科學家揭示抑鬱症患者人腦功能連接組模塊化重組特性

基於數學圖論分支的複雜網路理論是分析複雜關係的強有力工具，近年來被廣泛應用於腦網路成像研究中。模塊化分析是複雜網路的典型方法，可用於檢測大尺度腦網路結構特點。相關研究發現，人腦網路是以模塊化進行結構與功能組織構建的，而這種基本組織結構會受到各種神經精神疾病條件的影響。

近日，中國科學院行為科學重點實驗室、中科院心理研究所腦與心智畢生發展研究中心、重慶醫科大學第一附屬醫院、西南大學心理學部、廣西師範學院和美國印第安納大學的研究人員合作，檢測了抑鬱症患者的大腦功能模塊化重組。

該研究共對46名未服藥抑鬱症患者、38名已服藥抑鬱症患者和50名健康匹配對照志願者進行了人腦磁共振成像檢測，其中包括大腦形態影像和靜息態功能影像。研究人員通過多重尺度模塊檢測演算法來探測3組志願者的腦網路模塊化分特性，這一演算法可以在進行模塊劃分時，通過調節相關參數來控制模塊劃分的解析度，從而精細地進行模塊化重組檢測。就像將腦網路想像成一個大城市，城市可以劃分成幾個大城區，進一步細分可以劃分成街道，再細分可以劃為小區、單元樓、每戶人家一樣，經過該演算法運算後，可以得到人腦網路一系列從粗到細的模塊劃分，根據每種劃分的參數穩定性選出最合適的劃分方式。

抑鬱症患者的人腦功能連接組模塊化重組

研究結果表明，與正常對照組相比，2個病人組都在視覺網路和默認網路表現出相似的重組特性，但在額頂控制網路卻表現出不同的重組改變形式；額頂控制網路的3個功能模塊和體感運動網路在未服藥條件下表現出更強的模塊間功能連接，而這些連接增強在藥物控制下大部分可以達到正常控制組水平，值得關注的是額頂網路的外側模塊（如圖編碼4所示）並未表現出對藥物的上述重組效果。研究成果展示了抑鬱症相關的人腦連接組特定模塊網路組織特性的改變，同時揭示了藥物對重塑腦網路模塊特性改變的潛在作用，為各類臨床干預提供了全腦系統水平上的靶向網路及其相關腦區。

相關研究成果發表在Cerebral Cortex上。該研究得到了國家重點基礎研究發展計劃、國家自然科學基金面上項目和重點國際合作項目、北京市科學與技術基金、中科院－荷蘭科研組織聯合研究項目等的資助。

中國生物技術網誠邀生物領域科學家在我們的平台上，發表和介紹國內外原創的科研成果。

本公眾號由中國科學院微生物研究所信息中心承辦

微信公眾號：中國生物技術網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！