基于能量景观分析的多中心阿尔茨海默病与轻度认知障碍患者脑网络动态特征研究

这篇研究通过能量景观分析（energy-landscape analysis）揭示了阿尔茨海默病（AD）和轻度认知障碍（MCI）患者脑网络动态的异常模式，包括状态稳定性降低、过渡频率增加及与认知能力（如MMSE评分）和结构特征的显著负相关。研究基于516名正常对照（NC）、404名AD和441名MCI患者的多中心数据，首次系统量化了大规模网络（如默认模式网络DMN）的动态特性，为AD的生物学内表型提供了新见解。

　　

Highlight

本研究采用能量景观分析（energy-landscape analysis）方法，首次在多中心队列中系统描绘了阿尔茨海默病（AD）和轻度认知障碍（MCI）患者的大规模脑网络动态特征。通过分析516名正常对照（NC）、404名AD患者和441名MCI患者的静息态功能磁共振成像（fMRI）数据，揭示了患者群体中脑状态稳定性降低、过渡频率异常增高以及与认知能力和脑结构特征的显著关联。

Model Fitting and Identification of Dominant Brain States

通过成对最大熵模型（pairwise MEM）拟合各组网络活动，模型表现出极高的预测性能（准确率>99%，相关性r>0.99）。能量分析显示，AD和MCI患者的低能量活动模式出现频率更高，且主要脑状态（如默认模式网络DMN相关状态）的持续时间显著缩短，状态间过渡更加频繁。

Discussion

能量景观分析为理解AD和MCI的脑动态异常提供了物理框架：患者脑状态如同在“能量洼地”间快速跳跃，稳定性显著低于正常人群。这种动态紊乱与认知评分（如MMSE）和灰质体积等结构特征呈负相关，提示脑动态特征可能成为AD的新型生物学标志物。

Data Availability

代码已公开于GitHub（YongLiuLab），ADNI数据可通过申请获取，MCADI数据集需联系通讯作者。

Disclosures

作者声明无生物医学经济利益冲突。

Acknowledgments

感谢多中心AD影像联盟（MCADI）和AD神经影像计划（ADNI）的数据支持。

Funding

研究受国家自然科学基金（T2425027、82302294等）、北京市教委研发计划（KM202411232018）资助。

（注：翻译部分已省略未引用文献标识及图示标识，专业术语保留英文缩写并标注上下标，如P_FDR。）