不同遗传背景的首发精神分裂症多模态脑网络研究

Schizophrenia is a highly hereditary and heterogeneous psychosis. Early diagnosis and treatment are critical to prevent the onset of a long-term illness. Complex brain network analysis can help for elucidating the mechanism of schizophrenia, risk evaluation, prediction, and the strategy of intervention for ultra-high risk psychosis and schizophrenia. With the aid of advanced brain network analytic techniques, we have revealed the disease risk markers, showing the endophenotype of abnormal brain network organization in high-risk groups (PNAS 2015)..In this proposal, more than an extension of previous work on endophenotype, we aim to clarify the brain connectome status in subjects with the different hereditary trait via multimodal imaging techniques. By comparing between control group, familial and non-familial first-episode psychosis patients, we are planning to construct the structural and functional brain networks and associate the brain topological phenotypes with genetic factors and disease severity using multidimensional information. Moreover, as a longitudinal study, we are planning to further link the progression of psychosis with the alteration of cortical morphology and changes in the dynamic functional network. .The dynamic changes in the complex brain structure and brain function network of schizophrenia with different genetic background during the course of follow-up will be analyzed, and the relationship between abnormal brain connections and clinical symptoms will be clarified. The quantitative diagnosis marker and the biological mechanism of schizophrenia reveal the cutting edge model for schizophrenia diagnosis, prognosis, and risk evaluation.

精神分裂症是一种遗传性强、异质性高的重性精神疾病，揭示其高风险神经机制对于早期诊断与治疗相当关键，从而有效避免首发精神分裂症患者进入长期患病状态。复杂脑网络分析是阐明精神分裂症发生机制、风险早期预测以及发展神经干预措施的前沿领域。申请人前期通过复杂网络分析方法，发现了精神分裂症的高风险人群脑网络拓扑异常的现象，是此疾病的遗传风险标记（PNAS，2015）。本项目将进一步阐明不同家族遗传背景表型分类下多模态脑连接网络结构，通过家族、非家族性首发精神病患者与健康对照组的随访多模态磁共振影像数据，建立结构与功能的脑连接网络，挖掘精神分裂症的遗传因素与脑网络、病情发展间的关联，解析具有不同遗传背景的精神分裂症在随访病程中复杂脑结构与脑功能网络的动态变化，阐明异常脑连接与临床症状的关系，揭示精神分裂症的量化诊断指标与生物学机制，为精神分裂症诊断、治疗、发病风险评估提供新方法。

精神分裂症是一种遗传性强、异质性高的重性精神疾病，揭示其高风险神经机制对于早期诊断与治疗相当关键，从而有效避免首发精神分裂症患者进入长期患病状态。复杂脑网络分析是阐明精神分裂症发生机制、风险早期预测以及发展神经干预措施的前沿领域。申请人前期通过复杂网络分析方法，发现了精神分裂症的高风险人群脑网络拓扑异常的现象，是此疾病的遗传风险标记。本项目使用静息状态功能磁共振成像探索患者区域同质性、网络拓扑和全脑功能连接的纵向变化，表明精神分裂症在基线和后续接受药物治疗中呈现出不同模式的异常功能连接，也揭示了抗精神病药物可以缓解精神病症状但对疾病病理生理学相关区域影响有限。尽管如此，通过早期治疗干预改善一般精神病症状将为精神分裂症的进一步康复提供基础。.大脑功能网络具有时变特性，精神分裂症患者的连接状态模式与健康对照的相应结果相似。精神分裂症的在大脑功能状态上的平均停留时间和转换次数显著高于健康对照组，这表明精神分裂症患者在不同功能状态之间频繁切换。状态的动态属性与阴性和一般症状相关。此外，精神分裂症患者的额叶皮层、颞上皮层的时间变异性降低，而枕叶皮层和感觉运动皮层的时间变异性增加。本项目从动态的角度揭示了精神分裂症的异常连接，提供了一种跟踪精神分裂症进展和监测治疗效果的指标。最后，使用功能相关张量-弥散张量相似性估计精神分裂症的结构-功能耦合性。对于精神分裂症患者，在白质中观察到结构-功能耦合性的广泛增加，并且连接功能网络之间的纤维连接上的结构-功能耦合性也遭到破坏，这些结构-功能耦合性与精神分裂症症状的严重程度有关，这表明异常的结构-功能耦合性可能是精神分裂症病因的潜在机制之一。总的来说，这些发现可能为更好地理解精神分裂症中白质结构的破坏与其相关脑功能之间的关系提供了明确的病理机制。