抑郁症的高精度脑动态功能网络的药物调控研究

Recent connectomics studies based on multi-modal neuroimaging data have revealed abnormal topological organizations of the functional and structural brain networks in patients with major depressive disorder (MDD). It was shown that antidepressant treat MDD patients by modulating the concentration of neurotransmitter at the receptor level. However, from the view of the complex network research, how the antidepressant modulates on the neural circuits remains poorly understood. In this project, we plan to perform a longitudinal experimental design and collect high resolution multi-modal magnetic resonance imaging data. Then we will construct voxel-based static and dynamic functional brain networks for the participants and investigate how the antidepressant modulates the dynamic functional brain networks in MDD patients. Finally, we hope to identify potential network-based neuroimaging biomarkers for monitoring the treatment effects of antidepressants. We expect that this work would help us deepen the understanding of the pathophysiological mechanism for the disconnection of brain networks and suggest potential neuroimaging biomarkers for the target selecting and monitoring of the treatment effect in MDD. Moreover, the computational framework established in this project will provide novel methods for future studies on disruption of the dynamic functional brain networks in neuropsychiatric disorders.

最近，基于多模态神经影像的人脑连接组学研究已经揭示了抑郁症患者脑功能和结构网络存在异常的拓扑组织模式。抗抑郁药物能够通过在患者大脑神经细胞的受体水平调控神经递质的浓度起到治疗抑郁症的作用。然而，这些药物如何在脑功能复杂网络层面对患者的神经环路进行调控仍缺乏系统研究。本项目拟通过纵向实验设计，采用高分辨率的多模态磁共振影像构建高精度人脑静态和动态功能网络，结合前沿的脑连接组学计算方法，研究抗抑郁药物对患者脑动态功能网络的调控作用，并以此为特征寻找评估抑郁症治疗效果的脑网络影像学标志物。该项目的实施将加深对抑郁症脑网络失连接病理生理机制的理解，并可能为抑郁症的治疗靶点选择和疗效评估提供潜在的影像学标志物。该项目建立的分析框架将为探索重大神经精神疾病的脑动态功能网络异常研究提供方法学支持。

脑连接组学最近的研究发现，人脑功能网络的连接模式在较短的时间范围内表现出明显的波动特性。然而，抑郁症患者的脑动态功能网络连接是否存在异常还缺乏研究。本项目采用高时空分辨率的大样本多模态磁共振影像数据，研究了人脑动态功能网络的组织规则及其基因关联，识别了抑郁症的脑网络异常连接模式和关键脑区，探索了基于脑动态功能网络对抗抑郁药物疗效的预测作用。该项目资助下取得的重要成果包括： .（1）采用高时空精度的多模态磁共振脑影像数据，建立高精度的脑动态功能网络，揭示了脑动态功能网络连接及模块动态特性与功能层级梯度的关系，发现了网络动态特征与调节钾离子通道活性以及线粒体相关基因表达的关联。进一步研发了高精度人脑复杂网络拓扑属性快速计算软件平台。.（2）采用大样本多中心静息态功能磁共振影像数据，揭示了重性抑郁症等重性精神疾病高精度脑功能网络随机化紊乱连接模式，以及网络模块化结构的紊乱特征，发现了杏仁核的功能亚区与脑干、额上回等关键脑区异常的动态功能连接。系统评估了抑郁症脑功能异常的可重复性。.（3）采用纵向追踪数据，揭示了五羟色胺再摄取抑制剂类抗抑郁药物能够显著增加抑郁症患者右侧颞中回的灰质体积，并且对伴有或非伴有童年创伤的患者均具有显著效应。采用机器学习模型，发现动态脑功能网络节点的动态多样性和动态整合性能够显著预测抗抑郁药物的治疗效果，其中，默认网络、视觉网络、边缘系统具有最高的预测贡献。.研究成果的学术价值：系列研究揭示了抑郁症稳定可重复的脑网络失连接模式，对深入理解抑郁症脑网络失连接的病理生理机制具有重要意义，可能为抑郁症的治疗靶点选择和疗效评估提供潜在的影像学标志物，具有潜在的临床价值。.在项目资助下，共发表（含接受）标注该基金的SCI论文20篇，其中第一作者或通讯作者（含并列）论文16篇（9篇IF>5），这包括发表在Schizophr Bull、NeuroImage、Cereb Cortex等本领域主流国际期刊的研究论文和综述。