夏明睿等在《Schizophrenia Bulletin》发表精神疾病高精度脑功能连接组紊乱机制的文章
2018年4月20日，北京师范大学贺永团队的夏明睿博士与中国医科大学王菲教授等合作，在国际精神病学权威杂志《Schizophrenia Bulletin》在线发表了题为“Shared and Distinct Functional Architectures of Brain Networks Across Psychiatric Disorders”的研究论文，揭示了重性抑郁症、双向情感障碍和精神分裂症具有共性和特异性的脑功能网络连接模式紊乱。
抑郁症、精神分裂症等精神疾病给患者带来极大痛苦，也为家庭社会造成沉重的经济和心理负担。研究表明，很多精神疾病可能起源于早期发育阶段，具有相似的基因和环境风险因素，以及共同的神经异常机制和临床表现。患者在发病进程中表现出认知功能的异常，并伴随着脑功能网络和结构网络的改变。最近，我实验室夏明睿博士和贺永教授发表综述论文强调，采用神经影像连接组学大数据的理念和方法，对于研究脑发育和脑疾病的基础和临床问题具有重要价值（Xia and He, NeuroImage 2017）。特别是，高精度脑功能连接组能够通过从系统水平刻画人脑功能网络连接模式，揭示人脑正常认知功能的脑网络基础（Liu et al., Cereb Cortex 2017; Wei et al., Hum Brain Mapp 2017）,并能够为探索精神疾病病理机制，定位精神疾病的异常脑功能活动位点并发展客观可靠的辅助诊疗技术提供新理念和新方法。最近，沙志强、夏明睿等采用功能影像大数据元分析揭示了多种脑疾病具有共同的脑功能活动紊乱（Sha et al., Cereb Cortex 2017）。然而，不同精神疾病脑功能网络异常模式的共性和差异目前仍然不清楚。
在该项工作中，研究者采集了512名被试（108名重性抑郁症、100名双向情感障碍、121名精神分裂症患者和183名健康对照）的静息态功能磁共振影像数据，在体素水平构建了每个被试的高精度脑功能网络（3毫米分辨率，4.5万个节点，1千万条连接）。采用基于图论的复杂网络分析方法刻画了被试脑功能网络的分离和整合特性，发现三种精神疾病患者的脑功能网络均表现出过度整合的随机化紊乱连接模式，但在程度上表现出重性抑郁症<双向情感障碍<精神分裂症的差异（图1）。
图1：精神疾病患者高精度脑功能连接网络相比正常对照具有显著降低的集群系数和特征路径长度，表明存在过度整合的随机化紊乱连接模式。
进一步，研究者分析了被试脑功能网络中不同距离连接数量的差异，发现精神疾病患者中长距离（40-80毫米）功能连接显著多于正常对照，而短距离（0-20毫米）功能连接则显著较少，造成了患者随机化的紊乱连接模式（图2）。
图2：精神疾病患者高精度脑功能连接网络具有显著较多的中长距离（40-80毫米）功能连接和显著较少的短距离（0-20毫米）功能连接。
值得注意的是，三种精神疾病在背外侧前额叶皮层、眶额皮层及辅助运动区过度的中长距离连接数量上表现出疾病的特异性：重性抑郁症的异常集中在背外侧前额叶皮层，双向情感障碍的异常包括背外侧前额叶皮层和辅助运动区，精神分裂症则在上述所有区域具有显著异常，并在程度上高于另两种疾病（图3）。最后，研究者对临床信息（被试年龄、是否首发、用药情况等）和分析方法（网络构建方法、头动控制、全局信号处理等）的多个影响因素进行了系统性的分析，验证了研究结果的稳定性。
图3:精神疾病患者内/外侧额叶皮层核心节点的中长距离连接较多，初级皮层的短距离连接较少，并存在疾病间的特异性。
该研究的高精度脑网络分析采用研究团队与清华大学汪玉教授课题组合作的高精度脑网络高性能计算平台PAGANI完成（图4）。平台基于CPU-GPU混合算法框架搭建，解决了以往算法难以处理十万数量级以上节点高分辨率网络的计算瓶颈（Du et al., Hum Brain Mapp 2018）。
图4: 高精度脑网络高性能计算平台PAGANI（www.nitrc.org/projects/pagani_toolkit/）
该研究采用神经影像大数据和高精度人脑连接组学研究框架，为揭示不同精神疾病共性和特异性的脑网络连接异常模式提供了重要证据，增进了对以重性抑郁症、精神分裂症为代表的精神疾病脑网络紊乱机制的理解，对于不同类型的精神疾病辅助诊断以及治疗靶点优化选择的脑网络标志物研究具有重要启发。
该研究论文的第一作者夏明睿博士来自北京师范大学认知神经科学与学习国家重点实验室、神经影像大数据与人脑连接组学北京市重点实验室和麦戈文脑科学研究院,通讯作者为中国医科大学的王菲教授。该研究得到了国家自然科学基金和北京市自然科学基金等项目的资助。
参考文献
Xia M, Womer FY, Chang M, Zhu Y, Zhou Q, Edmiston EK, Jiang X, Wei S, Duan J, Xu K, Tang Y, He Y, Wang F* (2018) Shared and distinct functional architectures of brain networks across psychiatric disorders. Schizophr Bull doi: 10.1093/schbul/sby046.
Xia M, He Y* (2017) Functional connectomics from a big data perspective. NeuroImage 160:152-167.
Sha Z#, Xia M#, Lin Q, Cao M, Tang Y, Xu K, Song H, Wang Z, Wang F, Fox P, Evans A, He Y* (2017) Meta-connectomic analysis reveals commonly disrupted functional architectures in network modules and connectors across brain disorders. Cereb Cortex doi: 10.1093/cercor/bhx273.
Liu J, Xia M*, Dai Z, Wang X, Liao X, Bi Y, He Y (2017) Intrinsic Brain Hub Connectivity Underlies Individual Differences in Spatial Working Memory. Cereb Cortex 27(12):5496-5508.
Wei Y, Liao X, Yan C, He Y, Xia M* (2017) Identifying topological motif patterns of human brain functional networks. Hum Brain Mapp 38(5):2734-2750.
Du H#, Xia M#, Zhao K#, Liao X, Yang H, Wang Y*, He Y* (2018) PAGANI Toolkit: A Parallel Graph-Theoretical Analysis Package for Brain Network Big Data. Hum Brain Mapp 39(5):1869-188.
