工具。然而，这些区域脑年龄估计的神经生物学和行为相关性，尤其是在神经正常个体中的表现，仍不明确，且尚不清楚其是否遵循神经发育、系统发生或分子层级。因此，探索区域脑老化模式与已知神经生物学结构的关系，以及其与行为的关联，对于理解大脑衰老的本质和机制至关重要。

为解决上述问题，美国南卡罗来纳大学的研究人员开展了相关研究，旨在探究区域脑老化模式是否与皮质组织的传感器运动 - 联合（S-A）轴等神经生物学层级一致，以及这些模式与认知和感觉运动性能的关系。该研究成果发表在《Communications Biology》上。

研究人员主要采用了以下关键技术方法：使用 volBrain 的 “BrainStructure Ages” 自动化卷积神经网络（CNN）管道，对 335 名神经正常成人（20-86 岁）的结构 MRI 进行分析，直接从 T1 加权图像中学习预测年龄的特征，估算区域脑年龄和全脑年龄，并计算区域脑年龄差距（regiBAG）和全脑年龄差距（gloBAG）；利用探索性因子分析（EFA）在两个独立队列（ABC 和 Grady）中识别脑老化的空间模式；运用基于 Parcel 的置换旋转测试（p_spin）和逐步线性回归模型，分析脑年龄梯度与神经生物学层级的相关性，以及与认知、感觉和运动性能的关系。

空间模式与神经生物学层级的关联

通过对 335 名参与者的分析，研究人员首先测试了 “最后发育，最先衰老” 假说。一级分析显示，老年成人中， frontal association cortices 相对 sensorimotor cortices 表现出加速老化，呈现异质分布的空间图。二级分析表明，该图与基因表达（r_s=0.67，p_FDR=0.002）、原型 S-A 轴（r_s=0.65，p_FDR=0.002）、外锥体细胞化（r_s=0.58，p_FDR=0.004）和解剖层级（r_s=0.62，p_FDR=0.003）四个梯度显著相关，支持了 “最后发育，最先衰老” 假说，提示高转录变异性、较低神经元密度和较大的颗粒下锥体体细胞大小、较少髓鞘化可能是区域老化易感性的基础。

脑年龄梯度的稳健性与神经生物学层级

在两个独立队列中，EFA 均识别出六个脑老化梯度，解释了 95% 的总方差，且在合并数据集后仍稳定存在，各因子间无显著相关性，表明每个因子捕捉到部分不同的脑老化模式。进一步分析发现，四个因子与神经生物学层级显著相关：Factor 1（frontal）与基因表达、原型 S-A 轴、外锥体细胞化和解剖层级相关；Factor 2（dorsal）与外锥体细胞化和 NeuroSynth PC1 负相关；Factor 3（ventral）与原型 S-A 轴和有氧糖酵解负相关；Factor 4（left frontotemporal）与原型 S-A 轴和进化层级相关。这些结果表明，既定的神经轴是区域脑老化新兴梯度的潜在结构。

与认知、感觉和运动性能的关系

在 ABC 队列中，将参与者的因子得分作为预测因子，结合年龄、性别和教育程度，构建逐步线性回归模型。结果显示，Factor 5 和 6 与 MoCA 得分相关，Factor 3 与视觉 acuity 相关，Factor 5 与听力相关，Factor 2 和 6 与平衡和步态速度相关。而使用全脑年龄差距的模型未能解释行为差异。这表明区域脑年龄模式比全脑年龄更能有效解释行为差异，验证了其功能意义和可解释性。

结论与意义

该研究首次明确了区域脑老化模式与皮质组织的神经生物学层级密切相关，识别出六个可重复的脑老化梯度，其中四个与 S-A 轴等既定神经轴一致。这些梯度不仅反映了大脑衰老的空间异质性，还与认知和感觉运动性能显著相关，且在解释行为差异方面优于全脑年龄。研究结果为大脑衰老提供了新的视角，揭示了区域脑年龄作为生物标志物的潜力，有望桥接既定的皮质原则和行为，为理解大脑健康和神经退行性疾病的机制提供了新方向。同时，研究也为开发更精准的大脑健康评估工具和干预策略奠定了基础，未来可进一步探索其在患者群体中的应用及与可调节健康因素的关系。