重度抑郁障碍是全球范围内导致残疾的主要原因之一（1, 2, 3）。该疾病在症状、病程、治疗反应以及潜在病因机制方面存在高度异质性（4, 5, 6），这使得临床管理变得十分复杂（7）。如果能够根据患者的临床特征、疾病发展轨迹以及出现不良后果的风险对患者进行分类，将有助于改善临床管理效果。
通过抑郁症状来划分重度抑郁障碍亚型的临床研究已经发现了多达五种不同的亚型（8,9）。尽管近期有研究试图利用多种数据源，但研究结果仍存在较大差异（9,10），且由于缺乏足够的验证，这些结果的临床意义和普遍适用性也受到限制（9,11）。
为确定重度抑郁障碍的亚群，人们采用了许多数据驱动的方法，比如K均值聚类、基于树的聚类以及潜在类别分析（12, 13, 14, 15）。然而，对于多模态特征组合的系统性比较以及跨队列验证仍然较为有限（12, 13, 14, 15）。在新兴的方法中，拓扑数据分析能够有效处理高维度、非线性数据集，而且即便数据存在变化也能保持稳定性（16,17），当数据结构过于复杂时，它还能克服传统聚类方法的局限性（18,19）。与传统的硬聚类方法不同，拓扑数据分析采用软聚类方式，能够捕捉到成员关系的重叠以及渐进式的转变，它是基于无需坐标系的相似性关系来运行的（20,21）。
拓扑数据分析能够揭示数据的底层结构，展现全局模式以及局部子群之间的关联（20,21），并且已被广泛应用于多个医学领域（16,22），包括精神病学（19,23,24）。其中一种常用的方法叫TDA Mapper，它能生成可解释的图结构，展示具有相似特征的患者之间的联系，进而直接识别出适合用图论社区检测方法分析的患者亚群（19,25），找出那些彼此之间联系紧密但与其他部分联系较少的“患者社区”（26,27）。拓扑数据分析还能处理神经心理学和神经影像学数据中常见的更高阶的交互关系，从而提供直观的网络可视化结果（28）。
近期的研究越来越多地运用基于图的社区检测方法，来发现具有不同表型或生物学特征的亚群（25,29, 30, 31, 32, 33）。不过，目前还缺乏针对基于社区的特征集进行比较以及在不同队列中进行重复验证的研究，这限制了这些方法的普遍适用性。
本研究旨在弥补这些不足，通过开发一种基于拓扑数据分析的新框架，实现基于图的社区检测以及重度抑郁障碍相关健康指标的分类。训练过程使用了来自英国生物银行重度抑郁障碍子样本的多模态遗传、环境及神经影像学数据，而验证则采用了另外两个独立的重度抑郁障碍队列数据。该框架能够系统地比较不同多模态特征集在健康指标分类方面的表现，并识别出在多种指标上都具有临床意义的亚群。我们的方法还引入了一种新的特征排序流程，这也是在重度抑郁障碍研究中首次对拓扑数据分析得到的社区结果进行重复验证。
本研究在我们之前的拓扑数据分析框架基础上进行了扩展（34），加入了基于社区的指标分析以及选择性、异质性的跨队列验证。
我们提出了以下假设：（1）基于拓扑数据分析的社区检测方法能够发现具有不同多模态特征的重度抑郁障碍亚群，而这些特征与健康相关指标之间存在关联；（2）基因、影像学数据与环境因素之间的相互作用在健康相关指标的分类中起着关键作用；（3）这些识别出的社区在不同的独立队列中能够展现出可重复的风险分类特征。
