用户登录转化医学是什么？

【Nature子刊】复旦大学冯建峰团队：使用多模态脑网络识别个体大脑发育

首页 » 《转》译 2024-09-20 转化医学网赞(2)

导读	在这项研究中，团队从Child Mind Institute生物库收集静息态脑电图和功能磁共振成像数据，以证明在大脑生长过程中，大脑状态的全球动态模式变得更加活跃，主导网络从感觉网络转移到更高级别的网络；单个功能网络模式与成虫的模式更加相似，并且，它们的空间耦合往往是不变的。

2024年9月17日，复旦大学类脑智能科学与技术研究院冯建峰团队在期刊《Communications Biology》上发表了题为“Identifying individual brain development using multimodality brain network”的研究论文。研究结果表明，多模态脑网络的特性足够强大，可以识别特定的健康大脑年龄和精神障碍。多模态脑网络为大脑的功能发育提供了新的见解，为年龄预测和个体诊断提供了更可靠、更合理的方法。

https://www.nature.com/articles/s42003-024-06876-1

研究介绍

人脑的结构和功能发展是分层的，从较低级别的初级感觉皮层到支持复杂认知功能的较高级别的跨模式关联皮层。纵向研究表明，结构成熟的分层变化，与从新生儿到青春期功能网络的发育变异性相结合。特别是，原发性到跨峰梯度的发育变化，与儿童和青少年时期的认知增长有关，例如，工作记忆和高管绩效，并且在关联皮层中发现激发抑制比降低。

研究人员证明，一些已确定的基因，会影响大脑结构的早期发育和神经退行性过程的速度，脑网络在初级到跨峰梯度中的发育变化与基因的表达水平相关。在不同年龄，高水平的认知能力与不同的神经基础相关。此外，在任务和休息条件下，功能性磁共振成像（fMRI）衍生的功能连接，也可用于区分作为“指纹”的成年人个体。

结构和功能网络是识别发育过程中疾病的关键特征。最近，许多研究已将大脑结构和功能连接异常，作为疾病诊断的生物标志物。例如，较高的白质残差可能表明患有自闭症谱系障碍（ASD）的儿童；高度焦虑和冲动增强的青春期前儿童的前额叶和颞叶皮层较厚；患有注意力缺陷多动障碍（ADHD）的儿童（而非青少年）和成人的额叶、扣带回和颞区表面积较低。

这项研究使用了来自儿童心理研究所生物库（包括儿童、青少年和成人）的静息态脑电图（EEG）和fMRI数据。团队首先根据静息态脑电图数据，评估了大脑网络的时间动力学，这被称为微状态。其次，团队基于静息态fMRI数据，评估了功能网络的空间特征。最后，团队结合脑网络的时间和空间特性，来识别不同年龄阶段的正常个体，并区分健康个体和发育过程中患有精神障碍的个体。

研究进展

大脑发育过程中功能网络的时空变化

焦虑和ASD患者在DMN、SMN、LN、SN和VN中，表现出与年龄相关的相似性和峰度增加。ADHD个体在FPN、 DMN、SMN、LN、SN和VN中，表现出与年龄相关的相似性和峰度增加。抑郁症个体在FPN中，仅表现出两种空间特性与年龄之间的正相关；而LD个体在发育过程中，仅表现出SMN的相似性增长。可能是因为CELF人群还包括一部分焦虑、抑郁、ADHD、ASD和LD个体，因此，在所有网络中，他们的空间相似性和峰度与年龄呈正相关。

在健康、ADHD、 CELF和LD人群中，三种动态状态的变异性，随着年龄的增长而降低。这些结果表明，IC到IC调制的可变性，可能会随着发展而降低；这加强了感觉网络与更高级别网络之间的耦合/交互。

来自不同人群的静息态fMRI中的动态状态。

基于多模态脑网络的年龄预测与个体诊断

除了识别儿童年龄阶段的ADHD和ASD个体外，识别3个年龄阶段患有各种疾病的个体的成功率很高。焦虑个体在儿童期、青春期早期和中期年龄阶段的识别准确率，为79%、86%、91%；抑郁症个体为83%、100%、93%；在ADHD个体中为50%、76%、93%；在ASD个体中为50%、100%、100%；在CELF个体中为65%、81%、91%；在LD个体中为73%、93%、100%。6个疾病人群在儿童期、青春期早期和中期3个年龄的鉴定准确性为，焦虑：69%、75%和78%；抑郁：63%，80%，78%；多动症：50%，62%，77%；房间隔缺损：50%、81%、89%；CELF：61%、71%、79%；LD：61%、82%、86%。研究结果表明，脑网络的时空特征可能在年龄预测和疾病诊断中发挥不同的作用。结合多模态脑网络的功能，将帮助科学界实现更高的年龄预测和个体诊断性能。

不同年龄的疾病识别。

研究结论

这项研究揭示了大脑在时间和空间领域的功能发展。利用时空多模态，结合空间功能网络和动态大脑的活动，可以帮助科学界对大脑年龄和心理健康进行更有力的评估。

参考资料：

1.Sydnor, V. J. et al. Neurodevelopment of the association cortices: patterns, mechanisms, and implications for psychopathology. Neuron 109, 2820–2846 (2021).

2.Gilmore, J. H., Knickmeyer, R. C. & Gao, W. Imaging structural and functional brain development in early childhood. Nat. Rev. Neurosci. 19, 123–137 (2018).