基于结构网络改变与外周免疫炎症失调的重性抑郁障碍亚型识别及其预后意义研究

《Psychological Medicine》：Structural network alterations and peripheral immune-inflammatory dysregulation define distinct subtypes of major depressive disorder with prognostic implications

　　

背景：免疫炎症失调与皮层结构脆弱性在重性抑郁障碍（MDD）中的作用日益受到关注。然而，二者之间的相互作用方式，以及MDD中免疫异质性是否受结构网络系统性组织，目前尚不清楚。 方法：研究人员利用MDD、灰质体积（GMV）表型及19项免疫相关性状的全基因组关联研究（GWAS）数据评估因果关系。一项前瞻性队列研究纳入122例MDD患者与66例健康对照，所有受试者接受结构磁共振成像（MRI）扫描及40项炎症与免疫相关标志物的检测。研究人员采用个体化结构协变网络（IDSCN）分析、机器学习方法及生存分析识别神经生物学亚型并评估治疗结局。 结果：遗传预测的MDD与循环胰岛素样生长因子-1（IGF-1）水平降低相关（pFDR = 0.013）。白细胞介素-5（IL-5）和瘦素水平分别与右侧扣带回后部及双侧壳核的GMV改变呈负相关（pFDR < 0.05）。MDD的结构协变异常主要定位于默认模式网络（DMN）与边缘网络之间以及边缘网络内部的连接，并据此将患者分为低连接亚型（n = 49）和高连接亚型（n = 73）。低连接亚型表现出更严重的焦虑和快感缺失症状，而高连接亚型呈现广泛升高的炎症与免疫状态，且在随访期间对抗抑郁治疗应答更为迅速（p = 0.032）。 结论：本研究支持MDD中免疫–脑的双向作用框架，并提示基于结构衍生的亚型可区分不同的免疫信号异质性，这可能为MDD的生物学分层与预后判断提供依据。

论文解读

一、研究背景与问题

重性抑郁障碍（MDD）是全球影响超过3亿人的高发精神疾病，预计到2030年将成为全球疾病负担的主要贡献因素之一。尽管其公共卫生影响巨大，MDD的临床表现高度异质，病因及病理生理机制仍不清楚。既往研究提示免疫激活和慢性炎症参与MDD的病理过程，外周炎症因子如白细胞介素-6（IL-6）、白细胞介素-2（IL-2）和肿瘤坏死因子-α（TNF-α）的升高被反复报道。同时，神经影像学研究揭示了MDD患者多个脑区灰质体积（GMV）的减少，尤其是前额叶皮层、前扣带皮层和海马等参与情绪调节、认知控制和压力处理的区域。然而，已有研究结果之间存在显著不一致，限制了其可重复性和可解释性。此外，传统研究多依赖横断面设计，无法推断时间动态或因果关系。更重要的是，MDD越来越多地被概念化为分布式脑网络障碍而非孤立脑区异常，但既往结构协变网络（SCN）研究多基于群体水平分析，掩盖了个体差异，无法直接与临床或生物学标志物关联。免疫标志物与脑结构网络之间的相互作用方式，以及结构驱动的亚型异质性是否对应不同的炎症免疫特征和抗抑郁治疗应答差异，仍是未解之谜。

二、研究设计与主要技术方法

研究人员采用整合设计，结合孟德尔随机化（MR）、多模态神经影像和前瞻性随访队列，系统探讨外周免疫炎症系统、脑结构网络与MDD之间的关系。研究队列包括来自四川大学华西医院心理健康中心的122例MDD患者和66例健康对照（HC），以及来自DIRECT联盟（中国抑郁症影像研究联盟）的独立外部验证队列（295例MDD患者和504例HC）。主要关键技术方法包括：双向两样本孟德尔随机化分析（利用MDD、GMV及19项免疫相关性状的GWAS汇总数据评估因果关系）；基于网络模板扰动框架的个体化结构协变网络（IDSCN）构建（基于自动解剖标记图谱AAL的90个脑区）；K-means聚类识别MDD亚型；极端梯度提升（XGBoost）机器学习模型结合SHAP值评估免疫炎症轴对亚型区分的贡献；Kaplan–Meier生存分析比较亚型间治疗应答时间差异。

三、研究结果

孟德尔随机化分析揭示免疫信号、皮层结构与MDD易感性之间的因果联系：双向MR分析显示，遗传预测的MDD与循环IGF-1水平降低相关（OR_IVW = 0.95，p_FDR = 0.013）。关键皮层-纹状体和边缘脑区的结构变异与MDD风险存在因果关联，包括右侧额中回、左侧胼胝体下皮层、右侧壳核、双侧腹侧纹状体（p_FDR < 0.05）。正向MR分析发现，IL-5和瘦素分别与右侧扣带回后部和双侧壳核的GMV改变呈负相关（p_FDR < 0.05）。敏感性分析未发现水平多效性证据。

IDSCN分析识别出两种可重复的MDD神经影像亚型：IDSCN分析在Bonferroni校正后识别出37条在MDD与HC组间存在显著差异的连接边，其中涉及左侧尾状核的连接占比最大。将这些连接映射到Yeo-7功能网络图谱后发现，默认模式网络（DMN）与边缘网络之间的连接以及边缘网络内部连接是最主要的改变。基于异常连接谱的K-means聚类将MDD患者分为两个亚型：低连接亚型（n = 49）和高连接亚型（n = 73）。该分类在DIRECT独立外部验证队列中得到重复验证。低连接亚型在汉密尔顿焦虑量表（HAMA-14）和斯奈思-汉密尔顿快感量表（SHAPS）上均显著高于高连接亚型。

免疫炎症谱与治疗应答在MDD亚型间存在差异：XGBoost模型分析显示，核心炎症轴的SHAP值最高（0.356），其次为组织修复轴（0.289）、趋化因子轴（0.286）、适应性免疫轴（0.206）和纤维化轴（0.096）。高连接亚型在核心炎症、趋化因子、适应性免疫和组织修复轴上的平均得分均升高，而纤维化轴则相反。生存分析显示，高连接亚型在随访期间更快达到临床应答，累计应答概率显著高于低连接亚型（χ2 = 4.605，p = 0.032）。

四、讨论与结论

研究人员指出，双向MR分析为MDD、外周免疫标志物与脑灰质结构之间的因果相互作用提供了遗传学证据。遗传预测的MDD与循环IGF-1降低相关，可能反映了MDD早期或未用药阶段的特点。反向MR未支持MDD对GMV的因果效应，提示这些结构改变可能是预先存在的易感性标志物而非疾病后果。IDSCN识别的结构异常主要定位于DMN与边缘网络，与MR发现的皮层-纹状体和边缘区域高度一致。低连接亚型表现出更严重的焦虑和快感缺失症状，与既往功能磁共振研究中快感缺失为主的MDD患者存在皮层下网络和背侧注意网络低连接的证据一致。高连接亚型呈现广泛升高的炎症免疫状态，与实验证据显示IL-6增强谷氨酸能突触传递并诱导广泛脑高连接的发现相符。高连接亚型对抗抑郁治疗应答更快，可能反映其更强的基线连接性支持治疗相关可塑性，同时高炎症状态可能作为可干预的靶点，提示免疫负荷可作为风险富集标志物，用于更密切的监测和更早的治疗调整。

研究结论：本研究整合MR、神经影像、免疫谱分析和纵向随访，表征了MDD的神经免疫异质性。研究不仅识别出与MDD风险遗传关联的脑区，还证明了外周免疫标志物与脑结构网络之间的双向关联，支持抑郁易感性的免疫-脑双向框架。MDD中主要涉及DMN与边缘网络之间及边缘网络内部连接的异常，划分出具有不同炎症谱和治疗轨迹的生物学亚型。值得注意的是，以增强连接和升高炎症活动为特征的亚型表现出更快的抗抑郁应答。这些发现提示免疫失调和大尺度脑网络组织是MDD异质性的互补维度，可为生物学指导的患者分层和个体化治疗策略提供依据。