人类大脑皮层形态相似性网络的跨生命周期研究学术报告

第一作者及机构
本研究由北京师范大学认知神经科学与学习国家重点实验室的Xinyuan Liang、Lianglong Sun、Mingrui Xia等领衔，联合全球141个扫描站点的多中心研究团队合作完成，通讯作者为北京师范大学的Yong He教授。该成果于2025年10月1日发表于国际顶级期刊《Neuron》第113卷1-21页。

研究背景与目标
科学领域：本研究属于神经影像学与发育神经科学的交叉领域，聚焦大脑皮层形态相似性网络（morphometric similarity networks）的跨生命周期动态变化。

研究动机：尽管已知皮层厚度（cortical thickness, CT）、表面积（surface area, SA）等形态特征随年龄变化，但宏观尺度的形态相似性网络如何从出生到老年演变仍不清楚。早期研究受限于样本量小、年龄覆盖不全或方法学差异，导致结果不一致。为此，研究者提出三个核心问题：
1. 形态网络的全局和区域生长轨迹如何？
2. 这些网络如何与功能连接组（functional connectome）、代谢及基因表达关联？
3. 能否基于形态网络建立个体化评估模型以识别脑疾病异常？

理论基础：
- 同质性连接原则（homophily wiring principle）：微观层面，具有相似细胞构筑特征的神经元更易形成轴突连接。此前在蠕虫、小鼠等物种中已证实此现象。
- 形态相似性网络：通过多模态磁共振成像（MRI）提取皮层形态特征（如CT、SA、灰质体积等），计算区域间相似性构建网络，可近似反映轴突连接模式。

研究方法与流程
数据采集与样本
1. 健康人群队列：33,937名0-80岁参与者，涵盖结构MRI（33,937人）、功能MRI（32,887人）、PET代谢数据（165人，20-82岁）及转录组数据（6名捐赠者，24-57岁）。
2. 患者队列：1,202名患者，包括阿尔茨海默病（AD，180人）、重度抑郁障碍（MDD，622人）和自闭症谱系障碍（ASD，400人）。

数据处理与分析流程
1. 形态网络构建：
- 特征提取：从结构MRI中提取5种皮层形态特征（CT、SA、灰质体积、平均曲率、沟深），标准化后分区为318个脑区（DK-318图谱）。
- 网络计算：采用创新方法形态逆散度（MIND, morphometric inverse divergence），通过多元分布散度估计区域间相似性，生成个体化形态网络。此方法相比传统形态相似性网络（MSN）更具生物学效度与发育敏感性。

1. 生命周期建模：

   • 统计模型：使用广义加性模型（GAMLSS），以年龄为平滑项，校正性别、扫描站点等混杂因素，构建网络表型的生长曲线。
     
   • 多尺度分析：包括全局（模块化、小世界性）、细胞构筑类别（7类，如初级感觉区PS、联合皮层AC2等）及区域水平（形态相似性强度，MSS）。
     

2. 跨模态关联：

   • 功能耦合：计算形态网络与静息态功能网络的边缘相关性，分析发育动态。
     
   • 代谢与基因关联：PET数据（有氧糖酵解AG、脑血流CBF等）与Allen人脑图谱基因表达数据分别用于揭示代谢需求与分子机制。
     

3. 临床应用验证：

   • 个体化偏差模型：基于健康人群生长曲线，计算患者网络指标的Z分数偏差，预测临床症状（如AD的MMSE评分）。
     

主要发现
1. 全局网络重构：
- 早期分化：出生至青春期（13.9岁），网络全局方差非线性增加，反映形态多样性提升；而全局平均强度在12.4岁达最低，提示皮层分化增强。
- 拓扑优化：模块化（Q值）和小世界性（σ值）持续增长至30岁后趋于稳定，说明网络分离-整合平衡逐步完善。

1. 区域异质性：

   • 感觉与联合皮层分化：感觉皮层（如视觉区）呈现形态分化（MSS下降），而旁边缘区（如岛叶、前扣带回）相似性增强至成年。
     
   • 功能耦合动态：形态-功能耦合在青春期早期（12.3岁）达峰后下降，低阶感觉区耦合强于高阶联合区，支持“功能 specialization-flexibility 权衡”假说。
     

2. 生物学基础：

   • 代谢需求：高MSS的联合皮层与有氧糖酵解（AG）、葡萄糖代谢率（CMRglc）显著正相关（r=0.3-0.61），提示高能耗需求。
     
   • 基因调控：PLS回归显示，突触信号（如SYT1）、神经元投射发育相关基因（如ROBO2）与早期MSS增长显著相关（方差解释20.8-48.7%）。
     

3. 临床价值：

   • 疾病特异性偏差：AD患者71%存在极端负偏差（如默认模式网络退化），而MDD/ASD偏差更分散。
     
   • 预测效能：网络偏差可预测AD认知评分（r=0.37）及MDD抑郁严重度（r=0.11）。
     

结论与价值
1. 科学意义：首次绘制全生命周期皮层形态网络生长图谱，揭示感觉-联合皮层的发育分异规律，为理解脑网络演化提供框架。
2. 方法论贡献：MIND算法提升了形态网络的生物学解释力；标准化生长模型为脑疾病研究提供量化基准。
3. 应用前景：个体化网络偏差模型可辅助早期诊断与疗效监测，推动精准医学发展。

研究亮点
1. 超大样本跨生命周期分析：覆盖0-80岁33,937人，远超既往研究（通常,000人）。
2. 多模态验证：首次整合形态-功能-代谢-基因多维数据，阐明网络生长的生物机制。
3. 临床转化创新：建立首个基于形态网络的个体化评估体系，识别AD/MDD特异性异常。

局限性：数据年龄分布不均（婴幼儿与老年样本较少），横断面设计需未来纵向研究补充。