《Scientific Reports》：Multivariate associations of motor performance, sleep quality, depressive symptoms, and grey matter volume in younger and mid-to-older adults
编辑推荐：
本研究针对运动表现(MP)与睡眠质量、抑郁症状及其神经基础间的复杂关系，通过纳入Human Connectome Project (HCP-YA, HCP-A)和enhanced Nathan Kline Institute Rockland Sample (eNKI-RS)四大队列(n=1,954)，采用机器学习框架下的正则化典型相关分析(rCCA)进行多变量关联探索。结果揭示，在年轻成人中，更好的睡眠质量(PSQI)、轻度亚临床抑郁症状(ASR)及特定脑区(如前中央回、丘脑、小脑)灰质体积(GMV)变化构成的联合变体与更优运动表现变体相关(r=0.2-0.25)；中老年组关联模式存在年龄特异性且部分队列结果稳定性较差。研究首次系统刻画了行为表型与大脑结构通过不同路径关联MP的年龄差异模式，为理解全生命周期运动功能维持的神经行为基础提供了新视角。
在日常生活中，我们都能直观地感受到，一夜好眠后往往精力充沛、行动敏捷，而连续熬夜或情绪低落时，则容易感到浑身乏力、动作迟缓。这种睡眠、情绪与运动能力之间的密切联系，不仅是普遍的生活经验，更是神经科学和心理健康领域的重要研究课题。运动表现，包括我们的手的灵活度、肌肉力量、身体耐力、行走速度以及信息处理速度等，是维持独立生活能力，尤其是在老年阶段保持功能独立性的基石。运动功能的受损与生活质量下降、多种神经精神疾病（如帕金森病、抑郁症）的病程进展乃至更高的死亡风险密切相关。然而，一个核心的科学问题尚未被充分解答：在普通人群中，究竟是哪些心理因素和大脑结构基础，共同影响着我们的运动能力？特别是，如今日益普遍的睡眠问题与抑郁症状，它们是如何与大脑的物理结构——灰质体积——相互作用，进而影响运动表现的？这种影响在年轻人和中老年人身上又有何不同？这些问题对于早期识别运动功能衰退风险、开发针对性的干预策略至关重要。
为了回答这些问题，由文森特·屈珀斯（Vincent Küppers）和马苏德·塔马辛（Masoud Tahmasian）共同领导的研究团队，开展了一项大规模、多队列的探索性研究。他们巧妙地利用了来自“人脑连接组计划-年轻成人”（HCP-YA）、“人脑连接组计划-老龄化”（HCP-A）以及“增强版内森·克莱因研究所-洛克兰样本”（eNKI-RS）这三个大型公开数据库的信息，共纳入了1954名年轻（18-40岁）和中老年（50-85岁）参与者。研究团队采用了一种先进的多元统计方法——正则化典型相关分析（rCCA），并结合机器学习中的多重留出验证框架，来探究睡眠质量（通过匹兹堡睡眠质量指数PSQI评估）、抑郁症状（通过成人自评报告ASR中与抑郁相关的条目评估）以及全脑262个区域的灰质体积（GMV）这三者，无论是单独还是组合，与多种运动表现指标（如握力、耐力、步行速度、处理速度等）之间的内在关联模式。这项研究的结果近期发表在《科学报告》（Scientific Reports）期刊上。
在研究方法的运用上，作者团队主要依托了几个关键技术。首先是多中心、大样本的队列数据整合，样本来源于国际公开数据库HCP和eNKI-RS。其次，对所有参与者的T1加权磁共振成像（MRI）数据，使用计算解剖学工具箱（CAT12）进行了一致的预处理和灰质体积量化。核心统计分析采用了正则化典型相关分析（rCCA）这一多变量关联模型，它能同时处理多个预测变量和多个结果变量，找出它们之间最大相关的线性组合（即典型变体）。为了确保结果的稳健性和可泛化性，研究还嵌入了一个严谨的机器学习框架，通过100次随机将数据划分为优化集（80%）和留出验证集（20%）来评估模型在新数据上的表现，并进行了5000次置换检验来评估统计显著性。
主要研究结果
1. 稳健的多变量关联模式在不同队列中得到验证
研究发现，睡眠质量、抑郁症状和GMV与运动表现之间存在稳健的多变量关联，这种模式在两个年轻成人队列（HCP-YA和eNKI-RS Young）中得到了概念性重复。具体而言：
- •
在HCP-YA样本中，组合模型（PSQI+ASR+GMV）与运动表现之间的留出验证典型相关系数为0.2。
- •
在eNKI-RS Young样本中，该组合模型的典型相关系数达到0.25。
- •
在中老年样本中，HCP-A样本显示了较弱的但可检测的关联（r=0.18），但eNKI-RS Old样本未能产生稳健的关联结果。
- •
单独来看，GMV与运动表现的关联在所有样本中都最为一致，而将行为域（睡眠和抑郁症状）与GMV结合并未始终显著增强关联强度，提示行为和大脑结构可能通过部分独立的途径与运动表现相关联。
2. 年轻成人中的典型变体载荷特征
在年轻成人中，与更优运动表现（典型变体V）相关联的变体U呈现出一种有趣的模式：它代表着更好的睡眠质量（特别是更长的睡眠时长、更短的入睡潜伏期和更高的睡眠效率）以及更明显的轻度、亚临床抑郁症状（如内疚感、自我贬低、决策困难、精力不足）。在脑结构层面，双侧丘脑、梭状回、小脑部分区域以及HCP-YA中的前中央回等区域的GMV变化与运动变体显著相关。运动变体本身主要由耐力（2分钟步行测试）和处理速度驱动。
3. 中老年成人中的关联模式发生转变
在中老年成人（HCP-A样本）中，与更优运动表现相关联的变体U则表现为：更好的睡眠质量（特别是更少的日间功能障碍）和更少的抑郁症状（尤其是与精力不足、疲劳相关的躯体症状）。GMV则显示出与运动变体更广泛的正面关联，涉及前额叶皮层、双侧杏仁核、眶额皮层和丘脑等区域。运动变体则由处理速度、耐力和步速共同主导。eNKI-RS Old样本结果不稳定，可能与样本量较小、老年群体异质性增大等因素有关。
4. 行为与大脑结构对运动表现的不同关联路径
进一步分析表明，行为域（睡眠和抑郁）主要与一个由耐力、握力、灵活性等构成的“基础性”运动变体相关。而GMV则更多地与一个由处理速度、灵活性、步速和耐力等“认知-运动”整合成分驱动的运动变体相关联。这提示睡眠和情绪可能通过影响动机、疲劳感等状态性因素来调节基础运动能力，而大脑结构则可能为更复杂的认知-运动整合功能提供神经基础。
研究结论与意义
本研究通过严谨的多变量分析方法揭示，睡眠质量、抑郁症状和大脑灰质体积与运动表现之间存在显著且可部分复现的多变量关联，但这种关联模式在不同年龄群体中存在差异。在年轻成人中，较好的睡眠质量伴以轻度、亚临床水平的特定抑郁症状（可能反映自我批评或完美主义倾向）与更优的运动表现相关；而在中老年成人中，更好的睡眠质量结合更少的抑郁症状（尤其是躯体症状）则与更优的运动表现相关。大脑结构（GMV）与运动表现的关联最为稳健，且更侧重于认知参与度较高的运动方面。
这项研究的意义在于，它首次在大样本跨队列设计中系统描绘了睡眠、情绪、大脑结构和运动功能这四者之间复杂的多变量关系图谱，并强调了这种关系随年龄变化的动态特性。研究结果提示，在评估和干预运动功能时，需要采取一种整合的视角，同时关注睡眠健康、情绪状态和大脑结构完整性。对于临床实践而言，改善睡眠和管理抑郁症状可能成为维护各年龄段人群，特别是老年人运动功能、延缓功能衰退的有效策略。对于运动员群体，优化睡眠可能直接有益于运动表现。未来研究需要更大样本的纵向数据来验证这些关联的因果关系，并纳入更多心理、环境和生活方式因素，以构建更全面的个人运动功能预测模型，最终推动个性化医疗的发展。
