本文由brainnews腦科學(xué)世界團隊原創(chuàng)編譯，轉(zhuǎn)載請聯(lián)系授權(quán)。

自閉癥譜系障礙（ASD）等精神疾病影響全球數(shù)百萬人。個體的差異是理解它們的主要障礙：被診斷患有相同疾病的個體通常表現(xiàn)出不同的行為癥狀和遺傳變異。

了解ASD中的神經(jīng)解剖學(xué)異質(zhì)性，采用具體的診斷和有針對性的行為干預(yù)，可能是改善受影響個體生活質(zhì)量的關(guān)鍵，然而，目前研究人員尚未確定與ASD相關(guān)的神經(jīng)解剖學(xué)變異。

為了更好地檢測ASD特異性神經(jīng)解剖學(xué)差異，波士頓學(xué)院Aidas Aglinskas等人利用機器學(xué)習(xí)研究了1000多名ASD患者的磁共振成像（MRI）數(shù)據(jù)，并將這些圖像與未患ASD時的大腦結(jié)果進行了比較。

首先，Aidas Aglinskas等人通過使用條件變分自編碼器（CVAEs）識別ASD與對照組（TC）的神經(jīng)解剖結(jié)構(gòu)來確定“ASD特異性”的神經(jīng)解剖學(xué)差異，將每種變異模式都表示為一組不同的潛在特征（圖1A）。

Aidas Aglinskas等人發(fā)現(xiàn)ASD特異性神經(jīng)解剖學(xué)與臨床個體差異表現(xiàn)有關(guān)。結(jié)果顯示CVAE能夠排除常見來源的多站點數(shù)據(jù)差異。相比之下，ASD臨床癥狀的檢測與ASD特異性特征更相關(guān)，但與共同特征無關(guān)（圖1B）。

年齡，性別和總智商得分（FIQ）的結(jié)果特別令人感興趣，因為已知這些結(jié)果與TC和ASD人群的神經(jīng)解剖學(xué)有不同關(guān)系，這些屬性中的每一個都與ASD特征顯著相關(guān)，這表明CVAE能夠?qū)⒛挲g，性別和FIQ的一般影響與那些與ASD相互作用的影響分開。

總之，CVAE不僅能夠?qū)SD特有的個體神經(jīng)解剖差異與整個人群區(qū)分開來，而且能夠區(qū)分臨床和非臨床參與者之間的差異性（圖1B）。

圖1.神經(jīng)解剖特征模型

確定了ASD特有的神經(jīng)變異模式之后，可以進一步確定ASD特異性的大腦解剖學(xué)特征是否以與癥狀有關(guān)的方式在不同的個體之間變化。Aidas Aglinskas等人使用深度偽造（deep fakes）技術(shù)模擬每名ASD患者在患病前大腦的情況，該技術(shù)將大腦解剖學(xué)的個體差異分為ASD特有的特征和與ASD無關(guān)的特征（圖2A）。

結(jié)果發(fā)現(xiàn)，盡管觀察到ASD個體之間的大腦解剖結(jié)構(gòu)在多個維度上存在大量差異，但個體并沒有像以前認(rèn)為的那樣被歸入分類上不同的亞型。

在大腦解剖的層面上，ASD的個體變異通過連續(xù)維度比通過多個不同的集群更好地捕獲，這表明在神經(jīng)解剖學(xué)水平上，維度方法比離散診斷類別能更好地說明個體變異（圖2B）。但是，這并不排除通過其他類型的大腦測量（如功能成像，遺傳數(shù)據(jù)）發(fā)現(xiàn)分類上的亞型的可能性。

圖2. ASD組內(nèi)個體變異的解剖位點

此外，前期的工作表明，與ASD相關(guān)的解剖學(xué)變化在不同年齡（18-20歲）之間有所不同。作者發(fā)現(xiàn)年齡不僅與對照組共有的解剖特征相關(guān)，而且在某種程度上與ASD特征相關(guān)，這與ASD特異性解剖結(jié)構(gòu)中年齡依賴性變化模式的存在一致。

在先前的研究中已經(jīng)假設(shè)了體積變化的多種可能原因，包括細胞增殖或胞體大小和樹突長度的差異。如何解釋體積變化的結(jié)構(gòu)原因和功能仍然是人類神經(jīng)科學(xué)中一個關(guān)鍵的懸而未決的問題。

總 結(jié)

總體而言，Aidas Aglinskas等人分析了磁共振成像腦部掃描圖像，以尋找可歸因于ASD而不是個體變異的其他原因的大腦差異。作者發(fā)現(xiàn)了連續(xù)變異的證據(jù)，并確定了大腦結(jié)構(gòu)變異的兩個軸。本研究加深了研究人員對ASD變異的這種認(rèn)知度，并可能有助于改善個體患者的干預(yù)措施。

原文鏈接：

https://www.science.org/doi/10.1126/science.abm2461

參考文獻

Aglinskas A, Hartshorne JK, Anzellotti S. Contrastive machine learning reveals the structure of neuroanatomical variation within autism. Science. 2022 Jun 3;376(6597):1070-1074. doi: 10.1126/science.abm2461. Epub 2022 Jun 2. PMID: 35653486.

編譯作者：Amy Yao（brainnews創(chuàng)作團隊）

校審：Simon（brainnews編輯部）