Nature子刊：抑郁症患者脑网络拓扑特征

拓扑特征是指由点和点之间的连接组成的网络的特点。已有研究发现，人脑功能网络存在着独特的拓扑特征，具体表现为在整体和局部都具有较高连接效率的“小世界”特点。

前人的多项研究均尝试寻找抑郁症患者的脑功能网络的拓扑特征异常，然而，这些研究的结果并不一致，制约了这些成果向临床的进一步转化。已有研究普遍采用小样本设计（每组N < 60）是导致这些不一致结果的重要因素。

针对这一挑战，中国科学院行为科学重点实验室严超赣研究组牵头启动了抑郁症静息态功能磁共振成像多中心数据荟萃分析(REST-meta-MDD)计划，组建了抑郁症脑影像大数据联盟，自2017年3月连续召开了系列“抑郁症静息态功能磁共振多中心数据荟萃分析会议”。目前，联盟一期已经成功汇聚了来自17 家医院25个抑郁症研究组的 1300 例抑郁症患者和 1128 例正常对照数据，建成了目前世界上最大的抑郁症静息态功能磁共振成像数据库，并将数据脱敏后向全球研究者开放共享（Yan et al., 2019）。

基于该数据库样本数据，严超赣研究组联合包括浙江大学医学院第一附属医院在内的17家抑郁症脑影像大数据联盟单位开展合作研究，探究抑郁症患者静息态脑网络拓扑特征的异常，对抑郁症患者的脑功能网络的拓扑特征进行了细致分析。

研究首先使用标准化的脑成像数据预处理流水线（DPARSF）对来自不同站点的脑成像数据进行统一预处理，随后使用模板提取大脑不同位置的BOLD信号时间序列，并计算这些时间序列之间的皮尔逊相关系数作为功能连接。该研究使用一个范围内的多个阈限来构建最终的脑功能网络，并计算这些阈限下计算出的拓扑指标的曲线下面积作为最终的指标。统计模型使用线性混合模型以控制站点效应。相关计算流程已集成在严超赣研究组新发布的脑网络与图论分析软件DPABINet中。

该研究着眼于两个关键指标：全局效率和局部效率。结果表明，抑郁症患者的脑功能网络的全局效率和局部效率相较于健康对照显著降低（图1）。进一步的分析表明，抑郁症患者的感觉运动网络、背侧注意网络等脑区的节点效率、Degree等指标相较于健康对照显著降低，并且这种差异主要在复发患者中存在，在首发未用药患者中则未发现显著差异（图2）。

图1. 抑郁症患者相较于健康对照脑功能网络的全局和局部效率减低

图2. 抑郁症患者亚组脑功能网络拓扑属性差异

脑功能网络的高效率是个体成功应对复杂多变的外部环境时必备的条件。该研究结果提示，抑郁症患者脑功能网络的连接效率相较于健康对照显著下降，这可能让患者无法有效地应对复杂的外部环境，让其在遭遇负性生活事件时无法进行有效的调节，最终导致抑郁。该研究使用可重复性高的研究方法并在一个大样本中发现抑郁症患者相对于健康对照脑功能拓扑特征的异常，为这一领域提供了有力的实证证据，为进一步的临床转化打下了坚实的基础。

未来，严超赣研究组将进一步加强与国际知名荟萃分析增强神经影像遗传学联盟（ENIGMA）的合作，进一步汇聚来自不同人种和文化的数据库，探究抑郁症的跨文化差异。在此基础上采用深度学习和迁移学习算法训练抑郁症患者与健康对照神经网络分类器，为最终确立应用于抑郁症临床诊疗的生物学指标奠定基础。

该研究目前已在线发表于Nature旗下期刊Molecular Psychiatry。浙大一院杨虹、心理所陈骁和浙大一院陈作兵为共同第一作者，心理所研究员严超赣为通讯作者。

该研究受到国家重点研发计划(2017YFC1309902)、国家自然科学基金(81671774，81820108018, 81630031)、抑郁症静息态功能磁共振成像特色数据库（二期）(XXH13505-03-213)、中国科学院重点部署项目(ZDBS-SSW-JSC006)、北京市科技新星(Z191100001119104)、中国科学院心理研究所科研启动经费(Y9CX422005)、中国博士后科学基金(2019M660847)、金华重点科技研发计划（2020-3-016）、科技部重点研发计划（2019YFC0121003）、浙江省基础公共卫生研发计划（LGF20H090013）、北京师范大学领军人才启动基金和国家基础学科公共科学数据中心（NBSDC-DB-15）等的资助。

来源： brainnews