学者网
近年来，抑郁症尤其是伴随自杀意念的抑郁症（MDDSI）逐渐成为神经科学与精神医学领域的研究重点。然而，一个长期困扰该领域的核心问题在于：不同患者之间存在显著的个体差异，使得传统基于“组平均”的脑影像分析方法难以揭示稳定、可重复的神经机制。
在这样的背景下，华南理工大学生物医学科学与工程学院吴凯教授及广州医科大学附属脑科医院吴逢春教授团队基于大样本多模态脑影像数据，系统解析了抑郁症伴自杀意念的神经机制。研究的核心在于显式建模个体异质性，将每个个体的脑网络分解为两部分：一是跨个体共享的稳定模式，即“个体共享网络”（IShN），代表疾病的核心生物学特征；二是反映个体差异的“个体特异网络”（ISpN），用于刻画症状相关的个体偏离。为实现这一目标，研究团队采用了一种基于流形约束的个性化主成分分析方法（PerPCA），在保证数学正交性的前提下，有效分离脑网络中的共性与个性，从而突破了传统依赖群体平均的分析范式。在此基础上，研究进一步整合结构连接、功能连接及结构-功能耦合信息，并引入转录组与神经递质数据，构建了一个跨尺度的分子注释框架，实现了从宏观脑网络异常到微观生物学机制的系统性关联。该研究不仅加深了对自杀意念神经基础的理解，也为精神疾病的跨尺度整合研究与精准诊断提供了新的理论范式。相关成果以“Disentangling Individual Heterogeneity Reveals Robust Network and Molecular Signatures of Major Depressive Disorder with Suicidal Ideation”为题发表于Translational Psychiatry。华南理工大学生物医学科学与工程学院吴凯教授和广州医科大学附属脑科医院吴逢春教授为该论文的共同通讯作者，华南理工大学生物医学科学与工程学院2023级博士研究生刁云恒为该论文的第一作者。
图1.研究概述
在数据层面，该研究整合了三种不同类型的脑网络信息：结构连接（SC）、功能连接（FC）以及结构-功能耦合网络（SFC）。其中，SFC网络的构建尤为创新，研究者利用图神经网络中的GraphSAGE方法，将脑区之间的拓扑关系与节点属性进行融合，从而得到更加全面的结构-功能整合表征。这种方法不仅考虑了连接强度，还引入了节点特征，使得对脑网络的刻画更加接近真实的神经生物学过程。
在大样本数据（超过500名被试）分析的基础上，研究发现，抑郁症伴自杀意念患者在多个脑网络层面均表现出一致的异常模式，其中最突出的特征是默认网络（DMN）与行动模式网络（AMN）之间的连接显著减弱。默认网络通常与自我相关思维、内省以及情绪加工有关，而行动模式网络则参与目标导向行为、注意调控及动作规划。两者之间的正常耦合对于个体从“内在情绪状态”向“外在行动执行”的转换至关重要。
图2.在三种类型的网络中，不同组之间的IShN差异
该研究提出，当DMN与AMN之间的连接减弱时，个体更容易陷入持续的负性自我反思，却难以将这种内在状态转化为有效的行动调节，从而导致情绪调控失败与行为执行障碍。这种“情绪-行动解耦”的状态，被认为是自杀意念产生的重要神经基础。进一步分析发现，这种网络异常不仅存在于功能连接中，同时也在结构连接及结构-功能耦合网络中呈现出高度一致性，提示其具有较强的生物学稳定性。
图3.在三种类型的网络中，与临床症状显著相关的连接
在个体层面，研究进一步揭示，个体特异网络（ISpN）能够显著解释临床症状的差异。例如，多个关键连接的强度与抑郁严重程度（HAMD评分）以及自杀意念评分呈显著相关，而这些关联在传统的原始网络分析中几乎无法观察到。这一结果清晰地表明，个体差异并不是“噪声”，而是包含着重要的临床信息，只有在剥离群体共性之后，这些信息才能被有效识别。
图4.在三种类型的网络中，ISpN与临床症状之间的相关性强于原始网络
为了进一步探索这些脑网络异常背后的生物学机制，研究将宏观脑网络与微观分子数据进行了整合分析。通过与Allen Human Brain Atlas中的基因表达数据进行关联，研究发现，与网络异常相关的基因主要富集在神经递质运输、突触信号传递以及神经发育等通路。这些结果提示，抑郁症自杀意念的发生可能源于突触功能紊乱及神经发育过程中的异常调控。
在神经递质层面，研究特别发现5-HT2A受体（血清素系统的重要组成部分）与脑网络异常存在显著关联。具体而言，5-HT2A在功能连接中呈正相关，而在结构-功能耦合中呈负相关，提示其可能在增强脑网络动态调节能力的同时，削弱结构与功能之间的稳定匹配。这一发现与既往关于血清素系统在情绪调控和自杀行为中的作用高度一致，也为未来的药物干预提供了潜在靶点。
图5.在三种类型的网络中，与IShN组间差异相关的转录组特征
在临床应用方面，该研究进一步评估了不同脑网络特征在疾病分类中的实际价值，并将个体特异网络（ISpN）与传统原始脑网络（包括SC、FC和SFC）进行了系统对比分析。结果显示，基于ISpN构建的分类模型在所有指标上均显著优于基于原始网络的模型，尤其是在结构连接（SC）层面表现最为突出。类似的趋势也出现在FC和SFC网络中，即ISpN均显著提升了分类性能，而原始网络的表现普遍较差。
图6.针对HC、MDDNSI及MDDSI的诊断模型评估
这一结果表明，传统脑网络中包含大量“群体共享信号”，这些信号在疾病分类中不仅贡献有限，甚至可能干扰模型的判别能力；相比之下，ISpN通过去除共享成分，保留了真正具有个体差异的信息，从而显著增强了模型对疾病状态的识别能力。这一发现具有重要临床意义：它提示未来的精神疾病诊断不应仅依赖群体平均特征，而应更加关注个体层面的网络模式，从而推动精准精神医学的发展。此外，结构连接优于功能连接和结构-功能耦合网络的结果也提示，具有较高稳定性的解剖连接可能是更可靠的临床生物标志物。
总结
总体来看，这项研究从方法学和生物学两个层面均具有重要意义。在方法上，它提供了一种系统解决个体异质性的新范式；在机制上，它揭示了自杀意念可能源于情绪调控系统与行动执行系统之间的失联；在跨尺度整合方面，它实现了从脑网络到基因再到神经递质的多层级解释框架。这不仅加深了我们对抑郁症神经机制的理解，也为未来的精准诊断和个体化干预提供了重要理论基础。
原文链接
https://www.nature.com/articles/s41398-026-03965-z
作者介绍
通讯作者简介：吴凯，华南理工大学生物医学科学与工程学院教授、博士生导师，国家重点研发计划首席科学家，广东省杰出青年基金获得者。长期聚焦精神神经疾病的脑功能网络损伤机制及其与微生态系统的交互关系，主持国家重点研发计划、国家自然科学基金及广东省重点项目等科研课题20余项，以通讯作者身份在PNAS、Advanced Science、Advanced Functional Matierals、Research、Journal of Translational medicine及NeuroImage等国际高水平期刊发表论文160余篇。
通讯作者简介：吴逢春，广州医科大学附属脑科医院副院长，医学博士，主任医师，教授，博导；主持国家重点研发计划课题1项、广东省、广州市重点科研专项5项，承担和参与“973”计划、“863”计划、国家自然科学基金面上项目等10余项；主要研究方向为精神疾病“肠-脑”轴研究，以核心作者在Military Medical Research、NeuroImage、Human Brain Mapping等国内外期刊发表研究论文100余篇，获得实用新型专利1项，科技进步奖2项。
第一作者简介：刁云恒，华南理工大学生物医学科学与工程学院2023级博士研究生。主要研究方向为面向异质性的精神障碍脑网络研究，以第一或共一作者在Research、Translational Psychiatry、Journal of Affective Disorders等国际学术期刊发表研究论文5篇，获批发明专利1项，担任Neuroimage等国际期刊审稿人。
评论 0