522
4
0
2025-05-22 10:24:49
2025-05-24
近日，華南理工大學生物醫學科學與工程學院吳凱教授團隊與廣州醫科大學附屬腦醫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象。課題組突破傳統單模態研究局限，創新性整合140名健康對照和43名患者的腦MRI（結構磁共振成像、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生物學特征，開發了基于XGBoost算法的多模態生物年齡預測模型。研究顯示，融合多模態生物學特征的模型預測精度（MAE=2.41年）顯著優于單一腦影像模型，并揭示了前額葉、顳葉及穹窿等腦區結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.最優模型的預測散點圖及CA/BA的差異。
圖2.大腦區域圖。
研究團隊發現精神分裂癥患者的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存在。通過LASSO-CV篩選出的77個核心特征顯示：前額葉灰質體積減少、穹窿白質完整性下降等腦結構改變，伴Faecalibacterium菌屬耗竭、中性粒細胞/淋巴細胞比率異常等腸-血系統指標變化，共同構成加速衰老的生物特征網絡。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生物學特征與機器學習相結合，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。該發現為開發靶向衰老通路的干預策略、實現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學科學與工程學院吳凱教授與廣州醫科大學附屬腦科醫院吳逢春主任為論文共同通訊作者，華南理工大學生物醫學工程學院韓睿為第一作者。本研究得到了國家重點研發計劃（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?。ň穹至寻Y、抑郁癥、雙相情感障礙等）的腦結構及功能、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
