《CNS Neuroscience & Therapeutics》：Decoding Transdiagnostic Subtypes in Emotional Disorders
编辑推荐：
背景：情绪障碍（emotional disorders, EDs），包括焦虑障碍、重度抑郁障碍（major depressive disorder, MDD）和创伤后应激障碍（post-traumatic stress disorder, PTSD），表现出重
背景：情绪障碍（emotional disorders, EDs），包括焦虑障碍、重度抑郁障碍（major depressive disorder, MDD）和创伤后应激障碍（post-traumatic stress disorder, PTSD），表现出重叠的症状和神经生物学异质性，限制了当前的诊断框架。跨诊断生物标志物对于精准精神病学至关重要。方法：来自261名ED患者和201名健康对照（healthy controls, HCs）的静息态功能连接（functional connectivity, FC）通过非负矩阵分解（nonnegative matrix factorization, NMF）进行分解。差异FC特征定义了潜在疾病因子，将患者分为具有不同网络/结构特征的亚型。结果：分析确定了五个代表性功能网络（representative functional networks, RFNs）作为情绪障碍异质性的基础。RFN1反映了感觉运动网络与背侧注意网络之间的连接，而RFN2由与心理理论相关的连接定义。RFN3以丘脑皮层连接为特征，特别涉及躯体感觉处理。RFN4涉及默认模式网络内的连接，RFN5捕获了多网络-皮层下整合。这些RFNs描绘了五个具有不同临床特征的亚型：ST1（混合焦虑/抑郁）表现出RFN1驱动的躯体警觉和共病抑郁症状；ST2（轻度症状）表现出与RFN2相关的心理韧性；ST3（躯体焦虑为主）显示与RFN3相关的躯体焦虑和惊恐症状升高；ST4（焦虑为中心）以RFN4相关的自我参照焦虑为标志；ST5代表映射到RFN5的纯抑郁亚组。结论：本研究提出了一种基于神经生物学的ED分层，揭示了具有不同网络特征和临床意义的跨诊断亚型。这些发现将症状异质性与环路功能障碍联系起来，为个性化干预提供潜在生物标志物，并倡导精神病学研究中的跨诊断方法。
情绪障碍的跨诊断亚型解码：基于静息态功能连接的神经生物学分层研究解读
情绪障碍（emotional disorders, EDs）包括焦虑障碍（anxiety disorders, ADs）、重度抑郁障碍（major depressive disorder, MDD）和创伤后应激障碍（post-traumatic stress disorder, PTSD），在临床实践中常表现出显著的症状重叠与频繁共病，例如共享的负性情绪状态、睡眠紊乱和注意力缺陷。然而，当前诊断框架主要基于单一轴线的症状分类，强调疾病特异性特征，忽视了跨诊断的共享机制。既往神经影像学研究虽已揭示多种精神疾病间存在共同的结构与功能异常，但针对ADs、MDD和PTSD三类疾病的同时比较仍然匮乏，且样本量有限。为了突破现象学分类的局限，精准精神病学亟需基于客观神经生物学标志物的跨诊断分层方法。本研究采用非负矩阵分解（nonnegative matrix factorization, NMF）对静息态功能连接（functional connectivity, FC）进行数据驱动的分解，旨在识别EDs中超越传统诊断边界的神经生物学亚型，并探索症状异质性背后的脑网络机制。
研究人员共纳入462名受试者，包括261例ED患者和201名健康对照（healthy controls, HCs），其中AD亚组涵盖广泛性焦虑障碍、惊恐障碍、社交焦虑障碍和恐高症。研究数据来自三个独立数据集，经头部运动质量控制后，利用Power-264图谱提取256个皮层及皮层下感兴趣区的平均时间序列，计算两两皮尔逊相关获得每名受试者32640个FC特征。通过ComBat协调消除多中心技术变异，并采用未校正p<0.01的双样本t检验筛选出1098个组间差异FC作为后续聚类输入。NMF分解得到5个潜在疾病因子，每个因子中权重最高的前5%连接被定义为代表性功能网络（representative functional networks, RFNs），根据个体因子载荷将患者划分为5个亚型。研究还利用Neurosynth对RFNs进行功能解码，并计算RFN权重与临床量表（HAMA、HAMD、GAD-7、SAS、PHQ-PD）的Spearman相关；随后比较各亚型与HC在RFN水平、宏观网络连接及结构指标上的差异，并通过90%子采样重复聚类和Dosenbach图谱复现进行稳健性验证。
研究结果部分共有五个主要发现。第一，在“五类情绪障碍亚型的识别”中，NMF确定了5个RFN：RFN1主要体现感觉运动网络与背侧注意网络之间的连接，RFN2由心理理论相关连接构成，RFN3以丘脑-皮层连接为特征并涉及躯体感觉处理，RFN4表现为默认模式网络内连接增强，RFN5涉及多网络-皮层下整合。据此将261例患者分为ST1至ST5五个亚型，各亚型具有独特的FC模式。第二，在“五类RFN的行为及症状相关性”中，功能解码显示RFN1与视觉运动处理、RFN2与听觉和心理理论、RFN3与运动任务及躯体感觉、RFN4与自传体记忆提取、RFN5与多感觉整合相关。临床相关分析发现，HAMD评分与RFN1、RFN5正相关，与RFN3、RFN4负相关；GAD-7与RFN1正相关；HAMA躯体分量表和PHQ-PD与RFN3正相关。第三，在“五类亚型的人口学及症状特征”中，ST1为焦虑与抑郁各占一半的混合型；ST2和ST4以社交焦虑障碍和恐高症为主；ST3主要包含广泛性焦虑障碍、惊恐障碍和PTSD患者；ST5以MDD为主导。ST5的HAMD评分显著高于ST2、ST3和ST4，且年龄分布存在组间差异，而性别和病程无显著差异。第四，在“五类亚型的RFN改变和网络连接特征”中，各亚型相对于HC表现出差异化的FC升降模式：ST1在RFN1广泛增强，ST2在RFN3显著降低，ST3在RFN1和RFN3升高而RFN2、RFN4、RFN5降低，ST5在RFN5整体升高而RFN4降低。网络水平分析进一步揭示ST1的DAN-SMN连接增强、皮层下-VAN连接减弱；ST2的DMN-VAN和DMN-DAN增强而皮层下连接减弱；ST3的皮层下-全脑广泛高连接及DMN和边缘网络低连接；ST4的DMN内部及DMN-边缘连接增强、DMN-VAN减弱；ST5主要表现为额顶网络内部连接降低。第五，在“五类亚型的结构特征”中，灰质体积未见组间差异，但皮层厚度分析显示ST5在左侧梭状回、左侧顶下小叶、左侧颞上回、左侧岛叶和右侧缘上回较其他亚型显著增厚。验证分析表明，各RFN在100次90%子采样中与原始结果高度相关（平均相关系数0.767-0.930），亚型标签一致性良好；改用Dosenbach图谱后，除RFN5外的所有RFN均显示跨图谱一致性。敏感性分析显示，省略ComBat协调后差异FC数量从1098增至3782，仅有137个重叠，证明协调步骤有效控制了位点技术噪声。
讨论部分强调，本研究首次基于静息态FC对数种EDs进行跨诊断亚型分类，识别出的5个RFN及其对应亚型为焦虑与抑郁的共病提供了神经生物学解释。ST3对应RFN3的丘脑-感觉运动连接增强，与躯体焦虑和惊恐症状相关，提示内感受处理异常是区分焦虑/创伤相关障碍与抑郁的核心维度。ST2的RFN2心理理论网络相对完整，与最轻的症状表现相关，可能代表一种韧性相关的保护性特征。ST1的RFN1感觉运动-背侧注意连接增强，对应混合焦虑/抑郁表型；而ST5的RFN5多网络-皮层下整合增强，对应纯抑郁组，且表现出局灶性皮层增厚，提示抑郁的神经解剖异质性可通过厚度指标更敏感地捕捉。RFN4的默认模式网络内连接异常呈现双向模式：ST4为增强并伴随高焦虑，而其他亚型多为降低，表明自我参照加工异常谱系在EDs中广泛存在。研究局限性包括扫描位点与诊断标签的完全共线性、诊断组样本不均衡、症状量表覆盖有限以及外部验证不足，未来需在更大独立跨诊断队列中确认亚型边界。研究结论指出，跨诊断研究有助于阐明精神疾病的本质，本研究识别的五个跨诊断RFN及相应神经生物学亚型，从客观疾病因子角度为理解EDs的神经影像机制提供了新见解，并架起了脑网络架构与行为症状学及临床诊断之间的解释桥梁。该研究发表于《CNS Neuroscience》。
