学院医学信息与神经影像团队在重性精神疾病脑肠生物标志物研究领域取得系列成果

我院医学信息与神经影像团队吴凯教授与广州医科大学附属脑科医院吴逢春主任紧密合作，围绕重性精神疾病的脑肠生物标志物，综合运用多模态磁共振图像、脑电、肠道微生物等多生物学数据，开展了脑网络组学、脑肠关联网络、AI辅助诊断算法等系列研究。近期，在Research、NeuroImage、Journal of Translational Medicine等国际权威学术期刊上发表了相关研究成果。

重性精神疾病，如精神分裂症（Schizophrenia, SZ）和重度抑郁障碍（Major Depressive Disorder, MDD），是以显著情绪、认知和行为功能障碍为主要特征的精神疾病，通常起病较早，具有较高的复发率和较强的治疗依赖性，严重影响患者的社会功能，并与高致残率和自杀风险密切相关。

团队前期已围绕SZ开展了大量研究，揭示了SZ患者脑肠生物标志物及其与临床表型之间的关联特性。随着研究进一步深入，团队纳入43名SZ患者和55名健康对照（Healthy control, HC），收集静息态脑功能磁共振图像和肠道微生物数据，提取脑影像、脑功能网络、肠道微生物丰度和网络属性等特征，通过矩阵乘法首次构建了个体化脑-肠-微生物网络，并使用SVM算法实现分类诊断，其中最具区分性的连接包括粪肠球菌属与视觉系统及皮层下区域的连接，以及科林斯氏菌属与默认模式网络及皮层下皮质的连接，且这些连接与患者的认知功能评分显著相关，相关成果发表于Neuroimage[1]（图1 A）。团队基于个体化脑肠网络，构建了具有注意力机制的多通道图卷积神经网络模型用于疾病分类诊断，发现脑-肠组学数据融合的分类效果优于单组学数据，识别出的大脑特征主要来自海马、嗅皮质、尾状核、豆状苍白球等区域，而肠道微生物重要特征则主要来自瘤胃球菌属和梭菌属等，且这些特征与临床表型显著关联，相关成果发表于Brain Research Bulletin[2]（图1 B）。团队另一项研究，整合了脑磁共振图像和肠道微生物数据，融合K-means、高斯混合模型及谱聚类的混合聚类策略，对400名SZ患者和368名HC的脑、肠及脑-肠融合等三类数据，进行疾病亚型分析，发现SZ存在二种脑亚型、三种肠道亚型及二种脑-肠亚型，且脑亚型和脑-肠亚型与临床症状的关联最为紧密，而肠道亚型更能揭示认知方面的关联，相关成果发表于Journal of Translational Medicine[3]（图1 C）。此外，团队还纳入156名SZ患者和156名正常对照，分析不同BMI水平下SZ患者的肠道微生物组成差异及其与认知功能的关联，发现肥胖SZ患者的肠道微生物存在特异性变化，其中柯林斯菌属、真杆菌属等显著增多，而瘤胃球菌属、丁酸杆菌属等显著减少，其中柯林斯菌属与认知能力呈负相关，丁酸杆菌属和梭菌属的减少则与认知表现呈正相关，相关成果发表于Schizophrenia Research[4]（图1 D）。

 图1.SZ脑肠生物标志物系列研究

近年来，团队聚焦于MDD也开展了系列性研究，取得了系列重要进展。首先，研究纳入90名首发未用药伴自杀意念的重度抑郁障碍（MDDSI）患者、60名首发未用药不伴自杀意念的患者（MDDNSI）以及98名HC，发现MDDSI组的全局熵显著高于MDDNSI组，且其默认模式网络（DMN）中子网熵升高，背侧注意力网络（DAN）中子网熵降低，并与视觉学习能力呈显著负相关，基于节点熵建立了支持向量机模型有效地区分了三组人群，其中关键特征脑区主要分布于DMN、DAN、视觉和边缘系统，通过转录组学进一步分析发现，与自杀意念相关的脑区熵变化与细胞信号传导、免疫及炎症反应等生物过程密切相关，相关成果发表于Research[5]（图2 A、B）。另一项研究，招募了105名首发未用药MDD患者和53名HC，分析了大脑的脑沟深度、局部回旋指数和低频波动幅度等指标，发现MDD患者左侧颞上沟和顶下皮层脑沟变浅，左侧楔前叶和距状裂周围皮层的局部回旋指数及低频波动幅度升高，且视觉学习能力与左侧颞上沟脑沟深度显著负相关、与距状裂周围皮层低频波动幅度呈显著正相关，而基于上述差异脑区构建的支持向量机模型具有良好的分类性能，其中以左侧距状裂周围皮层的低频波动幅度为特征的模型表现最佳，相关成果发表于Progress in Neuropsychopharmacology & Biological Psychiatry[6]（图2 C）。此外，团队还收集了97名首发未用药MDD患者和90名HC的脑电数据，通过“FOOOF”算法分析周期性和非周期性成分，发现MDD患者相较于HC在后部脑区的个体化α波和β波段功率更高，但在枕部电极的非周期性校正后α波功率和右枕部电极的β波功率显著低于HC，同时发现顶叶-枕叶后区的α活动偏侧化现象消失，且非周期1/f信号的截距特征与年龄显著负相关，但与汉密尔顿抑郁评分显著正相关，相关成果发表于Biological Psychiatry:Cognitive Neuroscience and Neuroimaging[7]（图2 D）。

 图2.MDD脑肠生物标志物系列研究

越来越多证据表明，精神疾病的病理机制已超越传统的“脑源性”范式，呈现出跨系统、跨层级的复杂特征。医学信息与神经影像团队紧跟学科前沿，融合多模态磁共振图像、脑电、微生物组学、人工智能等交叉学科，系统构建了多维融合分析框架，深入解析了重性精神疾病的脑肠生物标志物，拓展了对精神疾病神经生物学机制的理解，也为精准化诊断与个体化干预策略的开发提供了全新思路与理论基础。(通讯员/吴凯教授课题组）

参考文献：

1. Peng R, Wang W, Liang L, et al. The brain-gut microbiota network (BGMN) is correlated with symptom severity and neurocognition in patients with schizophrenia[J]. NeuroImage, 2025, 308: 121052.

2. Wang H, Peng R, Huang Y, et al. MO-GCN: A multi-omics graph convolutional network for discriminative analysis of schizophrenia[J]. Brain Research Bulletin, 2025, 221: 111199.

3. Yuran Wang, Shixuan Feng, Yuanyuan Huang, Runlin Peng, Liqin Liang, Wei Wang, Minxin Guo, Baoyuan Zhu, Heng Zhang, Jianhao Liao, Jing Zhou, Hehua Li, Xiaobo Li, Yuping Ning, Fengchun Wu*, Kai Wu*. Revealing Multiple Biological Subtypes of Schizophrenia through a Data-Driven Approach. Journal of Translational Medicine, In Press.

4. Baoyuan Zhu, Liqin Liang, Yuanyuan Huang, Haiyuan Wang, Jing Zhou, Dongsheng Xiong, Shaochuan Li, Hehua Li, Xiaobo Li, Shuhao Chen, Yuping Ning, Fengchun Wu*, Kai Wu*. Exploring the relationship between the gut microbiota and cognitive function in schizophrenia patients with distinct weights. Schizophrenia Research, In Press.  

5. Guo M, Zhang H, Huang Y, et al. Transcriptional Patterns of Nodal Entropy Abnormalities in Major Depressive Disorder Patients with and without Suicidal Ideation[J]. Research, 2025, 8: 0659.

6. Liu C, Li H, Feng S, et al. Alterations in structural and functional magnetic resonance imaging associated with cognitive function in patients with treatment-naïve first-episode major depressive disorder[J]. Progress in Neuro-Psychopharmacology and Biological Psychiatry, 2025: 111367.

7. Li J, Xiong D, Gao C, et al. Individualized Spectral Features in First-episode and Drug-naïve Major Depressive Disorder: Insights from Periodic and Aperiodic EEG Analysis[J]. Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, 2025.