本文所述研究由Jieying Li、Yang Yi（共同第一作者）以及通讯作者Rong Li和Pedro Rosa-Neto等人共同完成。主要研究机构包括加拿大麦吉尔大学蒙特利尔神经学研究所的转化神经影像实验室、麦吉尔大学老龄研究中心，以及中国电子科技大学四川省人民医院等。该研究成果于2026年发表在Alzheimer’s & Dementia期刊上（DOI: 10.1002/alz.71354），题为“Elevation in network dynamics amplifies amyloid-dependent tau pathology”。
学术背景
阿尔茨海默病（Alzheimer’s disease, AD）是最常见的痴呆类型，其核心病理特征为β淀粉样蛋白（amyloid beta, Aβ）斑块沉积、tau蛋白神经纤维缠结以及进行性认知衰退。神经影像生物标志物，特别是Aβ正电子发射断层扫描（positron emission tomography, PET）和tau PET成像，可在临床症状显现前检测AD病理。tau蛋白的累积遵循一个级联式、层次化的空间扩散轨迹，这一轨迹被Braak分期系统所描述：从经内嗅皮层（I期）开始，依次累及内嗅皮层和海马（II期）、颞下回新皮层（III期）、联合皮层（IV–V期），最终到达初级感觉和运动皮层（VI期）。基于PET的Braak分期是反映tau高度磷酸化严重程度的特异性标志物，与痴呆严重程度密切相关。
尽管Aβ被认为触发了tau从内嗅区向新皮层的扩散，但tau病理的分布模式与广泛的新皮层Aβ沉积差异显著，呈现出更强的区域选择性和层次性。越来越多的证据表明，大脑内在的网络组织结构可能是决定tau病理特异性分布的基础，但脑网络动态及其连接如何促发tau播散和疾病进展，在活体内仍不明确。多层脑网络动力学可捕捉功能网络随时间重组的灵活性与稳定性，其中网络切换率（switching rate，也称灵活性）能够量化大脑区域在不同功能构型间转换的频率。相比于传统的静态功能连接，该指标能更灵敏地捕捉早期疾病阶段的细微网络紊乱。基于此，本研究旨在探讨网络切换率在AD连续谱和Braak分期中的变化，及其与Aβ沉积、tau病理进展和认知严重程度的关系，并重点检验网络切换率是否通过调节Aβ负荷的影响，加速tau蛋白在较高级Braak阶段脑区中的沉积。
研究流程
本研究为横断面研究，纳入了来自“老龄化与痴呆转化生物标志物（TRIAD）”队列的216名参与者。所有参与者均接受了静息态功能磁共振成像（resting-state functional magnetic resonance imaging, rs-fMRI）、[18F]AZD4694 Aβ PET成像和[18F]MK6240 tau PET成像，并完成了包括临床痴呆评定量表（Clinical Dementia Rating, CDR）、简易精神状态检查（Mini-Mental State Examination, MMSE）及神经心理学测试在内的临床与认知评估。根据Aβ与tau PET阳性阈值（全局Aβ标准化摄取值比值[standardized uptake value ratio, SUVR] > 1.55，颞叶meta感兴趣区tau SUVR > 1.30），参与者被分为三组：A+T+组（68人）、A+T−组（47人）以及A−T−组（101人）。
在影像数据预处理环节，rs-fMRI数据使用DPARSF软件进行处理，包括去除前10个容积、头动校正、回归掉白质与脑脊液信号及24参数头动噪声，并进行带通滤波。头动过大者被排除。PET图像经配准、空间标准化、脑膜剥离和平滑处理后，以小脑灰质为参考区计算SUVR值。此外，参与者根据tau PET异常的地形分布被进一步划分为基于PET的Braak分期组别（0期、I–II期、III–IV期、V–VI期）。
为构建动态功能网络，研究人员从Power 264功能图谱定义的264个感兴趣区提取rs-fMRI时间序列，涵盖10个预定义功能网络：听觉网络、扣带-岛盖网络、背侧注意网络（dorsal attention network, DAN）、默认模式网络（default mode network, DMN）、额顶网络（frontoparietal network, FPN）、突显网络（salience network, SAN）、感觉运动网络（sensorimotor network, SMN）、皮层下网络、腹侧注意网络和视觉网络。采用滑动时间窗方法（窗长74个重复时间，约50.4秒，步长3个重复时间）计算每个时间窗内各感兴趣区间的皮尔逊相关系数，构建时间分辨的功能连接矩阵，并进行Fisher z变换。随后，应用类Louvain多层社区检测算法，在每个时间窗内为每个感兴趣区分配网络模块，并通过最大化多层模块度来识别社区归属的重组。每位参与者的优化过程重复100次以保证鲁棒性。网络切换率被定义为每个感兴趣区在相邻时间窗间改变社区归属的频率，并分网络和全局计算均值。
统计分析方面，采用方差分析或Kruskal-Wallis检验比较人口学、认知、遗传和PET变量在三组间的差异。为探究切换率在AD连续谱中的变化，对三组进行网络和全局切换率的单因素方差分析，并进行错误发现率（false discovery rate, FDR）校正的事后比较。Braak分期组别间的切换率差异分析也采用类似方法，但未行多重比较校正。利用mincLM工具包进行体素水平的线性回归，检验切换率与Aβ或tau PET SUVR的关联，并用随机场理论校正多重比较。采用Spearman相关和线性回归模型评估切换率与认知评分（MMSE、MoCA、RAVLT-Delayed等）和Braak阶段tau SUVR的关系。最后，通过包含Aβ SUVR × 切换率交互项的模型，检验网络切换率是否调节Aβ对tau累积和认知衰退的效应，并利用1000次自举法推导95%置信区间和基于模型的模拟来展示交互效应。
主要结果
研究结果显示，A+T+组的MMSE、MoCA和RAVLT-Delayed评分显著低于其他两组，CDR评分和APOE ε4携带者比例更高，但各组在性别、年龄和教育年限上无显著差异。在全局网络中，A+T+组的切换率显著高于A−T−组（FDR校正p=0.017）。在特定网络层面，DAN、DMN、FPN、SAN和SMN的切换率均在A+T+组较A−T−组显著升高，而SMN和视觉网络的切换率在A+T+组也显著高于A+T−组。这一结果表明，tau病理的存在对网络动力学的异常升高起着关键作用，而非仅Aβ单独存在。
当按PET Braak分期分组时，全局网络以及扣带-岛盖网络、DMN和SMN的切换率均呈现出随Braak阶段递增而逐步升高的显著趋势，但在FDR校正后，多重组间比较未保持显著。该结果揭示了网络动态重组的不稳定性伴随tau病理从内嗅区向新皮层扩散而逐渐加剧。
切换率与认知指标的关联分析发现，较低的RAVLT-Delayed（延迟回忆）得分与全局网络及DAN、DMN、FPN、SAN、SMN、视觉网络的切换率升高显著相关；较低的MoCA得分亦与全局网络、DMN、FPN、SMN和视觉网络的切换率升高相关。未观察到切换率与MMSE或CDR-SOB的显著关联，也未发现切换率与Aβ负担对认知功能的交互效应。
在病理关联方面，体素分析揭示，升高的全局及网络特异性切换率与颞叶、顶叶、枕叶皮层的Aβ沉积呈正相关，并与内侧颞叶、颞顶交界区和扣带皮层的tau负荷呈正相关。Spearman相关分析进一步显示，全局Aβ SUVR与DAN和SMN的切换率呈显著正相关；tau PET meta-ROI SUVR也与DAN、SMN切换率呈正相关。尤为重要的是，切换率与基于Braak分期的区域tau SUVR具有显著关联：DAN切换率与Braak II–VI期区域的tau负荷相关，而SMN切换率与Braak I–V期区域的tau负荷相关。
最为关键的发现来自交互效应分析。全局Aβ负担与网络切换率之间存在显著的协同作用，加速特定Braak阶段的tau沉积。具体而言，DAN切换率升高显著放大了Aβ对Braak III期至V期区域tau SUVR的影响；SMN和FPN的切换率升高则显著增强了Aβ对Braak IV期tau负荷的效应。基于模型的预测模拟显示，在Aβ负荷较高的个体中，tau沉积随切换率增加的上升曲线更为陡峭，进一步印证了Aβ负担和网络动力学不稳定性共同促进tau扩散的协同机制。未在早期Braak阶段（I–II期）观察到这一交互效应，提示内嗅区tau病理和Aβ沉积最初可能通过相对独立的机制发展，而网络动力学的放大效应主要在tau向新皮层播散的中晚期阶段显现。
结论与价值
该研究的结论是，升高的网络切换率放大了Aβ累积的病理效应，促进了tau沿Braak阶段在AD大脑中的分布。这些发现将网络动力学从单纯的疾病伴随现象提升为驱动病理进程的重要因素，支持“动态功能网络的不稳定性可作为调节Aβ相关tau播散的放大器”这一框架。从科学价值上看，本研究首次系统地将多层网络切换率与Aβ和tau两种关键病理相结合，并跨越完整的Braak分期体系进行映射，为理解AD中网络退变与蛋白病理的时空交互机制提供了新颖的活体证据。从应用价值角度，网络切换率有望成为早期识别疾病进展风险的影像标志物，并可能作为靶向调控网络动态以延缓tau扩散的潜在干预目标，对AD的早期监测与治疗开发具有指导意义。
研究亮点
本研究的亮点体现在多个层面。首先，在发现层面，明确了网络切换率在A+T+个体中显著升高，且随着Braak分期的推进而递增，并揭示了切换率与Aβ负担对tau沉积的协同交互效应，尤其是在DAN和SMN中，这一效应聚集于Braak III至V期区域，精准标志了tau病理向新皮层播散的关键阶段。其次，在方法学上，研究采用多层社区检测算法量化全脑与网络层面的精细动态重组，较既往的静态功能连接研究更能捕捉早期病理状态下网络的瞬间不稳定，且通过多重滑动窗参数验证确保了指标的稳健性。此外，研究对象的特殊性在于，利用多模态PET（Aβ和tau）与基于PET的Braak分期，对AD连续谱进行了细粒度的病理分层，使得网络动力学改变能够直接对标体内蛋白沉淀的层级化传播，为未来纵向研究和临床转化奠定了坚实基础。
其他相关内容
该研究也坦诚其局限性。横断面设计无法推断因果关系，需纵向研究确认时间顺序。此外，滑动窗参数选择、网络分区方案等可能影响动态连接指标，尽管多窗长验证结果一致，仍需独立队列通过标准化流程进行重复。Braak VI期样本量较小，可能限制了在该阶段检测交互效应的统计效力。未来研究应优先对早期tau沉积区域（如海马和内嗅皮层）开展纵向观察，以捕捉病理和功能改变的时序链条。尽管存在上述限制，该研究仍通过多模态影像整合，加深了对AD复杂病理级联中网络动态作用的理解，为疾病修正疗法提供了新的电路级靶点。