تحديد درجات الدوائر الدماغية المخصصة يميز الأنماط البيولوجية السريرية المختلفة في الاكتئاب والقلق

النتائج

تحدد درجات دوائر الدماغ الشخصية ستة أنواع بيولوجية

تحقق من أنواع البيولوجية

تختلف الأنماط البيولوجية في الأعراض والسلوك واستجابة العلاج

سألنا أولاً عما إذا كانت الأنماط البيولوجية تميزت بشدة أعراض الاكتئاب والقلق. لمعالجة هذا

مسافة بين المشاركين في الدراسة السريرية

التجميع الهرمي

الشكل 3| تصنيف درجات الدوائر الدماغية الإقليمية يحدد ستة أنواع حيوية من الاكتئاب والقلق. أ-و، صور تخطيطية للدائرة توضح ملف خلل الدائرة الذي يحدد كل نوع حيوي (الأنواع الحيوية موسومة أ-و). يتم تمييز الدوائر بألوان تت correspond إلى مدخلات قياس الدائرة (الشكل 1ج). تمثل الكرات المناطق داخل كل دائرة تحدد النوع الحيوي وحجم الكرات يمثل مقدار انحراف النشاط عن المرجع الصحي (كرات صغيرة، النشاط انحراف معياري أقل من المرجع الصحي؛ كرات كبيرة، تنشيط انحراف معياري أعلى من المرجع الصحي). سمك الخطوط بين الكرات يدل على انحراف في الاتصال (خطوط منقطة، انخفاض في الاتصال انحراف معياري أقل من المرجع الصحي؛ خطوط سميكة، زيادة في الاتصال انحراف معياري أعلى من المرجع الصحي). تعرض الرسوم البيانية العمودية متوسط النشاط عبر المناطق التي تحدد كل دائرة أو متوسط الاتصال بين المناطق التي تحدد كل دائرة. توجد صورة توضيحية لكل درجة دائرة إقليمية حسب النوع البيولوجي في الشكل التكميلية 5. في الرسوم البيانية الشريطية، نبرز الدوائر التي أظهرت فرقًا متوسطًا لا يقل عن 0.50 انحراف معياري أدنى أو أعلى من المرجع الصحي. قمنا بتسمية كل نوع بيولوجي وفقًا للميزات التي ميزته عن المرجع الصحي. يتم الإشارة إلى كل دائرة بحرف، وتُشير الميزة المميزة للدائرة كحرف فرعي، ويتم الإشارة إلى اتجاه الخلل بواسطة + أو – . الحرف الفرعي يشير إلى أن النمط البيولوجي السادس لا يتميز بخلل دائري بارز. بالإضافة إلى هذه التسمية، نقترح وصفًا قصيرًا لكل نمط بيولوجي، يربطها بأنماطنا البيولوجية التي تم تركيبها نظريًا: ، الافتراضي مع فرط الاتصال بالبارز والانتباه ( المشاركين); ترابط منخفض الانتباه ( المشاركين)؛ استثارة المشاعر السلبية الناتجة عن الحزن مع فرط تنشيط المشاعر الإيجابية المشاركين); فرط تنشيط التحكم المعرفي ( المشاركين); انخفاض تنشيط التحكم المعرفي مع انخفاض الاتصال السلبي الناتج عن التهديد الواعي المشاركين)؛ و تفعيل واتصال سليم المشاركين).

الأنماط البيولوجية هي عبر التشخيص

تتفوق درجات الدوائر الدماغية على الميزات الأخرى في تصنيف الأنماط البيولوجية

نقاش

في الدراسة الحالية، نركز على تصوّر الاكتئاب والقلق كاضطرابات في وظيفة دوائر الدماغ. استخدام التجميع ونظام تصوير جديد للتquantification القياسي لـ
عطل الدائرة على مستوى الفرد، قمنا بتوصيف ستة أنواع حيوية من الاكتئاب والقلق محددة من خلال ملفات محددة من العطل داخل كل من الدوائر الدماغية غير المرتبطة بالمهام وتلك المرتبطة بالمهام.

النوع البيولوجي أ		اضطراب الاكتئاب الشديد	اضطراب القلق العام	اضطراب الهلع	اضطراب القلق الاجتماعي		اضطراب الوسواس القهري	اضطراب ما بعد الصدمة
ب
ج
	د
			e
ف
			لا يفي بمعايير التشخيص				تفي بمعايير التشخيص

المحتوى عبر الإنترنت

References

1. Friedrich, M. J. Depression is the leading cause of disability around the world. JAMA 317, 1517 (2017).
2. Ansara, E. D. Management of treatment-resistant generalized anxiety disorder. Ment. Health Clin. 10, 326-334 (2020).
3. Ruberto, V. L., Jha, M. K. & Murrough, J. W. Pharmacological treatments for patients with treatment-resistant depression. Pharmaceuticals 13, 116 (2020).
4. Drysdale, A. T. et al. Resting-state connectivity biomarkers define neurophysiological subtypes of depression. Nat. Med 23, 28-38 (2017).
5. Liang, S. et al. Biotypes of major depressive disorder: neuroimaging evidence from resting-state default mode network patterns. Neuroimage Clin. 28, 102514 (2020).
6. Price, R. B., Gates, K., Kraynak, T. E., Thase, M. E. & Siegle, G. J. Data-driven subgroups in depression derived from directed functional connectivity paths at rest. Neuropsychopharmacology 42, 2623-2632 (2017).
7. Tokuda, T. et al. Identification of depression subtypes and relevant brain regions using a data-driven approach. Sci. Rep. 8, 14082 (2018).
8. Patel, A. R. et al. Stress cardiac magnetic resonance myocardial perfusionimaging: JACC review topic of the week. J. Am. Coll. Cardiol. 78, 1655-1668 (2021).
9. Goldstein-Piekarski, A. N. et al. Human amygdala engagement moderated by early life stress exposure is a biobehavioral target for predicting recovery on antidepressants. Proc. Natl Acad. Sci. USA 113, 11955-11960 (2016).
10. Nguyen, K. P. et al. Patterns of pretreatment reward task brain activation predict individual antidepressant response: key results from the EMBARC randomized clinical trial. Biol. Psychiatry 91, 550-560 (2022).
11. Pilmeyer, J. et al. Functional MRI in major depressive disorder: a review of findings, limitations, and future prospects. J. Neuroimaging 32, 582-595 (2022).
12. Tozzi, L., Goldstein-Piekarski, A. N., Korgaonkar, M. S. & Williams, L. M. Connectivity of the cognitive control network during response inhibition as a predictive and response biomarker in major depression: evidence from a randomized clinical trial. Biol. Psychiatry 87, 462-472 (2020).
13. Krystal, A. D. et al. A randomized proof-of-mechanism trial applying the ‘fast-fail’ approach to evaluating k-opioid antagonism as a treatment for anhedonia. Nat. Med. 26, 760-768 (2020).
14. Dinga, R. et al. Evaluating the evidence for biotypes of depression: methodological replication and extension of Drysdale et al. (2017). Neuroimage Clin. 22, 101796 (2019).
15. Grosenick, L. et al. Functional and optogenetic approaches to discovering stable subtype-specific circuit mechanisms in depression. Biol. Psychiatry. Cogn. Neurosci. Neuroimaging 4, 554-566 (2019).
16. Williams, L. M. Defining biotypes for depression and anxiety based on large-scale circuit dysfunction: a theoretical review of the evidence and future directions for clinical translation. Depress. Anxiety 34, 9-24 (2017).
17. Williams, L. M. Precision psychiatry: a neural circuit taxonomy for depression and anxiety. Lancet Psychiatry 3, 472-480 (2016).
18. Williams, L. M. et al. International Study to Predict Optimized Treatment for Depression (iSPOT-D), a randomized clinical trial: rationale and protocol. Trials 12, 4 (2011).
19. Ma, J. et al. Effect of integrated behavioral weight loss treatment and problem-solving therapy on body mass index and depressive symptoms among patients with obesity and depression: the RAINBOW randomized clinical trial. JAMA 321, 869-879 (2019).
20. Goldstein-Piekarski, A. N. et al. Mapping neural circuit biotypes to symptoms and behavioral dimensions of depression and anxiety. Biol. Psychiatry 91, 561-571 (2022).
21. Gaynes, B. N. et al. What did STAR*D teach us? Results from a large-scale, practical, clinical trial for patients with depression. Pschiatr. Serv. 60, 1439-1445 (2009).
22. Scangos, K. W., State, M. W., Miller, A. H., Baker, J. T. & Williams, L. M. New and emerging approaches to treat psychiatric disorders. Nat. Med. 29, 317-333 (2023).
23. Dichter, G. S., Kozink, R. V., McClernon, F. J. & Smoski, M. J. Remitted major depression is characterized by reward network hyperactivation during reward anticipation and hypoactivation during reward outcomes. J. Affect. Disord. 136, 1126-1134 (2012).
24. Keedwell, P. A., Andrew, C., Williams, S. C. R., Brammer, M. J. & Phillips, M. L. The neural correlates of anhedonia in major depressive disorder. Biol. Psychiatry 58, 843-853 (2005).
25. Groenewold, N. A., Opmeer, E. M., de Jonge, P., Aleman, A. & Costafreda, S. G. Emotional valence modulates brain functional abnormalities in depression: evidence from a meta-analysis of fMRI studies. Neurosci. Biobehav. Rev. 37, 152-163 (2013).
26. Stuhrmann, A., Suslow, T. & Dannlowski, U. Facial emotion processing in major depression: a systematic review of neuroimaging findings. Biol. Mood Anxiety Disord. 1, 10 (2011).
27. Matsuo, K. et al. Prefrontal hyperactivation during working memory task in untreated individuals with major depressive disorder. Mol. Psychiatry 12, 158-166 (2007).
28. Cuthbert, B. N. & Kozak, M. J. Constructing constructs for psychopathology: the NIMH research domain criteria. J. Abnorm. Psychol. 122, 928-937 (2013).
29. Williams, L. M. et al. Identifying response and predictive biomarkers for transcranial magnetic stimulation outcomes: protocol and rationale for a mechanistic study of functional neuroimaging and behavioral biomarkers in veterans with pharmacoresistant depression. BMC Psychiatry 21, 35 (2021).
30. Feng, C., Thompson, W. K. & Paulus, M. P. Effect sizes of associations between neuroimaging measures and affective symptoms: a meta-analysis. Depress. Anxiety 39, 19-25 (2022).
31. American Psychiatric Association. DSM-IV-TR: Diagnostic and Statistical Manual of Mental Disorders 4th edn (2000).
32. American Psychiatric Association. DSM-5: Diagnostic and Statistical Manual of Mental Disorders 5th edn (2013).
33. American Psychiatric Association. DSM-IV: Diagnostic and Statistical Manual of Mental Disorders 4th edn (1994).
34. Sheehan, D. V. et al. The Mini-International Neuropsychiatric Interview (M.I.N.I.): the development and validation of a structured diagnostic psychiatric interview for DSM-IV and ICD10. J. Clin. Psychiatry 59, 22-33 (1998).
35. Kroenke, K., Spitzer, R. L. & Williams, J. B. W. The PHQ-9. J. Gen. Intern. Med 16, 606-613 (2001).
36. Gur, R. C. et al. A method for obtaining 3-dimensional facial expressions and its standardization for use in neurocognitive studies. J. Neurosci. Methods 115, 137-143 (2002).
37. Mathersul, D. et al. Explicit identification and implicit recognition of facial emotions: II. Core domains and relationships with general cognition. J. Clin. Exp. Neuropsychol. 31, 278-291 (2009).

طرق

عينات

اكتساب التصوير بالرنين المغناطيسي والمعالجة المسبقة

اشتقاق درجات الدوائر الإقليمية

قياسات الأعراض

التشخيصات السريرية

قياسات الأداء السلوكي

العلاج

تحديد أنواع الاكتئاب

التوصيف السريري للأنواع

ملخص التقرير

توفر البيانات

توفر الشيفرة

References

38. Williams, L. M. et al. Developing a clinical translational neuroscience taxonomy for anxiety and mood disorder: protocol for the baseline-follow up Research domain criteria Anxiety and Depression (‘RAD’) project. BMC Psychiatry 16, 68 (2016).
39. Tozzi, L. et al. The human connectome project for disordered emotional states: protocol and rationale for a research domain criteria study of brain connectivity in young adult anxiety and depression. Neurolmage 214, 116715 (2020).
40. Williams, L. M. et al. The ENGAGE study: integrating neuroimaging, virtual reality and smartphone sensing to understand self-regulation for managing depression and obesity in a precision medicine model. Behav. Res. Ther. 101, 58-70 (2018).
41. Elliott, M. L. et al. General functional connectivity: shared features of resting-state and task fMRI drive reliable and heritable individual differences in functional brain networks. Neurolmage 189, 516-532 (2019).
42. Korgaonkar, M. S., Ram, K., Williams, L. M., Gatt, J. M. & Grieve, S. M. Establishing the resting state default mode network derived from functional magnetic resonance imaging tasks as an endophenotype: a twins study. Hum. Brain Mapp. 35, 3893-3902 (2014).
43. Esteban, O. et al. fMRIPrep: a robust preprocessing pipeline for functional MRI. Nat. Methods 16, 111-116 (2019).
44. Yarkoni, T., Poldrack, R. A., Nichols, T. E., Van Essen, D. C. & Wager, T. D. Large-scale automated synthesis of human functional neuroimaging data. Nat. Methods 8, 665-670 (2011).
45. Holiga, Š. et al. Test-retest reliability of task-based and resting-state blood oxygen level dependence and cerebral blood flow measures. PLoS ONE 13, e0206583 (2018).
46. Tozzi, L., Fleming, S. L., Taylor, Z., Raterink, C. & Williams, L. M. Test-retest reliability of the human functional connectome over consecutive days: identifying highly reliable portions and assessing the impact of methodological choices. Netw. Neurosci. https://doi.org/10.1162/netn_a_00148 (2020).
47. Fortin, J.-P. et al. Harmonization of cortical thickness measurements across scanners and sites. Neurolmage 167, 104-120 (2018).
48. Fortin, J.-P. et al. Harmonization of multi-site diffusion tensor imaging data. Neurolmage 161, 149-170 (2017).
49. Johnson, W. E., Li, C. & Rabinovic, A. Adjusting batch effects in microarray expression data using empirical Bayes methods. Biostatistics 8, 118-127 (2007).
50. DeLapp, R. C., Chapman, L. K. & Williams, M. T. Psychometric properties of a brief version of the Penn State Worry Questionnaire in African Americans and European Americans. Psychol. Assess. 28, 499-508 (2016).
51. Parola, N. et al. Psychometric properties of the Ruminative Response Scale-short form in a clinical sample of patients with major depressive disorder. Patient Prefer Adherence 11, 929-937 (2017).
52. Wardenaar, K. J. et al. Development and validation of a 30-item short adaptation of the Mood and Anxiety Symptoms Questionnaire (MASQ). Psychiatry Res. 179, 101-106 (2010).
53. Snaith, R. P. et al. A scale for the assessment of hedonic tone the Snaith-Hamilton pleasure scale. Br. J. Psychiatry 167, 99-103 (1995).
54. Patton, J. H., Stanford, M. S. & Barratt, E. S. Factor structure of the Barratt impulsiveness scale. J. Clin. Psychol. 51, 768-774 (1995).
55. Rush, A. J. et al. The 16 -Item quick inventory of depressive symptomatology (QIDS), clinician rating (QIDS-C), and self-report (QIDS-SR): a psychometric evaluation in patients with chronic major depression. Biol. Psychiatry 54, 573-583 (2003).
56. Hamilton, M. in Assessment of Depression (eds Sartorius, D. N. & Ban, D. T. A.) 143-152 (Springer, 1986).
57. Derogatis, L. R., Lipman, R. S. & Covi, L. SCL-90: an outpatient psychiatric rating scale-preliminary report. Psychopharmacol. Bull. 9, 13-28 (1973).
58. Williams, L. M. et al. Explicit identification and implicit recognition of facial emotions: I. Age effects in males and females across 10 decades. J. Clin. Exp. Neuropsychol. 31, 257-277 (2009).
59. Williams, L. M. A platform for standardized, online delivered, clinically applicable neurocognitive assessment. Preprint at bioRxiv https://doi.org/10.1101/2023.08.28.553107 (2023).
60. Urchs, S. G. et al. Functional connectivity subtypes associate robustly with ASD diagnosis. eLife 11, e56257 (2022).

الشكر والتقدير

مساهمات المؤلفين

المصالح المتنافسة

معلومات إضافية

natureportfolio

ملخص التقرير

الإحصائيات

تم التأكيد

البرمجيات والرموز

البيانات

معلومات السياسة حول توفر البيانات

• رموز الوصول، معرفات فريدة، أو روابط ويب لمجموعات البيانات المتاحة للجمهور
• وصف لأي قيود على توفر البيانات
• بالنسبة لمجموعات البيانات السريرية أو بيانات الطرف الثالث، يرجى التأكد من أن البيان يتماشى مع سياستنا

البحث الذي يشمل المشاركين البشريين، بياناتهم، أو المواد البيولوجية

التقرير الخاص بالمجال

تصميم دراسة علوم الحياة

التكرار

التوزيع العشوائي

عمى

التقارير عن مواد وأنظمة وطرق محددة

نحتاج إلى معلومات من المؤلفين حول بعض أنواع المواد والأنظمة التجريبية والأساليب المستخدمة في العديد من الدراسات. هنا، يرجى الإشارة إلى ما إذا كانت كل مادة أو نظام أو طريقة مدرجة ذات صلة بدراستك. إذا لم تكن متأكدًا مما إذا كان عنصر القائمة ينطبق على بحثك، يرجى قراءة القسم المناسب قبل اختيار رد.

البيانات السريرية

معلومات السياسة حول الدراسات السريرية

النباتات

التصوير بالرنين المغناطيسي

تصميم تجريبي

\section*{برمجيات المعالجة المسبقة}

التطبيع
التطبيع

معالجة البيانات التشريحية

MNI152NLin6Asym

النمذجة الإحصائية والاستدلال

Personalized brain circuit scores identify clinically distinct biotypes in depression and anxiety