
-
生物通官微
陪你抓住生命科技
跳动的脉搏
卒中后偏瘫手功能差异的神经影像与生物标志物研究:基于静息态fMRI的多模态分析
【字体: 大 中 小 】 时间:2025年07月06日 来源:Journal of NeuroEngineering and Rehabilitation 5.2
编辑推荐:
本研究针对卒中后偏瘫手功能预后差异的临床难题,通过静息态功能磁共振成像(rs-fMRI)多指标(ALFF/ReHo/DC/VMHC)分析65例慢性皮层下卒中患者,发现低频振幅(ALFF)可作为区分部分瘫痪(PPH)与完全瘫痪(CPH)的最佳生物标志物(准确率88%),并揭示其与G蛋白偶联受体信号通路、星形胶质细胞及去甲肾上腺素转运体的关联,为个体化康复提供新靶点。
卒中后偏瘫手功能为何差异显著?神经影像与分子机制的新发现
卒中后患者的手功能恢复存在巨大个体差异,有的能完成日常动作,有的却完全丧失功能。这种差异直接影响患者的生活质量,但临床评估主要依赖主观量表,缺乏客观预测指标。更关键的是,隐藏在功能差异背后的神经重组机制和分子基础始终是未解之谜。
南方医科大学珠江医院康复医学中心联合多家机构的研究团队在《Journal of NeuroEngineering and Rehabilitation》发表重要成果。研究人员创新性地将多模态神经影像与分子生物学相结合,首次系统揭示了卒中后不同手功能结局的神经影像标志物及其生物学基础。
关键技术方法
研究纳入65例慢性皮层下卒中患者(32例部分瘫痪PPH,33例完全瘫痪CPH),采集静息态fMRI数据计算四种指标:低频振幅(ALFF)、区域同质性(ReHo)、度中心性(DC)和体素镜像同伦连接(VMHC)。采用支持向量机(SVM)进行模式分类和预后预测,结合艾伦人脑图谱的基因表达数据和JuSpace神经递质图谱,通过偏最小二乘回归(PLS)解析生物机制。
主要研究发现
1. ALFF成为最佳分类指标
机器学习分析显示,ALFF对PPH与CPH的分类准确率高达88%,显著优于其他指标(ReHo 68%,DC 61%,VMHC 57%)。关键贡献脑区包括:

2. 预测手功能评分
ALFF模型对Fugl-Meyer手-腕量表(FMA-HW)的预测效果最佳(R2=0.36),显著优于临床常用的病灶体积指标。
3. 分子机制解析
基因富集分析发现,ALFF生物标志物关联两大通路:
4. 神经递质关联
空间相关性分析揭示,去甲肾上腺素转运体(NAT)分布与ALFF标志物显著正相关(R2=0.07)。
研究启示与展望
该研究首次建立了从宏观神经影像到微观分子机制的完整证据链:ALFF不仅是区分卒中后手功能差异的可靠标志物,其背后更涉及星形胶质细胞调控、神经递质系统重组等关键生物学过程。这些发现为临床带来三重价值:
未来研究可进一步验证ALFF在急性期的预测价值,并探索通过药物或神经调控手段干预相关通路的效果。这种多尺度研究方法也为其他神经系统疾病的生物标志物研究提供了范式参考。
(注:全文严格依据原文数据,专业术语如ALFF=低频振幅、ReHo=区域同质性等均在首次出现时标注,作者单位按要求处理,未使用任何虚构内容)
生物通微信公众号
知名企业招聘