编辑推荐：
本研究利用MIND网络揭示重度抑郁症（MDD）患者大脑皮质形态相似性异常模式，该模式与特定的神经递质系统密度和转录组特征显著相关，为理解MDD的病理机制提供了新的多尺度生物标志物视角。
研究背景
重度抑郁症（Major Depressive Disorder, MDD）是一种患病率高、致残性强的精神疾病，全球有大量人口受其困扰，给社会和个人带来沉重负担。尽管科学家们付出了巨大努力，但其背后的神经生物学机制仍然像一个“黑箱”，尚未被完全打开。传统研究通过脑成像发现MDD患者存在大脑皮质厚度和连接性的改变，但这些结果常常不一致，且很难解释——为什么某些特定的大脑区域在MDD中表现得如此脆弱？
近年来，一种名为形态相似性网络（Morphometric Similarity Network, MSN）的技术被用来从个体大脑的形态特征中提取信息，但它主要依赖单一特征，准确性受到限制。而本研究采用了一种更先进的工具——形态逆发散网络（Morphometric Inverse Divergence, MIND）。与MSN不同，MIND能够整合多个顶点级别的形态特征（如灰质体积、表面积、沟深、平均曲率和皮质厚度），构建出更稳定、更具遗传性和生物学有效性的个体化大脑网络图谱。这种网络与大脑的细胞构筑和基因表达模式高度吻合，是探索大脑结构奥秘的强大新手段。然而，在MDD患者中，MIND网络的特征尚未被充分量化，其作为潜在诊断和预后生物标志物的价值也属未知。
同时，越来越多的证据表明，精神疾病的大脑影像异常与遗传因素和神经递质信号传导密切相关。那么，MDD患者大脑皮层特定区域的MIND变化，是否与这些区域的特定基因表达谱和神经递质分布有关呢？这正是本研究试图回答的核心问题。研究人员假设：（1）MDD患者的MIND异常具有区域特异性和层次化分布；（2）MIND可以作为区分MDD患者与健康对照的潜在生物标志物；（3）MDD患者的MIND空间模式与疾病相关神经递质的分布和特定基因的表达图谱存在关联。为了验证这些假设，一个来自中国的研究团队开展了一项深入的研究。
研究方法
本研究整合了多模态数据，旨在从宏观结构、分子表达和神经化学多个层面解析MDD的机制。研究人员招募了75名MDD患者和46名健康对照（HCs），使用3.0T磁共振扫描仪采集了高分辨率T1加权结构像数据。所有数据在基于表面的空间中使用FreeSurfer软件进行预处理，以获取个体的大脑结构特征。
核心技术方法概述如下：
- 1.
MIND网络构建与计算：使用Schaefer图谱将大脑皮质划分为500个非重叠的兴趣区，并提取每个区域的灰质体积、表面积、沟深、平均曲率和皮质厚度共五个特征。对这些特征进行归一化后，构建出每个被试的500×500 MIND矩阵，最终计算得到区域MIND值。该方法是本研究的核心技术基础，克服了传统形态相似性网络的局限性。
- 2.
基因表达数据获取与分析：从艾伦人脑图谱（Allen Human Brain Atlas, AHBA）数据库中提取了六个死后脑组织的基因表达数据。使用abagen工具箱进行标准化预处理，最终得到一个包含250个大脑区域和15,631个基因的转录表达矩阵。
- 3.
转录组-影像空间关联分析：采用偏最小二乘回归分析，将AHBA数据集中所有基因的表达水平作为自变量，将MDD患者与健康对照的MIND区域差异t值图作为因变量，分析基因表达模式与MIND改变的空间关联性。
- 4.
功能富集与蛋白互作网络分析：对通过偏最小二乘回归识别出的显著基因列表进行基因本体（Gene Ontology, GO）和京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes, KEGG）通路富集分析，并使用STRING数据库构建蛋白-蛋白互作网络以识别核心枢纽基因。
- 5.
神经递质密度空间相关性分析：从公开数据库中获取了19种神经递质受体/转运体的密度图。通过空间置换检验，分析MIND变化的统计t图与这些神经递质密度图之间的空间皮尔逊相关性。
- 6.
多变量模型构建：结合与MIND变化显著相关的神经递质因子，构建多元线性回归模型，以评估不同神经递质系统对MIND变异的解释度。
研究结果
3.1. MIND在MDD中的改变
研究发现，与健康对照相比，MDD患者的整体MIND值显著降低。在区域水平上，MDD患者在左侧梭状回、舌回、中央后回和右侧枕回等区域表现出显著的区域MIND值下降。这些区域主要与感觉和认知功能相关。
进一步分析显示，在Yeo的7个功能网络中，MDD患者在视觉网络、躯体运动网络、背侧注意网络和边缘网络中的MIND值也显著降低。这为MDD患者的快感缺失、动力减退和精神运动障碍等症状提供了潜在的结构基础。然而，这些异常的MIND值与汉密尔顿抑郁量表评分之间未发现显著相关性，提示这些形态学改变可能是MDD早期的稳定特征。
3.2. 与MIND区域改变相关的转录组模式
通过偏最小二乘回归分析，研究人员发现，第一主成分（PLS1）的得分与MIND的病例对照t值图呈显著正空间相关。这意味着在MDD患者中MIND值下降越明显的区域，其PLS1相关的基因表达水平往往越高。
根据Z值，研究人员识别出了1016个PLS1+基因和380个PLS1-基因。对PLS2+基因（注：原文在结果3.4节中实际分析的是PLS2+基因的功能，但图示和部分描述为PLS1+，此处遵循原文结果部分的描述）的功能富集分析显示，这些基因显著富集于神经活性配体-受体相互作用、钙信号通路、cAMP信号通路和谷氨酸能突触等KEGG通路。网络可视化则突出了与钙信号通路、cAMP信号通路、神经元系统、化学突触传递调控和突触组织相关的基因簇。
蛋白互作网络分析进一步将RPL27、RPL29、UBA52和RPL36识别为核心枢纽基因。而PLS2-基因则富集于胰岛素抵抗、AGE-RAGE信号通路等与炎症和代谢相关的通路，其枢纽基因包括TNF、JAK2和PPARGC1A。这表明与MDD相关的MIND改变同时涉及突触可塑性/神经元功能相关基因的上调以及炎症/代谢相关基因的下调。
3.3. 枢纽基因的全脑表达水平
对排名前5的枢纽基因进行全脑表达谱分析发现，它们在前额叶、枕叶、脑岛和感觉运动皮层等区域高表达。其中，UBA52和PPARGC1A的表达水平与MIND值的变化存在显著相关性：UBA52的表达与MIND变化呈正相关，而PPARGC1A的表达则呈负相关。这强调了蛋白质质量控制（UBA52）和能量代谢调节（PPARGC1A）在维持大脑皮层结构完整性中的关键作用。
3.4. 与神经递质密度图的关联
空间相关性分析揭示了MIND值的改变与多种神经递质受体/转运体密度存在显著正相关，包括血清素（5-HT2A, 5-HT4）、大麻素（CB1）、谷氨酸（mGluR5）和阿片类（MOR）。这表明，大脑中天然富含这些受体的皮层区域，恰恰是MDD中MIND值降低最显著的“脆弱”区域。
随后的多元线性回归模型证实，这五种神经递质受体图共同解释了MIND t值图18.2% 的变异。所有单个因子均能显著预测MIND的变化。
3.5. 可重复性验证
为确保结果的可靠性，研究人员验证了在控制和不控制总颅内体积（Total Intracranial Volume, TIV）的情况下，病例对照MIND值的差异高度一致，证明了研究发现的稳健性。
结论与讨论
本研究首次在MDD患者中应用MIND网络，系统性地量化了大脑皮质形态相似性的异常。研究发现，MDD患者在与感觉和认知相关的脑区表现出MIND值降低，这些改变受到转录和结构连接模式的共同影响。更重要的是，这种结构异常模式与大脑固有的基因表达图谱和关键神经递质系统的空间分布存在显著的空间耦合。
具体而言，研究揭示了两个对立的分子轴：一个是与突触功能、神经传递和可塑性相关的基因集（如谷氨酸能突触、钙信号通路），它们可能支持大脑结构的维持；另一个是与炎症反应和代谢失调相关的基因集（如胰岛素抵抗通路），它们可能促进结构的退行性改变。识别出的枢纽基因（如UBA52、PPARGC1A、TNF、JAK2）进一步将MDD的病理机制与蛋白质稳态、能量代谢和神经炎症等核心细胞过程联系起来。
同时，研究将经典的单胺类神经递质理论（血清素）与其他重要的神经调质系统（内源性大麻素、谷氨酸、阿片系统）联系起来，并首次在宏观结构层面（MIND）展示了这些系统受体分布与疾病相关结构脆弱性的空间对应关系。这表明MDD并非由单一神经递质功能障碍引起，而是涉及多种神经递质系统异常及其相互作用的复杂网络失调。
这项研究的重要意义在于，它将宏观尺度的脑网络结构改变与微观尺度的分子特征（基因表达和神经递质）有机地联系起来，为理解MDD的发病机制提供了多尺度、整合性的新视角。MIND作为一种稳定且具有生物学基础的指标，有望成为MDD研究和临床实践中一个有价值的内表型或生物标志物，有助于未来开发更精准的诊断方法和靶向治疗策略。
当然，本研究也存在一些局限，如横断面设计无法推断因果关系、样本限于临床确诊患者、未纳入药物治疗史等混杂因素，以及所使用的基因和受体数据来自健康人群数据库。未来的纵向研究、结合患者体内动态分子成像，将能更深入地揭示这些关联的因果性和临床转化潜力。
总而言之，这项发表于《Brain Research Bulletin》的研究，通过创新的MIND网络分析，揭示了MDD患者大脑皮层组织完整性的丧失，并将其与特定的分子蓝图联系起来，为深入探索这种复杂精神疾病的神经生物学基质开辟了新的道路。
