背景
原发性闭角型青光眼(PACG)传统上被认为是一种眼部疾病,但越来越多的证据表明其还涉及中枢神经系统。尽管先前的神经影像学研究已经发现了静态的功能异常,但PACG中大规模脑网络的动态特性及其相关的分子特征仍不为人所充分了解。
方法
我们对44名PACG患者和57名健康对照组的静息状态功能性磁共振成像(fMRI)数据应用了主导特征向量动力学分析(Leading Eigenvector Dynamics Analysis)来表征反复出现的全脑动态状态。进一步使用多种机器学习模型评估了特定状态的时间指标和空间模式。为了探索潜在的生物学相关性,我们将影像学得到的空间模式与Allen人类大脑图谱(Allen Human Brain Atlas)中的皮质基因表达谱进行了关联分析,方法包括偏最小二乘回归(partial least squares regression)、通路富集(pathway enrichment)、细胞类型富集(cell-type enrichment)以及神经递质受体/转运蛋白映射分析(neurotransmitter receptor/transporter mapping)。
结果
与健康对照组相比,PACG患者在某种反复出现的动态状态中停留时间更长,这表明其大脑大规模动态的灵活性降低。机器学习模型在当前数据集中的分类表现令人满意,其中最有信息量的特征主要位于默认模式网络(default mode network)区域。转录组分析显示,与突触信号传导、离子通道活性、神经递质转运和神经元通信相关的基因表达增强。细胞类型富集分析进一步表明兴奋性神经元、抑制性神经元和星形胶质细胞可能参与其中。此外,VMAT2基因的显著空间关联表明单胺能系统可能与观察到的影像学表型有关。
结论
PACG与大脑大规模动态的改变有关,尤其是默认模式网络相关的不稳定性。这些影像学异常与分子、细胞和神经递质相关的特征存在空间关联。


