基于多模态影像数据的数据驱动时空动力学建模:个体化阿尔茨海默病进展的PDE-脑网络框架

《PLOS Computational Biology》:Data-driven modeling of spatiotemporal dynamics using multimodal imaging data

【字体: 大 中 小 】 时间:2026年09月19日 来源:PLOS Computational Biology 3.7

编辑推荐:

  理解生物系统在空间和时间上如何演化仍是一项基本挑战,尤其是在动态过程在个体间差异显著时。研究人员提出一种基于图的个性化动力学建模框架,用于从纵向多模态影像数据刻画时空生物动力学。该框架从MRI和PET测量中构建个体化脑图,并学习控制区域结构和分子变化的患者特异

  
理解生物系统在空间和时间上如何演化仍是一项基本挑战,尤其是在动态过程在个体间差异显著时。研究人员提出一种基于图的个性化动力学建模框架,用于从纵向多模态影像数据刻画时空生物动力学。该框架从MRI和PET测量中构建个体化脑图,并学习控制区域结构和分子变化的患者特异性动力学参数。将该框架应用于阿尔茨海默病神经影像学计划(Alzheimer's Disease Neuroimaging Initiative, ADNI)的1,891名参与者,模型捕捉了淀粉样蛋白-β(A)、tau、神经退行性变(N)和认知的协同演化,并准确预测其未来轨迹,优于已有的临床和神经影像基准。患者特异性动力学参数揭示了不同的生物学进展模式,并且与标准生物标志物相比,能更好地预测未来的认知衰退。敏感性分析进一步识别出与病理和结构变化传播相关的区域网络特征,重现了已知的颞叶-边缘(temporolimbic)和额叶脆弱性模式。这些结果表明,数据驱动的动力学建模可整合纵向多模态测量,以揭示个体化的时空模式和生物变化的潜在机制。该框架为研究异质性个体间的复杂生物动力学提供了定量方法,并为进行性生物过程的个体化建模奠定了基础。
阿尔茨海默病(Alzheimer's disease, AD)是最常见的痴呆类型,影响全球逾5000万人。尽管抗淀粉样蛋白单克隆抗体已获批准,但只能适度减缓进展,且伴随安全性、成本与早期诊断等挑战。目前对AD病理如何在相互连接的脑区间传播并导致个体异质性轨迹的理解仍不充分。已有模型多集中于单一通路或全局生物标志物,缺少整合A、tau、N与认知(C)的时空动态描述,也缺少基于纵向多模态影像的个体化、空间解析预测。因此,研究人员提出一种机制性、数据驱动的框架,在脑功能连接网络上建立偏微分方程(partial differential equation, PDE)系统,对AD生物标志物的时空级联进行个体化建模。

研究人员利用ADNI队列1,891名参与者的多模态数据,估计患者特异性参数,构建个体化脑图。模型能够预测未来生物标志物轨迹并识别易感脑区,优于已有临床和神经影像基准;敏感性分析重现了颞叶-边缘和额叶脆弱模式。该框架为个体化预测和网络靶向干预提供了定量平台。

关键技术方法:数据来自ADNI,包括A-PET、tau-PET、结构MRI皮质厚度、静息态功能磁共振成像(fMRI)和简易精神状态检查(Mini-Mental State Examination, MMSE)评分,采用Desikan–Killiany–Tourville 68分区(DKT68)图谱划分脑区。主要方法包括:在功能连接(functional connectivity, FC)图拉普拉斯上建立反应-扩散PDE模型;使用分层结构化训练策略与同伦正则化技术估计高维参数;用秩二低秩矩阵表达患者特异性FC;采用Sobol方差方法进行两级敏感性分析。

研究结果:

2.1 个体水平模拟与预测:对三个代表个体的模拟显示,A、tau、N的预测精度分别为96.15%、93.97%、93.35%,表明模型可预测个体化生物标志物轨迹。

2.2 人群水平单时间点预测评估:在全部受试者中,非齐次(NH)PDE模型在训练和测试中均优于齐次(H)基准,测试集平均精度增益为A 1.87%、tau 1.44%、N 4.40%、C 4.88%,且标准差更小,说明引入区域异质性可提高预测稳健性。

2.3 人群水平长期预测评估:两步预测中,NH模型同样优于H模型,平均增益为A 1.63%、tau 15.46%、N 1.43%、C 2.11%;tau预测精度从72.20%提高到87.66%,说明区域特异性参数对tau病理异质性进展的刻画至关重要。

2.4 功能连接网络阈值稳定性分析:在不同FC阈值下,A预测的中位测试精度为88.76%–90.15%,阈值0.75和0.80时标准差降至约2%,表明模型对FC阈值选择高度稳健。

2.5 训练策略的影响:同伦正则化在不同正则化权重下均优于常规训练,能稳定非线性PDE约束反问题的优化;分层结构化训练策略可逐步扩大参数空间并保持已学信息,获得更优拟合和预测。

2.6 患者特异性功能连接低秩近似的有效性:学习到的患者特异性FC表示与最优秩二SVD重建的误差分布相当,证明低秩参数化能捕获主要个体连接模式。消融实验显示,患者特异性FC对总体平均预测精度提升有限,但对部分个体最大提升达9.73个百分点。

2.7 两级敏感性分析:第一级总敏感性指数识别出六个高影响参数;第二级分析显示,早期各脑叶S1相对均匀,中期颞-额、颞-顶、颞-边缘交互占优,晚期额-颞、额-边缘耦合突出。颞叶和额叶受累随疾病进展加重,岛叶最小,支持连接组驱动的网络传播机制。

讨论中,研究人员指出该模型在A/T/N框架内整合了生物标志物动态,预测可靠,低秩FC近似兼顾效率与可解释性;区域易感性与已知神经病理学观察一致。局限包括:模型采用简化的顺序级联假设,未显式包含双向交互、神经炎症等通路;假设图拉普拉斯在观测期内固定;未量化预测不确定性。未来将纳入动态网络演化、额外生物学通路和贝叶斯不确定性量化。

结论:本研究开发了一种数据驱动建模框架,通过整合数学建模、AD病理生理学、神经影像、图论和敏感性分析,刻画AD生物标志物和认知衰退的时空进展。研究人员提出一个定义在脑功能连接网络上的PDE系统,用于描述三种关键AD生物标志物和认知衰退的区域传播。利用ADNI队列的多模态数据,模型构建了患者特异性和区域特异性轨迹,强调个体化建模是迈向AD精准医学的途径。分层训练与同伦正则化解决了高维非凸优化问题。该PDE网络模型成功再现了AD的标志性时空特征,包括早期颞-边缘脆弱性、进行性额叶受累和相对保留的顶-枕区,为理解区域特异性疾病进展和设计个性化、网络感知的治疗干预提供了定量基础。
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