北京邮电大学CAIMI团队发表3篇 Biological Psychiatry：聚焦阿尔茨海默病精准识别！

特邀综述

团队受邀撰写阿尔茨海默病异质性相关研究综述以：“A Multiform Heterogeneity Framework for Alzheimer’s Disease Based on Multimodal Neuroimaging”为题在线发表，第一作者为CAIMI团队赵坤研究员和陈品东博士，通讯作者为刘勇教授（2024.9投稿-2024.12接收）。

文章系统回顾了近五年AD异质性相关研究，着重阐释基于神经影像学的异质性研究在深化疾病认知及临床应用方面的关键意义，并将现有异质性分析方法归纳为聚类策略、分层策略和个体化策略三类。其中，聚类策略可进一步细分为传统的横断面数据亚型分析及基于横向数据的疾病进展推理方法；分层策略聚焦于影像或AD生物标志物特征，精准识别具有不同疾病风险或纵向进展模式的亚组；个体化策略通过规范化模型在大规模数据集中表征群组特征，并以个体相对群组的偏差值量化个体间异质性剖析个体差异。

编者按：This review enhances the understanding of neuroimaging heterogeneity in AD, facilitating its transition from laboratory research to clinical application.

论文链接：10.1016/j.biopsych.2024.12.009

团队与首都医科大学附属北京天坛医院团队合作发表了：“Multiomics Reveals Biological Mechanisms Linking Macroscale Structural Covariance Network Dysfunction With Neuropsychiatric Symptoms Across the Alzheimer's Disease Continuum”。第一作者为天坛医院姜季委博士，通讯作者为天坛医院徐俊教授、CAIMI中心刘勇教授和赵坤研究员（2024.2投稿-2024.9接收）。

文章提出了一种基于脑结构连接组学构建AD-NPS脑损伤新模式的方法，阐明了NPS对AD病理生理学和预后的潜在贡献，为建立靶向NPS个体化的客观诊疗和临床实践提供了研究新思路。

基于中国阿尔茨海默病影像、生物标志物与生活方式研究（Chinese Imaging，Biomarkers and Lifestyle Study, CIBL）队列中550例参与者的3D-T1磁共振，构建大脑影像组学相似性网络（R2SN）刻画AD-NPS的三种脑连接损伤模式。并经内部和外部验证具有较高鲁棒性和泛化性。进一步基于多模态神经影像学和基因集富集分析显示组别差异，其中，sNPS组和moNPS组脑体积明显下降、皮质厚度广泛减少，而miNPS组患者脑区灰质体积和皮层厚度与AD-nNPS组患者相比未见明显统计学差异。且三种脑损伤模式均存在离子跨膜转运和突触信号传递等生物通路的基因表达改变，但影响离子通道类型和神经递质存在明显差异。

该研究首次基于脑结构连接组学构建阿尔茨海默病（AD）神经精神症状（NPS）脑损伤新模式，并以此为技术手段整合多组学详细阐明NPS不同脑损伤模式在AD疾病谱病理生理以及预后的潜在生物学机制，从而为NPS诊疗新靶点和临床实践提供一种全新可行的技术手段，也将为其他复杂脑疾病和精神疾病提供研究新思路。

加拿大多伦多大学Sunnybrook健康科学中心、特默蒂医学院精神病学系Sean M Nestor教授和Maria Vasileiadi教授评论该工作是推进阿尔茨海默病神经精神症状精准诊治和照护的重要研究基础。

论文链接：10.1016/j.biopsych.2024.08.027 

团队新作三

 

团队发表了：“Delineating the Heterogeneity of Alzheimer’s Disease and Mild Cognitive Impairment Using Normative Models of Dynamic Brain Functional Networks”，通讯作者为中心刘勇教授和北京信息科技大学荆日星副教授（2024.1投稿-2024.6接收）。

该文章结合静息态fMRI与结构MRI，引入规范模型（Normative Modeling），从“偏离正常”的角度刻画个体异常，打破传统群体平均分析的限制；并将动态功能连接引入AD亚型分析，更敏感地捕捉脑网络的瞬时波动，识别早期病理变化，系统揭示了大脑临床变化与认知障碍之间的潜在联系。研究成功识别出两个具有显著生理与临床差异的AD/MCI亚型，在功能连接、脑萎缩、认知衰退轨迹等方面均表现出不同特征。这一结果不仅验证了AD的异质性本质，也为早期精准分型和干预提供了全新视角。

北京师范大学隋婧教授评论：本研究采用严谨的交叉验证、重复聚类和多图谱验证策略，确保结果的科学性与可重复性。成果为个体化诊断与干预时机的把握提供了坚实基础，助力构建面向未来的精准神经医学体系。

论文链接：10.1016/j.biopsych.2024.05.025 

阿尔茨海默病（AD）是一种神经退行性疾病，具有高度复杂的临床表型、遗传因素和神经病理学异质性，这些因素严重阻碍了精准诊断、预后评估和治疗策略的发展。因此，深入研究AD异质性在多方面展现出重要价值，有助于深化对疾病机制的理解，能够有力推动计算机辅助提升AD筛查与诊断的性能与加速AD药物研发与干预手段的探索进程等，但其仍面临诸多的困境待进一步研究和探索。