基于数字孪生控制框架揭示孤独症谱系障碍中功能连接偏差、沟通障碍与分子机制之间的个体化跨尺度关联

《NeuroImage》：Digital Twin Control Framework Uncovers Individualized Cross-Scale Links Between Functional Connectivity Deviations, Communication Impairment, and Molecular Mechanisms in Autism

　　

一项数字孪生控制框架分离出个体化的孤独症谱系障碍（ASD）特异性功能连接偏差。沟通障碍与一种占主导地位的跨网络功能失调模式相关联。转录组学、神经递质和线粒体分析揭示了跨尺度的分子机制。 作为最常见的神经发育障碍之一，孤独症谱系障碍（ASD）在临床上以三大核心特征为标志：社交互动缺陷、沟通与语言能力受损，以及存在受限、重复的行为、兴趣或活动。近期流行病学调查显示，约每36名8岁儿童中即有1名被诊断为ASD。鉴于ASD是一种终身性疾病，其症状通常在早期发育阶段显现并持续至成年期，这意味着大多数ASD个体需要终身支持，给家庭和社会带来沉重的经济与社会负担。尽管已有大量研究，ASD的病因学仍然复杂且尚未完全阐明，这对循证治疗策略的开发构成了重大挑战。 为打破ASD研究中长期存在的僵局，关键在于阐明其潜在的生物学机制，并描绘连接分子遗传学、神经功能与临床表现之间的因果通路。作为一种不可或缺的无创在体影像学技术，神经影像学克服了动物实验的方法学局限，已成为刻画脑病理改变的重要途径。神经影像作为中间表型，有效连接了宏观临床表现与微观遗传特征。尽管ASD中广泛的功能连接（FC）破坏已被充分记录，但现有研究在异常的结构定位、变异模式、发育轨迹及临床意义方面结果高度不一致。这一根本性问题严重阻碍了宏观脑网络表型与微观基因调控机制的整合。跨研究结果不一致主要源于神经影像数据固有的双重异质性，即外在混杂异质性与内在疾病相关异质性。外在混杂因素可分为两大类：技术变异（如采集噪声和跨中心扫描仪差异）以及可观测的人口学因素（包括年龄、性别和智商）。这些因素共同掩盖了ASD特异性神经特征。虽然一般线性回归和ComBat系列方法可缓解常见混杂因素，但诸多因素（如环境暴露和生活经历）难以系统量化。加之大量未测量的潜在混杂因素，这些未解释的变异无法通过常规校正方法完全消除，最终阻碍了真实疾病相关神经信号的可靠提取。此外，内在疾病异质性仍是该领域的主要瓶颈。ASD在临床症状、遗传背景和神经影像表型方面表现出显著的个体间差异。两类异质性之间的相互作用使得传统分析方法难以提取稳定且具有生物学意义的ASD特异性神经特征。 在此背景下，对比机器学习已成为有效分离混杂变异与疾病特异性神经特征的新范式。通过联合利用目标数据集和背景数据集，这一数据驱动框架将队列间共享变异与目标组独有的变异分离开来。对比主成分分析（CPCA）是该类方法的代表性方法；然而，它本质上是一种线性模型，无法捕捉输入特征与潜在表征之间的非线性关系。对比变分自编码器（CVAE）进一步将对比学习与变分自编码器（VAE）相结合。VAE对潜在变量的概率分布进行建模，使其能够捕捉脑连接数据中嵌入的复杂非线性模式。此外，CVAE内置的解码器可为每位患者生成与其人口学特征个体化匹配的患者特异性数字孪生对照样本，从而识别被混杂因素掩盖的个体神经生物学改变。迄今为止，CVAE已成功应用于ASD参与者与健康对照（HC）之间脑结构差异的研究，为解决FC数据异质性提供了有价值的方法学参考。 为适应FC数据的特点并提升特征提取性能，研究人员将图卷积网络（GCN）和简化Transformer同时整合到CVAE模型中，创新性地提出了SGT-CVAE框架。这一轻量级框架能够同时捕捉脑网络的局部拓扑特征和全局关联信息，适用于大规模队列研究。利用所提出的模型，研究人员为每位ASD参与者生成了一个基于模型推断的共享特征匹配的数字孪生对照，以在去除模型推断的共享变异后估计个体水平的疾病相关FC偏差。随后采用主成分分析（PCA）系统描绘ASD神经功能异质性的核心维度和空间分布模式。建立了一套多层次验证流程，包括模型解缠能力评估、神经认知解码和疾病富集分析，以确保分析可靠性。研究人员进一步整合转录组数据、神经递质图谱和线粒体特征，进行多组学共定位分析，探究ASD相关功能异常的分子机制。总体而言，本研究旨在构建一个连接脑FC、临床症状与遗传学的系统框架，并建立一条连接宏观神经表型与微观分子调控的完整研究流程。该工作有望为阐明ASD的发病机制提供新颖的方法学见解和实证证据。

论文解读

一、研究背景与问题

孤独症谱系障碍（ASD）是一种常见的神经发育障碍，临床以社交互动缺陷、沟通与语言能力受损以及受限重复行为三大核心特征为标志。流行病学数据显示约每36名8岁儿童中即有1名被诊断为ASD，且该疾病为终身性状态，给家庭和社会带来沉重负担。尽管研究广泛，ASD的病因学仍不明确，其根本瓶颈在于难以建立连接分子遗传学、神经功能与临床表现之间的因果通路。

神经影像学作为无创在体技术，可作为中间表型连接宏观症状与微观遗传特征。然而，现有ASD功能连接（FC）研究在异常定位、变异模式及临床意义方面结果高度不一致。这一不一致主要源于神经影像数据固有的双重异质性：外在混杂异质性（如采集噪声、跨中心差异、年龄性别智商等可观测因素，以及环境暴露等难以量化的因素）和内在疾病异质性（ASD个体间在症状、遗传背景和影像表型上的显著差异）。传统线性回归和ComBat系列方法难以完全消除未测量的潜在混杂因素，而传统分析方法也难以从两类异质性交织的数据中提取稳定且具有生物学意义的ASD特异性神经特征。

在此背景下，对比机器学习范式应运而生。对比主成分分析（CPCA）作为代表性方法本质为线性模型，无法捕捉非线性关系。对比变分自编码器（CVAE）结合对比学习与VAE的概率建模能力，可捕捉脑连接数据中的复杂非线性模式，且其内置解码器能生成个体化匹配的数字孪生对照样本。CVAE此前已成功应用于ASD脑结构差异研究。本研究在此基础上，针对FC数据特点，将图卷积网络（GCN）和简化Transformer同时整合入CVAE，提出SGT-CVAE框架，旨在构建连接脑FC、临床症状与遗传学的系统框架，建立连接宏观神经表型与微观分子调控的完整研究流程。

二、主要技术方法

研究人员采用对比变分自编码器（CVAE）为基础架构，创新性地同时整合图卷积网络（GCN）和简化Transformer，提出SGT-CVAE轻量级框架。该框架将每位ASD参与者的FC矩阵投射至共享特征空间和ASD特异性特征空间两个潜在空间，通过仅利用模型推断的共享特征并将ASD特异性特征置零，重建每位患者的数字孪生对照FC矩阵，从而生成个体化的合成病例-对照对。随后采用主成分分析（PCA）提取个体FC偏差矩阵的核心异常模式。样本来源于Autism Brain Image Data Exchange（ABIDE）数据库，最终纳入297名ASD参与者和360名健康对照（HC）。验证方法包括表征相似性分析（RSA）、双单侧检验（TOST）、留一被试交叉验证、偏最小二乘（PLS）回归、旋转置换检验、Metascape通路富集分析、细胞类型特异性分析、BrainSpan时空转录组分析、JuSpace神经递质共定位分析、线粒体活性共定位分析、WebGestalt疾病富集分析以及Neurosynth认知解码分析。

三、研究结果

5.1 模型解缠效能验证。 由于VAE的概率特性，研究人员对每位ASD参与者的潜在特征独立采样10次进行RSA，配对样本t检验显示RSA结果呈现清晰的特征特异性关联模式，证明所提模型成功实现了ASD参与者特征空间中疾病相关变异与非疾病相关变异的解缠。

5.2 数字孪生对照的等价性与特征保留。 TOST结果显示真实ASD参与者与HC之间仅64.4%的连接边等价，而数字孪生与真实HC之间84.4%的边等价，证实数字孪生具有与健康人群统计学等价的FC特征。RSA验证数字孪生完全保留了年龄、扫描站点和平均帧位移（FD）等共享个体水平协变量。

5.3 个体特异性神经功能偏差模式。 PC1解释了个体特异性FC偏差模式约5.29%的方差，虽比例不高但代表了高度异质性FC偏差中最大的单一变异轴。经多重比较校正后，653条PC1相关连接显著异常，涉及207个脑区，分布于Yeo 7网络划分的多个功能网络。异常连接广泛分布于枕颞视觉-社会通路、颞顶语言皮层、额叶执行与言语规划区域、感觉运动回路及默认模式网络。

5.4 异常FC模式的临床关联。 PC1载荷与ADOS沟通评分呈显著正相关（τ=0.123，p_FDR=0.028），而与平均FD及其他临床变量无显著相关，表明核心异常FC模式与ASD沟通症状严重程度密切相关。

5.5 神经功能偏差的分子关联。 PLS转录组解码证实区域基因表达谱显著预测FC偏差的空间分布（p_spin<0.001），PLS1解释31.2%方差并与净异常功能向量强相关（r=0.50，p_spin<0.001）。功能富集显示排名靠前基因主要汇聚于突触信号和神经元系统通路。细胞类型富集分析显示与兴奋性神经元（217个基因，p_FDR<0.001）和抑制性神经元（105个基因，p_FDR<0.001）显著重叠。时空转录组分析显示基因在婴儿至幼儿期（W6）、青春期（W8）和成年早期（W9）三个发育窗口显著富集，区域上集中于丘脑背内侧核和小脑皮层。神经递质共定位分析发现异常FC模式与5-HT1b/5-HT2a血清素受体、离子型GABAa、多巴胺D1/D2、mGluR5和CB1受体广泛负相关（均p_FDR<0.05）。线粒体共定位分析显示与呼吸链复合物（复合物I、II、IV）及组织呼吸能力指标平行负相关（均p_FDR<0.05）。

5.6 生物学意义验证。 疾病富集分析显示ASD（孤独症）位列前10富集疾病术语中，且240个已知ASD相关基因中有19个与排名靠前基因集重叠，支持这些基因与ASD发病机制相关。认知解码分析中多个沟通相关术语（涵盖语言处理、口语理解、语义加工、词汇加工和句子加工等语言认知领域）位列相关性强度前25位，进一步支持异常FC模式的认知特异性。

四、讨论与结论

讨论部分指出，核心偏差模式与ADOS沟通评分的关联将无监督神经影像内表型锚定于ASD核心临床领域。ASD沟通缺陷并非源于单一语言区的局灶性病变，而是源于协调感知输入、认知调控和运动输出的多系统级联的全局功能整合受损。分子层面，排名靠前基因在突触信号、细胞骨架调控和神经元形态发生通路中的富集提示，受扰的生物学过程可能损害长程和局部回路形成、神经突生长及突触功能。细胞水平富集模式与ASD经典的兴奋-抑制（E/I）失衡假说一致。发育层面，风险基因在婴儿/幼儿期、青春期和成年早期的富集与语言习得、沟通成熟和高级社会认知精细化的关键窗口吻合。空间上，丘脑、杏仁核和小脑的显著皮层下富集扩展了传统以皮层为中心的病理观。神经化学层面，与多种神经递质系统的负向空间关联与多系统神经化学失调导致ASD沟通缺陷的既有证据一致；与线粒体呼吸链复合物的平行负相关提示生物能量供应受损，沟通处理依赖持续能量需求，线粒体呼吸能力下降会损害活动依赖性突触可塑性和大规模网络协调。

研究局限性包括：数字孪生框架虽缓解了可观测和潜在混杂因素，但残余混杂（如用药状态）无法完全消除；转录组和神经递质数据来自独立成人样本，仅支持关联性结论而非因果推断；仅关注PC1可能忽略ASD异质性的次要维度；部分HC具有较高孤独症特质可能降低ASD特异性潜在空间中疾病相关神经生物学信号的丰度；跨站点临床量表不一致限制了表型数据收集深度。

结论部分指出，本研究建立了涵盖脑功能表型、临床特征和分子机制的综合跨尺度研究框架。在保留个体异常特异性的同时，研究探索了ASD沟通缺陷的潜在多水平病理机制，实现了从宏观神经影像表型到微观分子调控机制的跨尺度阐明。研究进一步支持数字孪生对照范式在精准神经科学中的应用价值，所构建的技术范式有望推广至多种相关脑疾病，实现个体特异性功能损伤定位并支持个性化靶向干预策略的开发。