“自闭”猕猴帮助科学家解析自闭症的“秘密”

发布:2020-06-17 10:36    来源:新民晚报

  新民晚报讯(记者 郜阳)你是否知道这样一群人?他们有着纯真的眼睛,容貌和普通孩子也没有太大区别,但这群“星星的孩子”总是活在自己的世界里独自闪烁。他们所患的是自闭症(ASD),这是一种神经系统失调的发育性疾病,具有高度的异质性,患者常有强迫症、注意力缺陷多动症等并发症,给临床诊断和病理机制研究带来巨大的挑战。

  中国科学院脑科学与智能技术卓越创新中心(神经科学研究所)、神经科学国家重点实验室王征研究组与中科院自动化研究所赫然课题组合作完成一项研究,整合了灵长类动物模型和临床精神疾病患者的功能磁共振影像数据。这是国际上首次设计猴-人跨物种的机器学习分析流程,利用从转基因猕猴模型上学习的特征构建临床精神疾病患者的分类器模型,进而深入解析人类自闭症和强迫症的神经环路机制。此研究为精神疾病的影像学精准诊断提供了新证据,开辟了利用非人灵长类模型服务精神疾病的临床应用需求的新途径。相关成果于今天凌晨在线发表于《美国精神病学杂志》。

  自闭症是一类多发于青少年的精神疾病,一般在3岁以前就会表现出来。患者症状包括社交障碍、重复性刻板动作、焦虑、抑郁等。目前已知与自闭症相关的致病基因有百余种,导致其遗传学病理非常复杂。

  非人灵长类模式动物与人类在脑结构与功能上较为接近,研究人员前期发现转基因灵长类动物模型能够表现出与人类临床患者类似的症状表型。团队大胆假设以保守的脑区功能为基础,构建可跨物种迁移的精神疾病分类预测模型。他们首先运用基因工程技术将人类自闭症基因——MECP2导入到猕猴基因组中,建立单一基因操控的转基因猕猴模型来简化模拟复杂的人类自闭症,随后利用磁共振影像技术对转基因和野生型猕猴进行脑部扫描,构建脑功能图谱。

  因为不是所有的脑区都与自闭症病理有关,研究人员使用结构稀疏的机器学习算法对脑功能图谱进行脑区筛选,识别与MECP2基因相关的核心脑区。然后将这些核心脑区一对一映射到人类磁共振影像脑功能图谱上,提取与核心脑区相关的功能连接特征,以此构建跨物种可迁移的分类预测模型,分别用于人类自闭症、强迫症和注意力缺陷多动症患者的诊断分类。

  “我们发现该模型区分自闭症患者和正常人的准确率达到82.14%,对人类强迫症患者的分类准确率达到78.36%,性能均显著优于基于人类自闭症患者建立的预测模型,但对于人类注意力缺陷多动症患者的诊断没有显著提升。”王征研究员表示。研究团队进一步分析脑连接图谱特征与临床症状之间的关联性,发现右侧腹外侧前额叶皮层功能连接在自闭症和强迫症中扮演着双重角色,为解析精神疾病的脑环路机制提供新的重要线索。

  本项研究得到了英国剑桥大学、复旦大学附属儿科医院、中科院自动化所、中科院昆明动物所的指导和支持。