57
3
0
2025-05-22 10:24:49
2025-05-24
近日，华南理工大学生物医学科学与工程学院吴凯教授团队与广州医科大学附属脑医院吴逢春主任团队合作，在精神分裂症生物衰老机制研究领域取得重大突破。2025年5月，研究成果以"Biological age prediction in schizophrenia using brain MRI, gut microbiome and blood data"为题发表于《Brain Research Bulletin》。该研究首次构建了基于脑影像-肠道菌群-血液多模态生物学特征的生物年龄预测模型，揭示精神分裂症患者存在显著加速衰老特征，并证实生物年龄差距（BAG）可作为评估认知衰退和症状严重度的新型生物标志物。
精神分裂症作为严重影响认知功能的重性精神疾病，患者常伴随加速衰老现象。课题组突破传统单模态研究局限，创新性整合140名健康对照和43名患者的脑MRI（结构磁共振成像、功能磁共振成像、弥散张量成像）、肠道菌群及血液生化多模态生物学特征，开发了基于XGBoost算法的多模态生物年龄预测模型。研究显示，融合多模态生物学特征的模型预测精度（MAE=2.41年）显著优于单一脑影像模型，并揭示了前额叶、颞叶及穹窿等脑区结构特征对生物年龄预测的关键贡献。
表1. 不同回归模型的预测性能
|
Features |
Feature selection |
Regression |
MAE (years) |
Coefficient of determination |
RMSE (years) |
|
MRI, microbiome and blood |
- |
MLR |
5.24 |
0.40 |
6.27 |
|
LASSO |
MLR |
3.44 |
0.72 |
3.91 |
|
|
- |
Ridge |
5.12 |
0.40 |
6.26 |
|
|
LASSO |
Ridge |
2.80 |
0.76 |
3.40 |
|
|
- |
SVR |
5.06 |
0.43 |
6.18 |
|
|
LASSO |
SVR |
2.76 |
0.80 |
3.46 |
|
|
- |
RFR |
7.10 |
0.34 |
8.89 |
|
|
LASSO |
RFR |
5.58 |
0.41 |
6.94 |
|
|
- |
Xgboost |
4.58 |
0.51 |
5.79 |
|
|
LASSO |
Xgboost |
2.41 |
0.85 |
3.00 |
 |
 |
图1.最优模型的预测散点图及CA/BA的差异。
图2.大脑区域图。
研究团队发现精神分裂症患者的BAG较健康对照组显著增加（p<0.001），且该差距在年轻组和老年组均持续存在。通过LASSO-CV筛选出的77个核心特征显示：前额叶灰质体积减少、穹窿白质完整性下降等脑结构改变，伴Faecalibacterium菌属耗竭、中性粒细胞/淋巴细胞比率异常等肠-血系统指标变化，共同构成加速衰老的生物特征网络。更重要的是，BAG与MATRICS认知评分呈显著负相关，与PANSS症状总评分呈正相关。
图3.BAG与MCCB和PANSS各领域得分的相关性。
这项研究首次将多模态生物学特征与机器学习相结合，构建了生物年龄预测衰老时钟。生物年龄差距不仅量化了患者的生理衰老进程，更为临床评估认知损害和症状进展提供了客观量化指标。该发现为开发靶向衰老通路的干预策略、实现精神分裂症个体化诊疗提供了新思路。
华南理工大学生物医学科学与工程学院吴凯教授与广州医科大学附属脑科医院吴逢春主任为论文共同通讯作者，华南理工大学生物医学工程学院韩睿为第一作者。本研究得到了国家重点研发计划（2023YFC2414500，2023YFC2414504）、国家自然科学基金（81971585，72174082，82271953，82301688）及广东省自然科学基金杰出青年基金（2021B1515020064）等项目的资助。
|
论文信息: Han, R., Wang, W., Liao, J., Peng, R., Liang, L., Li, W., ... & Wu, K. (2025). Biological age prediction in schizophrenia using brain MRI, gut microbiome and blood data. Brain Research Bulletin, 111363. |
近年来，吴凯教授和吴逢春主任团队聚焦于脑重大疾病（精神分裂症、抑郁症、双相情感障碍等）的脑结构及功能、肠道菌群的损伤机制以及智能辅助诊断领域已展开一系列研究工作。相关研究发表在Research、NeuroImage、Journal of Translational Medicine、Schizophrenia Research、Journal of Psychiatric Research等国际学术期刊上。
课题组前期相关论文：
[1]Zhu B, Liang L, Huang Y, et al. Exploring the relationship between the gut microbiota and cognitive function in schizophrenia patients with distinct weights[J]. Schizophrenia Research, 2025, 280: 103-113. doi:10.1186/s12967-025-06503-5
[2]Wang Y, Feng S, Huang Y, et al. Revealing multiple biological subtypes of schizophrenia through a data-driven approach[J]. Journal of Translational Medicine, 2025, 23(1): 505.
doi:10.1186/s12967-025-06503-5
[3]Liu C, Li H, Feng S, et al. Alterations in structural and functional magnetic resonance imaging associated with cognitive function in patients with treatment-naïve first-episode major depressive disorder[J]. Progress in Neuro-Psychopharmacology and Biological Psychiatry, 2025, 139: 111367.
doi:10.1016/j.pnpbp.2025.111367
[4]Guo M, Zhang H, Huang Y, et al. Transcriptional patterns of nodal entropy abnormalities in major depressive disorder patie
nts with and without suicidal ideation. Research. doi:10.34133/research.0659.
[5]Peng R, Wang W, Liang L, et al. The brain-gut microbiota network （BGMN） is correlated with symptom severity and neurocognition in patients with schizophrenia. Neuroimage. 2025;308:121052. doi:10.1016/j.neuroimage.2025.121052.
[6]Li J, Xiong D, Gao C, et al. Individualized Spectral Features in First-episode and Drug-naïve Major Depressive Disorder: Insights from Periodic and Aperiodic EEG Analysis[J]. Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, 2025. doi:10.1016/j.schres.2025.04.017
