编辑推荐：
本研究针对青少年双相情感障碍早期干预的难题，探讨睡眠-觉醒节律紊乱如何影响躁狂发作的神经生物学机制。研究人员构建了一个计算模型，模拟了不同睡眠行为模式对与躁狂相关的关键神经环路的动态影响。模型结果表明，特定的睡眠-觉醒行为模式（如睡眠剥夺、睡眠不规律）可显著增加神经兴奋性，从而预测躁狂发作的风险。该研究为理解行为因素在精神疾病发作中的作用提供了定量框架，并为开发基于睡眠干预的预防策略提供了理论依据。其成果发表于《European Psychiatry》杂志。
想象一下，一个青少年的生活本应充满活力与探索，但对于一部分年轻人来说，情绪却可能像坐过山车一样剧烈起伏，从精力旺盛、思维奔逸的躁狂状态，跌入情绪低落、兴趣丧失的抑郁深渊。这就是双相情感障碍（Bipolar Disorder），一种严重的精神疾病。尤其令人担忧的是，躁狂发作常常是这种疾病首次亮相的形式，而青少年时期正是发病的高风险阶段。如果能找到预测甚至预防首次躁狂发作的“警报器”，无疑将为早期干预打开一扇希望之窗。近年来，科学家们将目光投向了我们日常生活中一个再平常不过的环节——睡眠。越来越多的证据表明，睡眠-觉醒周期的紊乱不仅仅是精神疾病的伴随症状，更可能是诱发疾病发作的关键“推手”。那么，在青少年群体中，不规律的睡眠行为究竟是如何“扰动”大脑，从而增加躁狂发作风险的呢？传统的临床观察难以揭示其中精确的动态机制。为此，一项发表在《European Psychiatry》上的研究另辟蹊径，利用计算建模这一强大工具，构建了一个虚拟的“数字大脑”，专门用来模拟和探索睡眠-觉醒行为与躁狂发作风险之间的因果链条。
为了深入探究睡眠-觉醒行为影响躁狂发作的神经机制，研究人员采用了计算精神病学的研究范式。该方法的核心是构建基于生物物理学原理的计算模型，用以模拟大脑关键神经环路的动态活动。研究人员整合了来自青少年群体的行为与神经影像学数据，以校准和验证模型参数。具体而言，模型主要依据已知的神经生物学知识，对涉及情绪调节和兴奋性平衡的脑区与环路进行数学抽象。通过设定不同的睡眠-觉醒模式（如睡眠剥夺时长、作息规律性）作为模型输入，系统模拟了这些行为模式如何影响模型中代表神经兴奋性的关键变量。研究者通过分析模型输出，量化了不同行为情景下神经兴奋性水平的变化，并将其与躁狂发作的易感性关联起来。
模型构建与校准
研究人员首先建立了一个计算模型，该模型的核心是模拟与双相情感障碍躁狂发作相关的神经兴奋性网络。模型基于现有的神经生理学证据，将睡眠剥夺等因素概念化为对神经网络兴奋/抑制平衡的扰动输入。通过将模型模拟的兴奋性动态与青少年实际观察到的行为或神经活动特征进行比对，研究人员对模型参数进行了反复校准，确保模型能够合理反映真实生物系统的某些关键特性。
睡眠-觉醒行为的影响模拟
利用校准后的模型，研究团队系统模拟了多种典型的青少年睡眠-觉醒行为模式。模拟场景包括急性睡眠剥夺、慢性睡眠不足以及作息时间极度不规律等。模型运行结果显示，这些行为模式能够导致模型中代表神经兴奋性的指标持续升高或发生大幅波动。特别值得注意的是，模型预测，当睡眠剥夺达到一定阈值，或作息不规律性累积到一定程度时，神经兴奋性会超越一个临界点，这被解释为模拟系统中发生了一次“躁狂样转变”，即从稳定状态跃迁到过度兴奋的高风险状态。
行为模式与发作风险的量化关联
进一步的分析旨在量化不同睡眠行为模式与躁狂发作风险之间的关系。研究者定义了若干可量化的行为指标，如每周睡眠变异度、连续熬夜天数等，并将这些指标作为变量输入模型。通过大量模拟，研究得出了神经兴奋性水平随这些行为指标变化的关系曲线。结果表明，二者之间存在非线性的关系：在行为指标较温和时，神经兴奋性增长平缓；但当行为指标超过某个临界值后，神经兴奋性会急剧攀升，意味着发作风险呈指数级增加。这为理解为何某些青少年在看似相似的睡眠问题下，发作风险却差异巨大提供了机制性解释。
模型验证与预测
为评估模型的可靠性和潜在应用价值，研究人员尝试用模型去“事后预测”一部分已知临床转归的青少年数据（例如，哪些人后来出现了躁狂发作）。他们将这部分青少年前期的睡眠行为数据输入模型，观察模型计算的兴奋性指标是否能够区分出后来发病与未发病的个体。初步验证结果显示，模型输出的兴奋性指标在两组人群中存在显著差异，表明该计算框架具有一定的区分效度和预测潜力。
本研究通过计算建模的方法，首次在机制层面系统模拟并阐释了青少年睡眠-觉醒行为模式影响躁狂发作风险的动态过程。研究结论指出，睡眠剥夺和作息不规律并非简单的伴随现象，而是通过破坏神经网络的兴奋/抑制平衡，可能导致神经兴奋性突破临界点，从而显著增加躁狂发作的脆弱性。模型揭示的这种非线性关系强调了行为干预的“窗口期”和阈值效应。这项工作的意义在于，它将观察性的临床关联向前推进了一步，提出了一个可验证的、定量的因果假说框架。研究所构建的计算模型可以作为一种“数字实验室”，用于低成本、无创伤地测试不同行为干预策略（如规范化睡眠治疗）预防疾病发作的潜在效果，为开发精准的、基于生物机制的行为预防策略提供了新的理论工具和思路。这标志着在利用计算方法理解复杂精神疾病、连接微观神经机制与宏观行为表型方面迈出了重要一步。
