精神疾病对全球数百万人构成了重大威胁，是当今社会最紧迫的公共卫生挑战之一。近年来，先进神经影像技术的出现带来了变革，使研究者能够从海量的神经影像数据中无创地获取活体人脑的结构和功能活动信息，已成为研究精神疾病脑异常机制不可或缺的技术手段。基于神经影像的人脑连接组学从宏观水平对人脑网络连接模式进行绘制和拓扑描述，不仅为理解精神疾病的病理生理机制提供了新的理念，也为疾病的诊断、疗效预测等临床问题研究提供了新技术和新方法。
近日，北京师范大学夏明睿、贺永等在Medicine Plus上发表综述文章，介绍了精神疾病领域多中心磁共振脑影像大型数据库以及脑连接组元分析和多变量分析的创新方法，总结了在多种精神疾病脑结构和功能网络研究方面的突破性发现，并探讨了基于脑连接组大数据的精神疾病研究中亟需解决的问题和面临的挑战，为未来精神疾病研究提供了新的思路和见解。
图1. 基于多中心连接组元分析揭示（A）注意缺陷多动障碍默认网络、额顶网络和注意网络的功能连接异常，（B）孤独症内侧前额叶等默认网络脑区呈现较高的模块动态切换，视觉区呈现较低的模块切换
随着脑成像技术的进步，越来越多的国内外大型精神疾病研究数据库逐步建立。人脑连接组学与神经影像大数据之间的结合为精神疾病研究带来了深刻的变革，有望彻底改变我们对精神疾病的理解。大量数据集的整合、复杂的计算算法和先进的多变量影像工具，使研究人员能够以前所未有的深度研究精神疾病的脑结构和功能异常。例如，通过连接组元分析和巨型分析整合多中心数据提供稳健的结论，并评估研究结果的多中心可重复性；采用典型相关分析、偏最小二乘等多变量分析方法，系统揭示精神疾病脑网络异常与人口统计、临床症状、行为表现、遗传学等多维数据的复杂关联。该综述系统介绍了精神疾病大型数据库和常用的脑连接组多中心、多变量数据分析方法，指出了现阶段在多中心影像质量控制、中心效应校正、深度学习方法应用等方面的挑战，并提出对未来精神疾病生物学亚型机制研究和个体化治疗等方面的展望。
图2. 通过人脑连接组多元变量关联分析揭示（A）抑郁症脑功能连接模式与突触功能等基因表达关联在性别中的差异；（B）抑郁症脑功能连接组梯度异常与跨突触信号传递等基因表达的特异性关联
综上，神经影像连接组大数据不仅为精神疾病研究提供了关键的数据和先进的研究技术，增进了对疾病复杂神经生物学机制的理解，建立了疾病发生发展中的脑网络紊乱新理论，还为精神疾病的诊断和疗效预测等临床问题提供了新的理念，促进了基础研究的临床转化，有望带来精神卫生领域的突破性变革。
文章信息
Xia M, Sun X, Bu X, et al. Big connectome imaging data in psychiatric disorders. Med Plus. 2024;1(3):100038. https://doi.org/10.1016/j.medp.2024.100038.
https://www.sciencedirect.com/science/article/pii/S2950347724000343
相关阅读
【Medicine Plus征稿】 “医学+先进材料”主题研究论文
【Medicine Plus】2024年第1卷第2期Medicine Plus为开放获取、同行评议的国际综合医学英文期刊，致力于打造成为具有世界影响力的综合医学高端品牌。期刊发表最具原创性、前瞻性和影响力的研究结果、权威综述、专家共识以及具有洞察力的展望和评论，涵盖广泛的医学科学与技术领域。报道范围包括但不限于:
生物医学各学科基础研究
生物医学材料与工程
临床研究和试验
药物发现与递送
医疗装备/器械与技术
公共卫生/流行病学/卫生政策
转化/精准医学
新兴医学交叉领域（医学+人工智能/移动互联网/云计算/大数据…）
欢 迎 投 稿！
期刊网址｜https://www.sciencedirect.com/journal/medicine-plus
投稿网址｜https://www2.cloud.editorialmanager.com/medp/default2.aspx
转载本文请联系原作者获取授权，同时请注明本文来自科爱KeAi科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3496796-1442498.html?mobile=1
收藏
