基于静息态功能连接嵌入空间解析重大精神障碍的跨诊断关联

《npj Systems Biology and Applications》:Inferring relationships among major psychiatric disorders in a resting-state functional connectivity-informed embedding space

【字体: 大 中 小 】 时间:2026年04月08日 来源:npj Systems Biology and Applications 3.5

编辑推荐:

  为解决传统上被视为不同临床实体的重大精神障碍(如MDD、SCZ)及神经发育障碍(如ASD)之间的关联难以在复杂的高维功能连接特征空间中量化的问题,研究人员开展了一项基于rsFC的嵌入-关联工作流程研究。该研究在人工合成的连通性数据基础上,确定在中等监督水平下的球形空间是rsFC嵌入的最佳表示形式,并应用于多障碍rsFC数据集。结果一致揭示了三者间稳固的神经生物学关系:ASD与MDD表现出显著的差异性,而SCZ与两者均表现出更高的相似性。这为精神障碍的维度性、跨诊断视角提供了新的神经基础见解,具有重要的理论和方法学意义。

  
在探索人类复杂精神世界的征途上,科学家们一直面对着如何描绘各种精神障碍之间关系的谜题。传统上,重度抑郁障碍(Major Depressive Disorder, MDD)、精神分裂症(Schizophrenia, SCZ)和自闭症谱系障碍(Autism Spectrum Disorder, ASD)被视为截然不同的临床诊断。然而,越来越多的基因组学证据,特别是全基因组关联研究(Genome-Wide Association Studies, GWAS),揭示了它们背后存在共享的遗传风险。这促使科学界思考一个“跨诊断”的视角,即不再孤立地看待这些疾病,而是将它们置于一个连续的神经生物学维度谱系上。但一个关键问题随之而来:这种共享的遗传易感性,是如何在大脑的动态功能层面体现出来的?
静息态功能连接(Resting-State Functional Connectivity, rsFC)作为一种能够反映大脑内在功能组织的重要生物标志物,为回答这个问题提供了绝佳的窗口。它通过测量大脑不同区域在静息状态下神经活动的同步性,揭示出内在的功能网络。然而,rsFC数据具有极高的维度,这导致在原始的、庞大的特征空间中直接推断不同障碍间的复杂关系变得异常困难,就像在茂密的森林中难以看清树木之间的关系。为了拨开迷雾,量化这些重大神经精神障碍之间基于大脑功能连接的、精细的关联模式,一项开创性的研究应运而生。
研究人员开发了一套名为“rsFC-based embedding-relation workflow”(基于rsFC的嵌入-关系工作流程)的计算框架,旨在一个由连接信息驱动的、低维的“嵌入空间”中,量化这些障碍之间的关系。这项工作的核心是一个基于互信息的嵌入评估框架,它能够系统性地评估不同的候选嵌入方法,并从中选出最优策略。就像为高维数据寻找最合适的“地图投影”一样,研究者首先在人工合成的连通性数据上测试了这一框架。结果显示,在中等程度的监督水平下,静息态功能连接嵌入在“球形空间”中能够得到最佳的表达。这一发现为后续的实际数据分析奠定了坚实的理论基础。
基于这一关键洞见,研究团队将这套工作流程应用于精心收集的、涵盖ASD、MDD和SCZ的多障碍rsFC数据集,从而构建出能够同时容纳这些障碍连接特征的共享嵌入空间。在这个低维的、能反映神经生物学相似性的“关系地图”上,一个清晰而稳健的三角关系模式被揭示出来。值得注意的是,ASD(一种神经发育障碍)与MDD(一种典型的情绪障碍)在神经生物学特征上表现出显著的差异性或“距离”。与此形成鲜明对比的是,SCZ与这两者都表现出更大的相似性。换言之,在基于静息态功能连接的大脑功能组织层面,精神分裂症似乎位于自闭症谱系障碍和重度抑郁障碍之间的某个“桥梁”位置,与二者共享更多的神经特征。这一发现有力地支持了精神障碍的维度性与跨诊断观,表明这些疾病并非界限分明的孤岛,而可能共享部分重叠的神经环路异常。研究为理解这些重大精神障碍共享与独特的神经基础提供了全新的、基于数据驱动的见解,论文发表于《npj Systems Biology and Applications》期刊。
为开展这项研究,作者主要运用了以下关键技术方法:首先,构建并应用了一个基于互信息的嵌入评估框架,用于系统性地评估和选择最优的数据降维与表示策略。其次,使用了人工合成(仿真)的连通性数据来验证和确定嵌入方法的最佳几何空间(如球形空间)和所需的监督水平。最后,将优化后的嵌入-关系工作流程应用于真实世界、经过整理的、包含ASD、MDD和SCZ患者的多中心静息态功能磁共振成像(rs-fMRI)数据集,以推导跨障碍的共享嵌入空间并计算其相对位置关系。
研究结果
基于仿真数据确定最优嵌入策略
研究人员首先在仿真的连通性数据上测试了他们的嵌入评估框架。该框架的核心是量化嵌入表示与目标关系(在本研究中即不同“障碍”类别间预设的关系)之间的互信息。通过比较不同嵌入方法(如线性与非线性降维)在不同几何空间(如欧几里得空间、球形空间)和不同监督水平下的表现,他们得出了一个关键结论:对于模拟的静息态功能连接数据,在中等程度的监督信息下,将其嵌入到一个球形空间中能够最有效地保留和反映数据内在的、与障碍类别相关的关系结构。这一步骤为后续分析真实数据提供了方法学的可靠依据和最佳实践方案。
在多障碍rsFC数据中揭示稳固的三方关系
基于仿真数据的洞见,研究者将优化后的工作流程应用于真实的人类rsFC数据。他们构建了能够同时容纳ASD、MDD和SCZ患者功能连接特征的共享低维嵌入空间。在不同的数据集和分析验证中,一个一致且稳健的模式被观察到。这个模式可以概括为一个清晰的三角关系:自闭症谱系障碍与重度抑郁障碍在嵌入空间中表现出最大的神经生物学距离,即二者的大脑静息态功能连接模式最为迥异。相比之下,精神分裂症在嵌入空间中的位置,与自闭症谱系障碍和重度抑郁障碍两者都更为接近,表现出更高的相似性。这表明,SCZ的大脑功能连接特征,在一定程度上“桥接”或“介于”ASD和MDD的特征之间。
研究结论与讨论
本研究通过开发一个创新的、基于互信息的静息态功能连接嵌入-关系工作流程,成功地在低维、可解释的嵌入空间中量化了ASD、MDD和SCZ之间的神经生物学关系。核心结论是,这三种重大精神障碍并非完全独立,而是存在一种非对称的、稳固的关联模式:ASD与MDD之间存在显著的差异性,而SCZ则与两者均共享更多的相似性。这一发现具有多重重要意义。
首先,它从大脑功能连接的角度,为精神障碍的“跨诊断”和“维度性”理论提供了强有力的实证支持。它表明,传统的诊断分类边界在大脑功能组织层面可能是模糊的,精神病理学现象可能是一个连续谱,不同诊断之间共享着部分神经基础。其次,该研究提出的方法学框架本身具有重要价值。它通过结合仿真验证与真实数据分析,为处理高维神经影像数据、推断复杂临床群体间关系提供了一个可推广的、严谨的计算范式。特别是确定了球形空间在表示rsFC嵌入中的优势,这为未来类似研究指明了技术方向。
总之,这项研究不仅增进了我们对几种重大精神障碍之间复杂关系的理解,也为利用高维神经影像数据探索精神疾病的生物分型开辟了新途径。它提示,未来的精神疾病研究、甚至临床实践,可能需要更多地考虑跨越传统诊断类别的、基于生物标志物(如rsFC)的维度性特征,从而推动精神医学向更精准、更基于神经科学的方向发展。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号