基于连接组预测建模与网络分析的跨诊断样本社交焦虑脑结构网络识别

《Translational Psychiatry》:Identifying a structural brain network for social anxiety: connectome-based predictive modeling and network analyses in a transdiagnostic sample

【字体: 大 中 小 】 时间:2026年09月29日 来源:Translational Psychiatry 7.5

编辑推荐:

  特质社交焦虑(trait social anxiety, SA)是一种连续现象,可在整个心理健康谱系中表现,从健康对照者的亚临床水平,到重性抑郁障碍中的负担性表现,直至完全发展的障碍如社交焦虑障碍(social anxiety disorder, SAD)。尽

  
特质社交焦虑(trait social anxiety, SA)是一种连续现象,可在整个心理健康谱系中表现,从健康对照者的亚临床水平,到重性抑郁障碍中的负担性表现,直至完全发展的障碍如社交焦虑障碍(social anxiety disorder, SAD)。尽管已有研究提出SA与结构连接组的偏离有关,但关于SA谱系及其与脑结构网络异常关系的研究尚少。本研究旨在利用跨诊断样本和连接组预测建模(connectome-based predictive modeling, CPM),识别不同诊断组间SA的结构脑网络,以揭示SA谱系的神经结构基础。研究人员收集了160名涵盖SA谱系参与者的磁共振成像(magnetic resonance imaging, MRI)和临床数据。利用弥散加权成像和T1加权结构图像重建每位参与者的结构连接组。研究人员应用CPM识别出一个可跨诊断组预测SA的结构脑网络,并进一步分析结构连接组,探究有或无SAD参与者之间的枢纽节点和全局图论指标差异(无SAD组 n=96,SAD组 n=64)。CPM揭示了一个包含46条边的脑网络,可预测SA谱系上的SA水平,平均 r=0.141(置信区间CI=[0.12, 0.2],p=0.003)。枢纽节点位于左侧距状裂周围皮层、顶下小叶、顶上小叶、右侧枕外侧皮层和眶部。本研究首次提供了SA在不同诊断组间共享神经生物学基础的证据,并指出了SA及相关脑网络的跨诊断相关性。
一、研究背景与科学问题
社交焦虑(social anxiety, SA)作为一种稳定的特质,其严重程度可从健康人群的亚临床水平延伸到社交焦虑障碍(social anxiety disorder, SAD)等临床疾病。SAD是最常见的焦虑障碍之一,若不治疗通常呈慢性病程。理解为何有些人更易产生社交抑制,有助于厘清特质SA的表现机制,并为早期干预和治疗提供潜在的生物标志物。然而,SA作为谱系概念与SAD的区分一直存在争议。尽管已有功能影像学研究揭示了杏仁核、岛叶、前扣带皮层和前额叶区域在SA中的改变,但结构异常的发现并不一致。大规模ENIGMA元分析未发现SAD患者皮层下体积的稳健改变,表明结构异常不如功能改变一致。同时,现有研究多采用分类法比较健康对照与SAD患者,缺乏对SA作为跨诊断特质的系统研究。因此,亟需从结构连接组(structural connectome)角度探讨SA谱系的神经基础,尤其是利用网络理论方法考察脑区间的相互作用。
二、研究方法概述
本研究使用明斯特大学“抑郁与焦虑情绪加工的跨诊断调查”(Transdiagnostic Investigation of Emotional Processing in Depression and Anxiety, TIP)队列中的160名参与者,包括健康对照(HC)、仅有重性抑郁障碍(MDD)病史者、以及合并SAD与MDD的患者。所有参与者接受结构磁共振成像(MRI)扫描,包括T1加权像和弥散张量成像(diffusion tensor imaging, DTI)。利用CATO工具箱进行连接组重建,采用RESTORE算法估计张量,并通过确定性纤维追踪重构白质纤维束。节点定义采用Cammoun细分版的Desikan-Killiany图谱(共114个节点),边定义为白质纤维流线数。研究使用连接组预测建模(connectome-based predictive modeling, CPM)结合NBSPredict工具箱,通过重复交叉验证(10内层、100外层折)识别预测Liebowitz社交焦虑量表(LSAS)总分的结构脑网络。此外,利用脑连接组工具箱计算图论指标,包括全局效率、聚类系数、全局连接强度和小世界性,并进行组间比较和连续关联分析。
三、研究结果
  1. 1.
    连接组预测建模
CPM在全样本中发现一个由46条边组成的显著网络(占全连接组的0.18%),这些边与LSAS总分相关。多数边呈正相关,预测相关系数r=0.141(CI=[0.12, 0.2],p=0.003)。该网络主要涉及视觉和颞枕区,最强正相关边位于左侧枕外侧皮层与舌回之间。在临床亚组(N=111)中,研究重现了结果,识别出59条边,预测性能更高(r=0.172,p<0.001)。
  1. 2.
    网络枢纽识别
使用预先注册的枢纽定义(度分布前15%且介数中心性前15%)未能识别出枢纽。探索性分析采用较宽松标准(仅度分布前15%),发现全样本中枢纽位于左、右楔前叶和右侧顶上小叶,临床亚组结果相同。
  1. 3.
    图论网络特征
协方差分析显示,SAD组与无SAD组在模块数量上存在显著差异(F=6.034,p=0.015),SAD组模块数更多,其他全局指标无显著组间差异。连续分析发现,LSAS总分与连接数、每条边的纤维流线数、平均纤维流线数、路径长度、归一化路径长度及小世界性显著相关。其中,纤维流线数和效率与SA负相关,而连接数、路径长度和小世界性与SA正相关。
四、讨论与结论
本研究首次在跨诊断样本中证实了结构连接组与特质SA之间的关联。CPM识别出的网络虽小但预测性能高于随机水平,效应量与其他精神影像学研究相当。该网络以视觉和颞枕区为核心,可能与社交线索加工中的视觉感知异常有关。临床亚组中更显著的效应表明心理病理累积的影响。枢纽分析虽未满足严格标准,但探索性结果提示楔前叶和顶上小叶可能参与SA相关的视空间注意与社交认知过程。图论分析显示SAD组模块化增加,提示网络分离增强,可能影响情绪调节和社会认知相关系统的信息整合。连续分析进一步揭示SA与网络拓扑重组相关,表现为连接增多但效率降低。研究局限性包括样本量有限、仅纳入SAD与MDD诊断组、以及可能存在共病抑郁症状的影响。总体而言,本研究为SA的跨诊断神经基础提供了初步证据,未来需要在更大样本人群中验证这些发现,以推动SA生物标志物的开发与精准治疗。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号