基于边缘中心脑功能连接组表征揭示抑郁症患者奖赏回路功能多样性异常及其多尺度神经生物学机制

为解决传统节点中心脑网络模型忽略高阶边-边相互作用的问题，研究人员采用边缘功能连接(eFC)模型分析838例抑郁症患者(MDD)和881例健康对照(HC)的多中心静息态fMRI数据，发现MDD患者前额叶-纹状体-丘脑奖赏回路功能多样性显著增加，其空间模式与炎症相关基因表达及5-HT1B受体分布相关。该研究发表于《Biological Psychiatry》，为抑郁症的精准诊断提供了新型生物标志物。

　　

抑郁症影响着全球超2.4亿人，但传统诊断主要依赖主观症状评估。尽管脑网络研究已证实抑郁症存在连接组异常，但主流节点中心模型(nFC)难以捕捉边-边高阶相互作用。更棘手的是，抑郁症患者表现出显著的临床异质性，而现有生物标志物对个体化诊断的准确性不足。这些瓶颈促使Kun Qin团队思考：能否通过新型边缘中心连接组(eFC)模型，揭示更精细的抑郁症网络紊乱特征？

研究人员创新性地采用边缘时间序列(eTS)构建功能连接，通过k均值聚类识别重叠社区结构，并计算归一化熵量化功能多样性。这项发表在《Biological Psychiatry》的研究整合了23个中心的1719人数据，结合艾伦人脑图谱(AHBA)基因表达数据和PET神经递质图谱，首次系统描绘了抑郁症边缘连接组的全景特征。关键技术包括：多中心rsfMRI数据采集(838例MDD/881例HC)、eFC矩阵构建与社区聚类、PLS回归基因解码、支持向量机(SVM)分类模型，以及独立队列验证。

【Alterations in brain functional diversity】

研究发现MDD患者内侧前额叶(mPFC)、前扣带回(ACC)等奖赏回路区域归一化熵显著增高(P_fdr<0.05)，提示这些区域参与更多功能社区且分布更均匀。网络水平分析显示默认模式网络(DMN)和皮层下网络(SUB)变化最显著。早期发病患者内侧眶额叶熵值更低，而抑郁症状严重程度与右侧额下回熵值呈正相关。

【Neurobiological correlates】

基因解码发现31.8%的差异表达基因与微胶质细胞特异性基因重叠，富集于炎症通路。空间相关性分析显示5-HT_1B受体密度与熵值改变区域高度吻合(r=0.370)，暗示血清素系统与功能多样性异常的潜在关联。

【Individual-level classification】

eFC模型在区分复发型MDD时准确率达72.5%(AUC=0.784)，显著优于传统nFC模型。最具判别力的连接主要涉及默认模式网络与视觉网络间的交互。

这项研究开创性地建立了抑郁症边缘连接组异常与多尺度神经生物学特征的关联框架。奖赏回路功能多样性的增加可能反映炎症过程导致的网络整合失衡，而5-HT_1B受体的空间关联为血清素调节机制提供了新证据。特别值得注意的是，eFC模型对复发型患者的鉴别优势(准确率提升10.6%)，为临床分型提供了客观依据。尽管抗抑郁治疗未显示显著熵值改变，但研究采用的边缘中心范式无需额外扫描即可获取高阶网络信息，具有重要转化价值。未来研究可进一步探索功能多样性指标在治疗靶点定位和疗效预测中的应用潜力。