745
4
0
2025-05-22 10:24:49
2025-08-19
近日，華南理工大學生物醫(yī)學科學與工程學院吳凱教授團隊與廣州醫(yī)科大學附屬腦醫(yī)院吳逢春主任團隊合作，在精神分裂癥生物衰老機制研究領域取得重大突破。2025年5月，研究成果以"Biological age prediction in schizophrenia using brain MRI, gut microbiome and blood data"為題發(fā)表于《Brain Research Bulletin》。該研究首次構建了基于腦影像-腸道菌群-血液多模態(tài)生物學特征的生物年齡預測模型，揭示精神分裂癥患者存在顯著加速衰老特征，并證實生物年齡差距（BAG）可作為評估認知衰退和癥狀嚴重度的新型生物標志物。
精神分裂癥作為嚴重影響認知功能的重性精神疾病，患者常伴隨加速衰老現(xiàn)象。課題組突破傳統(tǒng)單模態(tài)研究局限，創(chuàng)新性整合140名健康對照和43名患者的腦MRI（結(jié)構磁共振成像、功能磁共振成像、彌散張量成像）、腸道菌群及血液生化多模態(tài)生物學特征，開發(fā)了基于XGBoost算法的多模態(tài)生物年齡預測模型。研究顯示，融合多模態(tài)生物學特征的模型預測精度（MAE=2.41年）顯著優(yōu)于單一腦影像模型，并揭示了前額葉、顳葉及穹窿等腦區(qū)結(jié)構特征對生物年齡預測的關鍵貢獻。
表1. 不同回歸模型的預測性能
|
Features |
Feature selection |
Regression |
MAE (years) |
Coefficient of determination |
RMSE (years) |
|
MRI, microbiome and blood |
- |
MLR |
5.24 |
0.40 |
6.27 |
|
LASSO |
MLR |
3.44 |
0.72 |
3.91 |
|
|
- |
Ridge |
5.12 |
0.40 |
6.26 |
|
|
LASSO |
Ridge |
2.80 |
0.76 |
3.40 |
|
|
- |
SVR |
5.06 |
0.43 |
6.18 |
|
|
LASSO |
SVR |
2.76 |
0.80 |
3.46 |
|
|
- |
RFR |
7.10 |
0.34 |
8.89 |
|
|
LASSO |
RFR |
5.58 |
0.41 |
6.94 |
|
|
- |
Xgboost |
4.58 |
0.51 |
5.79 |
|
|
LASSO |
Xgboost |
2.41 |
0.85 |
3.00 |
 |
 |
圖1.最優(yōu)模型的預測散點圖及CA/BA的差異。
圖2.大腦區(qū)域圖。
研究團隊發(fā)現(xiàn)精神分裂癥患者的BAG較健康對照組顯著增加（p<0.001），且該差距在年輕組和老年組均持續(xù)存在。通過LASSO-CV篩選出的77個核心特征顯示：前額葉灰質(zhì)體積減少、穹窿白質(zhì)完整性下降等腦結(jié)構改變，伴Faecalibacterium菌屬耗竭、中性粒細胞/淋巴細胞比率異常等腸-血系統(tǒng)指標變化，共同構成加速衰老的生物特征網(wǎng)絡。更重要的是，BAG與MATRICS認知評分呈顯著負相關，與PANSS癥狀總評分呈正相關。
圖3.BAG與MCCB和PANSS各領域得分的相關性。
這項研究首次將多模態(tài)生物學特征與機器學習相結(jié)合，構建了生物年齡預測衰老時鐘。生物年齡差距不僅量化了患者的生理衰老進程，更為臨床評估認知損害和癥狀進展提供了客觀量化指標。該發(fā)現(xiàn)為開發(fā)靶向衰老通路的干預策略、實現(xiàn)精神分裂癥個體化診療提供了新思路。
華南理工大學生物醫(yī)學科學與工程學院吳凱教授與廣州醫(yī)科大學附屬腦科醫(yī)院吳逢春主任為論文共同通訊作者，華南理工大學生物醫(yī)學工程學院韓睿為第一作者。本研究得到了國家重點研發(fā)計劃（2023YFC2414500，2023YFC2414504）、國家自然科學基金（81971585，72174082，82271953，82301688）及廣東省自然科學基金杰出青年基金（2021B1515020064）等項目的資助。
|
論文信息: Han, R., Wang, W., Liao, J., Peng, R., Liang, L., Li, W., ... & Wu, K. (2025). Biological age prediction in schizophrenia using brain MRI, gut microbiome and blood data. Brain Research Bulletin, 111363. |
近年來，吳凱教授和吳逢春主任團隊聚焦于腦重大疾病（精神分裂癥、抑郁癥、雙相情感障礙等）的腦結(jié)構及功能、腸道菌群的損傷機制以及智能輔助診斷領域已展開一系列研究工作。相關研究發(fā)表在Research、NeuroImage、Journal of Translational Medicine、Schizophrenia Research、Journal of Psychiatric Research等國際學術期刊上。
課題組前期相關論文：
[1]Zhu B, Liang L, Huang Y, et al. Exploring the relationship between the gut microbiota and cognitive function in schizophrenia patients with distinct weights[J]. Schizophrenia Research, 2025, 280: 103-113. doi:10.1186/s12967-025-06503-5
[2]Wang Y, Feng S, Huang Y, et al. Revealing multiple biological subtypes of schizophrenia through a data-driven approach[J]. Journal of Translational Medicine, 2025, 23(1): 505.
doi:10.1186/s12967-025-06503-5
[3]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, 139: 111367.
doi:10.1016/j.pnpbp.2025.111367
[4]Guo M, Zhang H, Huang Y, et al. Transcriptional patterns of nodal entropy abnormalities in major depressive disorder patie
nts with and without suicidal ideation. Research. doi:10.34133/research.0659.
[5]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. Neuroimage. 2025;308:121052. doi:10.1016/j.neuroimage.2025.121052.
[6]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. doi:10.1016/j.schres.2025.04.017
