《Molecular Psychiatry》：Hierarchical neural variability reveals adaptive and maladaptive mechanisms of non-suicidal self-injury
编辑推荐：
非自杀性自伤（NSSI）是青春期一种普遍存在且临床紧急的状况，以认知灵活性（cognitive flexibility）受损为特征——这种能力被认为由神经变异性（neural variability）所支持。然而，迄今为止大多数研究聚焦于静态脑特征，使得变异性
非自杀性自伤（NSSI）是青春期一种普遍存在且临床紧急的状况，以认知灵活性（cognitive flexibility）受损为特征——这种能力被认为由神经变异性（neural variability）所支持。然而，迄今为止大多数研究聚焦于静态脑特征，使得变异性的作用在很大程度上未被探索。重要的是，基于变异性的指标正日益成为精神病学中 promising 的生物标志物，与传统静态指标相比，其在重测信度和跨会话信度方面具有优越性。研究人员利用来自160名NSSI精神病患者（主要诊断为重性抑郁障碍、双相障碍或边缘型人格障碍）和50名无NSSI病史的精神病对照（主要诊断为重性抑郁障碍或双相障碍）的静息态功能磁共振成像（resting-state fMRI）数据，在两个层级水平上考察了神经变异性——连接水平（connectivity level）和网络拓扑水平（network topology level）——并使用横断面和纵向数据评估了其临床相关性。NSSI患者在连接水平和拓扑水平均表现出持续升高的变异性，这些指标在区分NSSI与精神病对照方面显示出中等的判别价值。然而，两个水平的功能意义存在分歧。较高的连接水平变异性与基线时更好的情绪和注意功能相关，并与三个月内NSSI行为更大的减少相关。相比之下，较高的拓扑水平变异性与高冲动性以及较差的行为改善相关。这些发现揭示NSSI中升高的神经变异性同时包含适应性和失调的动态：连接水平变异性的增加可能促进灵活适应，发挥代偿功能，而拓扑水平过度的大规模重组则可能表明全局控制的丧失，反映非适应性机制。对常规静态脑特征的平行分析证实了神经变异性的互补作用。综上所述，研究发现两个层级上的变异性破坏可能构成NSSI背后的神经机制，并强调神经变异性作为潜在预后标志物的价值。
本研究发表于《Molecular Psychiatry》，系统探讨了非自杀性自伤（NSSI）患者神经变异性的层级特征及其临床意义。以下从研究背景、技术方法、研究结果及讨论结论四个方面进行解读。
研究背景与问题提出：人类大脑是一个复杂的动态系统，其神经活动在不同组织层级上表现出显著的时间变异性。从单细胞水平的神经元发放波动，到回路水平的大规模脑网络持续重组，这种固有的神经变异性使大脑能够灵活适应不断变化的内部状态和外部需求，被广泛认为是认知灵活性（cognitive flexibility）的基本神经基础。神经变异性紊乱与多种神经发育性和精神疾病相关，包括自闭症谱系障碍、注意缺陷多动障碍、重性抑郁障碍及精神分裂症等。NSSI作为青春期常见的临床状况，同样涉及认知灵活性受损。NSSI的核心特征是在厌恶内部状态（如情绪困扰、空虚感或自我指向的愤怒）或负面社会经历（如拒绝或人际冲突）下发生。实证研究表明，由固着于负面生活经历驱动的情绪反应性增高，以及生成适应性策略以管理压倒性情绪的能力降低，是NSSI发生的关键促发因素。鉴于认知灵活性涉及认知定势转换和生成替代策略，这些发现指向NSSI与认知灵活性损害之间的潜在关联。然而，现有NSSI神经影像学研究主要聚焦于静态脑特征（如平均激活或静态功能连接），直接考察神经变异性的研究极为匮乏。与此同时，基于变异性的脑特征不仅在核心认知过程中起关键作用，还可能作为更具成本效益的精神疾病生物标志物。基于此，研究人员开展了本项研究，旨在系统考察NSSI相关的神经变异性，并探讨其临床相关性。
主要技术方法：本研究采用静息态功能磁共振成像技术，样本来源于中国五家医院招募的160名NSSI精神病患者和50名无NSSI病史的精神病对照。神经变异性的量化采用动态条件相关（dynamic conditional correlation, DCC）方法估计动态功能连接，该方法可避免传统滑动窗口技术中窗口长度主观选择带来的偏差。在连接水平上，研究人员计算了逐对脑区功能连接强度的时间标准差，并按Yeo七网络模板进行汇总；在拓扑水平上，计算了全局效率（global efficiency, Eglob）、特征路径长度（characteristic path length, Lp）、聚类系数（clustering coefficient, Cp）、模块度（modularity）和局部效率（local efficiency, Eloc）五个图论指标的时间变异性。统计分析包括多变量协方差分析（MANCOVA）、机器学习方法（弹性网络正则化逻辑回归、随机森林、支持向量机和梯度提升树）进行交叉验证分类、主成分分析提取变异成分后与临床特征进行偏相关分析，以及线性回归模型预测纵向行为改变。此外，研究还进行了全局信号回归（GSR）探索性分析和静态指标的平行分析。
研究结果：
"NSSI患者连接水平和拓扑水平变异性的组间差异"：MANCOVA分析显示，NSSI患者在28个连接水平变异性指标上存在显著的整体组效应。后续单变量分析表明，NSSI组在6/7个网络内连接和19/21个网络间连接的变异性显著升高，涉及视觉网络（VIS）、躯体运动网络（SM）、背侧注意网络（DA）、腹侧注意网络（VA）、边缘系统网络（LIM）、额顶网络（FPN）和默认模式网络（DMN）等多个系统。同时，拓扑水平MANCOVA亦显示显著组效应，NSSI组在所有五个图论指标的变异性上均显著高于对照。亚组分析在双相障碍（BD）和重性抑郁障碍（MDD）亚组中复现了上述发现，表明该模式具有跨诊断特异性。
"神经变异性的判别价值"：基于神经变异性特征的机器学习中，弹性网络正则化逻辑回归表现最优，受试者工作特征曲线下面积（AUC）为0.66（95% CI [0.62, 0.70]），提示神经变异性指标具有中等程度的NSSI识别能力，分类性能有限可能与NSSI本身的异质性及样本的跨诊断组成有关。
"神经变异性与临床特征的关联"：主成分分析提取的连接水平PC2与多伦多述情障碍量表（TAS）得分负相关、与正念注意觉知量表（MAAS）得分正相关，表明该成分与更好的情绪觉察和注意控制相关；而拓扑水平PC1与Barratt冲动性量表（BIS-11）得分正相关，提示其与更高冲动性相关。这一分离模式表明两种层级的神经变异性与不同的临床维度相关联。
"神经变异性的预测效应"：纵向分析中，在控制人口学和临床变量后，连接水平PC1可预测三个月内NSSI行为更大的减少，而拓扑水平PC1则预测更差的治疗结局，两者呈现相反的效应方向。完整模型解释了额外4%的方差，表明神经变异性指标的预后价值需要在两个层级联合考虑时才能显现。
"对全局脑动态的特异性"：全局信号回归后，前述显著的组间差异不再存在，提示NSSI中升高的神经变异性与全局尺度脑动态密切相关，而非局限于特定局部网络的改变。
"静态指标的平行分析"：静态功能连接分析显示NSSI组在多个网络连接上功能连接强度减弱，但与区别于变异性的临床维度（述情障碍）相关。静态指标在纵向预测中不显著，且与变异性特征联合未能提升交叉验证分类性能，表明两类指标提供互补信息。
研究讨论与结论：本研究首次对NSSI的神经变异性进行了层级化表征，揭示升高变异性是该状况的核心神经生物学特征。关键发现在于，不同组织层级上的变异性升高具有相反的功能意义：连接水平变异性的增加具有适应性，可作为促进行为改善的神经资源，可能通过增强局部通讯通路的灵活重组来支持适应性应对；而拓扑水平的过度变异性则反映大规模网络架构的不稳定，损害信息的高效传递和功能状态的维持，与冲动性相关并预测更差预后。这一"层级分化"框架有助于整合先前看似矛盾的发现——认知灵活性既可以与变性增加相关，也可以在其过度时损害认知控制。全局信号回归结果进一步支持NSSI涉及大规模神经动态不稳定的观点。
研究结论指出：本研究提供了NSSI神经变异性的首个层级化表征，证明升高变异性是该状况的核心神经生物学特征。关键发现表明，不同组织层级上变异性增加具有相反的功能意义：更高的连接水平变异性呈适应性且与行为改善相关，而拓扑水平上高度的变异性反映大规模网络不稳定性且呈非适应性。综上所述，这些发现表明NSSI可能涉及多个层级上神经变异性的破坏，但具有不同功能相关性，为其潜在机制提供了新见解，并强调基于变异性指标作为有前景的预后标志物和干预靶点的价值。
