学者网
研究背景
重度抑郁症（Major Depressive Disorder, MDD）是全球最常见的精神疾病之一，自杀意念（Suicidal Ideation, SI）是MDD中具有重要临床意义的高危表型，与自杀企图及死亡率密切相关。然而，MDD-SI的神经生物学机制尚不完全清楚，缺乏稳健的客观生物标志物。 近年来，电生理研究发现MDD-SI患者存在异常的神经动力学和功能连接，同时，心率变异性（HRV）研究也提示自主神经和心脏功能异常参与SI的病理生理过程。鉴于脑功能组织异常和自主神经失调在SI中同时存在，脑-心交互（Brain-Heart Interaction, BHI）已成为理解抑郁症神经生理基础的有前景的整合框架。 然而，既往BHI研究多聚焦于信号水平的时域同步或电生理相关性，难以充分刻画大规模网络组织层面的协调性脑-心调节。更为关键的是，SI相关BHI改变的神经遗传基础至今尚属空白。
论文概要
2026年6月，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教授联合BIGHI团队在国际期刊《Communications Biology》发表最新研究成果，论文题为：“Multilevel brain heart interaction correlates with suicidal ideation in first episode drug naive major depressive disorder”。研究构建了基于网络拓扑的多层级脑-心交互分析框架，通过同步采集静息态脑电和心电数据，系统刻画了首发未用药重性抑郁障碍患者自杀意念相关的脑-心耦合异常。研究发现，伴自杀意念MDD患者的脑-心交互指数显著低于不伴自杀意念患者和健康对照，并呈现“MDD-SI < MDD-NSI < HCs”的分层梯度。异常主要定位于腹侧岛叶、膝下前扣带回、额中回、背侧后扣带回、楔前叶和前背侧角回等脑区，其中前背侧角回的脑-心交互指数与抑郁严重度和自杀意念严重度均呈显著负相关。进一步的空间转录组分析显示，自杀意念相关脑-心交互改变涉及mRNA代谢调控、突触组织和细胞内信号转导等通路。该研究为理解重性抑郁障碍自杀意念的脑-心耦合机制及其分子基础提供了新的理论视角，也提示多层级脑-心交互指数有望成为辅助识别MDD患者自杀意念风险的客观生物标志物。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副院长为论文共同通讯作者，华南理工大学博士生李兆波为论文第一作者。
结果分析
研究首先从当前脑-心交互研究面临的一个关键限制出发：已有研究多关注脑电与心电原始信号之间的同步性或相关性，较少从大尺度脑网络拓扑与心脏自主调控组织结构之间的耦合关系理解脑-心交互。为此，研究团队提出多层级脑-心交互分析框架，不再局限于单一脑电或心电特征，而是将脑功能网络节点特征、心率变异性特征和心脏复杂网络特征整合起来，从系统网络层面刻画脑与心之间的组织相似性。
图1 研究总体设计：构建多层级脑-心交互分析框架
研究基于静息态脑电源定位数据构建脑功能网络，并在210个皮层脑区中提取每个脑区的20项网络拓扑指标；同时，研究从心电信号中提取RR间期，计算心率变异性特征，并通过可见图方法构建心脏复杂网络，进一步提取心脏网络指标。在此基础上，研究通过Pearson相关系数量化每个脑区脑网络拓扑特征与心脏自主调控特征之间的相关关系，形成区域特异性的脑-心交互指数。随后，研究比较健康对照、不伴自杀意念MDD患者和伴自杀意念MDD患者之间的BHI差异，并进一步分析其分类性能、临床相关性及空间转录组关联，从而建立从生理信号、脑-心网络到分子机制的多层级研究框架。
图2 MDD患者脑-心交互异常的共享与特异性分布
研究进一步比较了不伴自杀意念MDD患者、伴自杀意念MDD患者与健康对照之间的BHI差异。结果显示，两组MDD患者均在背外侧梭状回、前部颞上沟、背内侧顶枕沟和前背侧角回等区域表现出BHI指数降低，提示这些脑区可能反映MDD患者共有的脑-心交互异常。相比之下，伴自杀意念MDD患者还在额中回、前背侧角回、楔前叶、腹侧岛叶、背侧后扣带皮层和膝下前扣带回等区域出现特异性BHI降低；同时，与伴自杀意念患者相比，不伴自杀意念患者在前背侧角回和背侧后扣带皮层的BHI指数更高。上述结果表明，自杀意念相关的脑-心异常并非简单扩大MDD共有改变，而是涉及与内感受、情绪调节、自我参照加工和认知控制相关的特定脑区网络。
图3 BHI指数对MDD及自杀意念状态的区分能力
在确定显著异常脑区后，研究进一步评估BHI指数的判别能力。结果显示，基于多个异常脑区BHI指数组合，可以较好地区分MDD患者与健康对照，最优组合AUC达到0.832，提示BHI指数能够有效表征MDD相关的脑-心交互异常。进一步分析发现，基于前背侧角回、腹侧岛叶、背侧后扣带皮层和膝下前扣带回四个脑区的BHI指数，可以区分伴自杀意念与不伴自杀意念MDD患者，AUC为0.673。该结果表明，虽然单独依赖BHI进行自杀意念识别仍有提升空间，但其已能够捕捉与自杀意念相关的特异性脑-心失衡信号，为后续构建多模态风险评估模型提供了重要依据。
图4 BHI指数与临床症状及认知功能的关联
研究进一步考察了异常脑区BHI指数与临床表型之间的关系。结果显示，前背侧角回的BHI指数与HAMD-17抑郁严重度评分和BSI-CV自杀意念评分均呈显著负相关，提示该区域脑-心交互水平越低，患者抑郁症状和自杀意念越严重。这一结果表明，前背侧角回可能是自杀意念相关脑-心调控异常的重要节点。此外，前背侧角回BHI指数与MCCB语言学习评分呈显著负相关，提示脑-心交互异常还可能与MDD患者的认知功能表现有关。总体来看，BHI指数不仅能够反映生理层面的脑-心耦合异常，也与症状负担和认知表型存在关联，为理解MDD自杀意念的临床异质性提供了新的解释维度。
图5 自杀意念相关BHI异常的转录组关联
研究进一步结合Allen Human Brain Atlas空间转录组数据，探索自杀意念相关BHI异常背后的分子基础。结果显示，MDD-SI与MDD-NSI之间BHI差异的空间分布，与第一偏最小二乘成分显著相关，提示自杀意念相关脑-心交互改变并非随机分布，而是与特定脑区的基因表达模式存在空间耦合关系。在此基础上，研究筛选出与该空间模式相关的正向和负向基因集合，并进行功能富集分析。结果显示，相关基因主要富集于mRNA代谢调控、突触组织、细胞内信号转导和神经递质相关过程等通路。该发现将宏观层面的脑-心交互异常与潜在分子机制连接起来，提示MDD自杀意念可能同时涉及脑网络、自主神经调控和分子生物学过程的多层级失衡。
结论与讨论
本研究首次在首发未用药MDD患者中建立基于网络拓扑的多层级BHI分析框架，发现BHI指数呈现MDDSI < MDDNSI < HCs的显著分层梯度，表明BHI降低不仅反映抑郁状态，更与SI特异性相关。MDDSI患者的BHI异常主要集中于vINSsgACCdPCC楔前叶rAG环路，该环路与躯体认知动作网络（SCAN）高度重叠，参与内感受、情绪调节和自我参照加工。其中，rAG的BHI指数同时与抑郁严重度和SI严重度呈显著负相关，凸显其作为潜在神经调控靶点的价值。基于BHI组合特征可区分MDDSI与MDDNSI，提示其临床应用潜力。进一步空间转录组分析揭示，SI相关BHI改变与mRNA代谢调控、突触组织和细胞内信号转导通路的基因表达富集显著相关，为BHI异常提供了分子层面的解释。综上，BHI作为整合脑心系统耦合的无创指标，不仅为MDDSI的客观识别提供了新工具，还通过跨尺度分析为理解其神经生物学机制和精准干预提供了依据。
通讯作者介绍
广州医科大学-华南理工大学吴凯/吴逢春BIGHI研究团队
（照片提供自吴凯/吴逢春团队）
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、Research、Journal of Translational medicine及NeuroImage等国际高水平期刊发表论文180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：李兆波，华南理工大学博士研究生，主要研究方向为脑-心交互、精神疾病客观标志物及多模态生理信号分析。
课题组前期相关论文：
[1]Wu F, Zhu B, et al. The Brain-Gut Health Initiative (BIGHI): A Prospective Cohort on Psychiatric Disorders in China[J]. Research, 2026.
[2]Yunheng Diao, Yuanyuan Huang, Baoyuan Zhu, Minxin Guo, Wei Wang, Zhaobo Li, Wenhao Li, Heng Zhang, Jing Zhou, Xiaobo Li, et al. Heterogeneity-Aware, Multiscale Annotation of Shared and Specific Neurobiological Signatures among Major Neurodevelopmental Disorders. Research. 0:DOI:10.34133/research.1115.
[3]Guo M, Zhang H, Huang Y, et al. Transcriptional patterns of nodal entropy abnormalities in major depressive disorder patients with and without suicidal ideation. Research. 0:DOI:10.34133/research.0659.
[4]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.
[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] Wang H, Peng R, Huang Y, et al. MO-GCN: A multi-omics graph convolutional network for discriminative analysis of schizophrenia. Brain Res Bull. 2025. doi:10.1016/j.brainresbull.2025.111199.
[7] 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
[8] Li W, Gao C, Li Z, et al. BrainFusion: a Low‐Code, Reproducible, and Deployable Software Framework for Multimodal Brain‒Computer Interface and Brain‒Body Interaction Research[J]. Advanced Science, 2025: e17408.
评论 0