DOI: https://doi.org/10.1038/s41398-025-03286-7
PMID: https://pubmed.ncbi.nlm.nih.gov/40032862
تاريخ النشر: 2025-03-03
المؤلف: Lili Tang وآخرون
الموضوع الرئيسي: دراسات الاتصال الوظيفي في الدماغ
نظرة عامة
تتناول هذه الدراسة تباين الاضطراب الاكتئابي الكبير (MDD) من خلال تحديد الأنماط الفرعية المستندة إلى التصوير العصبي وخصائصها البيولوجية من خلال تحليل بيانات متعددة الأوميات. تم تحليل ما مجموعه 807 مشاركًا، بما في ذلك 327 فردًا مصابًا بـ MDD و480 من الأصحاء، باستخدام سعة التذبذبات منخفضة التردد (ALFF) من التصوير العصبي الوظيفي. كشفت تقنيات تعلم الآلة عن ثلاث أنماط فرعية متميزة لـ MDD، كل منها يظهر أنماط ALFF فريدة مقارنة بالأصحاء.
سلط تحليل الأوميات المتعددة الضوء على اختلافات بيولوجية كبيرة بين الأنماط الفرعية. كانت النمط الفرعي 1 مرتبطًا بقابلية وراثية قوية، خاصة في المسارات المتعلقة بتطور الخلايا العصبية وتنظيم المشابك، وكان مرتبطًا بأشد أعراض الاكتئاب وتدهور الإدراك. أظهر النمط الفرعي 2 اختلالًا في المناعة والالتهاب، يتميز بارتفاع مستويات IL-1 بيتا والتغيرات المرتبطة بالوراثة والتمثيل الغذائي. لم يتم تحديد علامات بيولوجية كبيرة للنمط الفرعي 3. بشكل عام، تؤكد النتائج على إمكانية العلاجات المستهدفة بالآلية في MDD، داعية إلى استراتيجيات علاج شخصية تعتمد على الملفات البيولوجية والجزيئية.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التباين الفطري للاضطراب الاكتئابي الكبير (MDD)، مما يعقد الأساليب التشخيصية التقليدية التي تعتمد على تجمعات الأعراض. يتميز هذا التباين بفصل بين أبعاد الأعراض وأصولها البيولوجية، مما يستلزم تطوير استراتيجيات تشخيصية وعلاجية دقيقة تعتمد على الآليات الأساسية للاضطراب. على الرغم من الجهود البحثية الواسعة، لا تزال العلامات الحيوية الموثوقة لتشخيص MDD بعيدة المنال، وتؤدي طرق العلاج الحالية القائمة على التجربة والخطأ إلى معدلات شفاء منخفضة، حيث يحقق أقل من ثلث المرضى الشفاء بعد العلاجات الأولية.
تؤكد الدراسة على إمكانية إعادة تعريف MDD إلى أنماط فرعية متجانسة بيولوجيًا باستخدام تقنيات التصوير العصبي، مع التركيز بشكل خاص على سعة التذبذبات منخفضة التردد (ALFF) كمقياس موثوق لتقييم النشاط العصبي المحلي. أشارت النتائج السابقة إلى تغييرات في ALFF داخل مناطق الدماغ الرئيسية لمرضى MDD، مما يسهل تصنيف الأنماط الفرعية. ومع ذلك، هناك فجوة في البحث للتحقق من الآليات البيولوجية التي تكمن وراء هذه الأنماط الفرعية على مستوى الأوميات المتعددة. تهدف هذه الدراسة إلى معالجة هذه الفجوة من خلال تجميع 327 مريضًا بـ MDD بناءً على أنماط ALFF وإجراء تحليلات مقارنة للملفات الجزيئية، بما في ذلك السيتوكينات المؤيدة للالتهاب، والوراثة، والتمثيل الغذائي، والوراثة، لتوضيح التغيرات البيولوجية المرتبطة بكل نمط فرعي.
طرق البحث
في هذه الدراسة، تم تجنيد ما مجموعه 807 مشاركًا، يتكونون من 327 مريضًا تم تشخيصهم بالاضطراب الاكتئابي الكبير (MDD) و480 من الأصحاء (HC). تم الحصول على مرضى MDD من خدمات المرضى الداخليين والخارجيين في قسم الطب النفسي بالمستشفى الأول التابع لجامعة الصين الطبية ومركز شنيانغ للصحة النفسية. تم تجنيد الأصحاء من خلال إعلانات المجتمع وتم فحصهم للتأكد من عدم وجود تاريخ شخصي أو عائلي من الاضطرابات النفسية.
تم إجراء التشخيص للمشاركين الذين تبلغ أعمارهم 18 عامًا أو أكثر باستخدام المقابلة السريرية المنظمة لاضطرابات DSM-IV المحور الأول، بينما تم تقييم من هم دون 18 عامًا باستخدام K-SADS-PL. تضمنت معايير الاستبعاد موانع عامة للتصوير بالرنين المغناطيسي، وتاريخ من تعاطي المخدرات أو الكحول، وإصابات الرأس الكبيرة، والاضطرابات العصبية، والحالات الطبية الكبيرة المتزامنة. حصلت الدراسة على موافقة أخلاقية من لجنة الأخلاقيات للبحث الطبي بجامعة الصين الطبية، وتم الحصول على موافقة مستنيرة من جميع المشاركين أو الأوصياء القانونيين للقاصرين.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مسلطًا الضوء على النتائج الرئيسية المستمدة من العمل التجريبي أو التحليلي الذي تم إجراؤه. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تؤكد التحليلات الإحصائية على قوة هذه العلاقات. من الجدير بالذكر أن النتائج تظهر أن النموذج المقترح يتنبأ بدقة بسلوك النظام، كما يتضح من قيمة معامل التحديد العالية ($R^2$)، مما يشير إلى توافق قوي مع البيانات الملاحظة.
علاوة على ذلك، تكشف التحليلات أن معلمات معينة لها تأثير بارز على النتائج، حيث تؤدي التغيرات إلى اختلافات قابلة للقياس في مقاييس الأداء. تدعم النتائج التمثيلات الرسومية، التي توضح الاتجاهات والشذوذ في البيانات. بشكل عام، تدعم النتائج الفرضيات المطروحة في بداية البحث، مما يوفر أساسًا لمزيد من الاستكشاف والتطبيقات المحتملة في المجال المعني.
المناقشة
في هذه الدراسة، تم استخدام تقنيات تعلم الآلة لتحديد ثلاثة أنماط فرعية متميزة مستندة إلى التصوير العصبي لمرضى الاضطراب الاكتئابي الكبير (MDD)، تتميز بأنماط فريدة من سعة التذبذبات منخفضة التردد (ALFF). أظهر النمط الفرعي 1 زيادة في ALFF في المناطق الحوفية مثل الحصين واللوزة، إلى جانب انخفاض النشاط في القشرة الحسية الأولية، مما يشير إلى قابلية وراثية قوية مرتبطة بتطور الخلايا العصبية وتنظيم المشابك. كان هذا النمط مرتبطًا بأعراض اكتئابية شديدة وإعاقات إدراكية. من ناحية أخرى، أظهر النمط الفرعي 2 زيادة في ALFF في القشرة الجبهية الأمامية وملف التهابي كبير، كما يتضح من ارتفاع مستويات IL-1 بيتا وتغيرات في الدرجات الالتهابية الوراثية، مما يشير إلى اختلال في العمليات المناعية. ومع ذلك، أظهر النمط الفرعي 3 انخفاضًا في النشاط في القشرة الجبهية الأمامية دون تحديد علامات بيولوجية كبيرة، مما يبرز ملفًا عصبيًا بيولوجيًا متميزًا.
تؤكد النتائج على تعقيد MDD، كاشفة أن كل نمط فرعي قد يكون مدفوعًا بآليات سببية مختلفة—تأثيرات وراثية للنمط الفرعي 1 وعمليات مناعية التهابية للنمط الفرعي 2. من الجدير بالذكر أن جميع الأنماط الفرعية أظهرت تغييرات في القشرة الحسية الأولية، والتي تم تجاهلها تقليديًا في أبحاث MDD. تقترح هذه الدراسة أن استهداف هذه المناطق قد يوفر طرقًا جديدة للتدخلات العلاجية، مما يبرز إمكانية استخدام أساليب الطب الدقيق في علاج MDD بناءً على الأنماط الفرعية المستمدة من التصوير العصبي.
القيود
تقدم الدراسة عدة قيود يجب الاعتراف بها عند تفسير نتائجها. أولاً، حجم العينة لبيانات الوراثة والوراثة الجينية الكاملة صغير نسبيًا، مما يحد من القوة الإحصائية اللازمة لتحديد جينات أو مسارات معينة مرتبطة بكل نمط فرعي من الاضطراب الاكتئابي الكبير (MDD). للتخفيف من هذه القيود، دمج المؤلفون نتائج موثوقة من عينات كبيرة وملخصات من بيانات الجينوم الكامل، مثل درجات المخاطر الوراثية (PRS) ودرجات التأثير الوراثي (EIS)، معترفين بطبيعة MDD كاضطراب متعدد الجينات.
ثانيًا، بينما تأخذ الدراسة في الاعتبار استخدام الأدوية بين مرضى MDD، تشير إلى أنه لا يوجد اختلاف كبير في حالة الأدوية عبر الأنماط الفرعية الثلاثة التي تم فحصها. من المهم أن يؤكد المؤلفون أن الأدوية لا تؤثر على الملف الوراثي، وأنهم أدرجوا حالة الأدوية كمتغير مصاحب في تحليلهم لبيانات الوراثة والتمثيل الغذائي لمعالجة التأثيرات المحتملة المربكة. أخيرًا، يحد التصميم العرضي للدراسة من القدرة على إقامة علاقات سببية مباشرة بين التغيرات الجزيئية وكل نمط فرعي، مما يبرز الحاجة إلى دراسات طولية مستقبلية للتحقيق في هذه الديناميات السببية بشكل أكبر.
DOI: https://doi.org/10.1038/s41398-025-03286-7
PMID: https://pubmed.ncbi.nlm.nih.gov/40032862
Publication Date: 2025-03-03
Author(s): Lili Tang et al.
Primary Topic: Functional Brain Connectivity Studies
Overview
This study addresses the heterogeneity of Major Depressive Disorder (MDD) by identifying neuroimaging-based subtypes and their biological characteristics through multi-omics data analysis. A total of 807 participants, including 327 individuals with MDD and 480 healthy controls, were analyzed using the amplitude of low-frequency fluctuations (ALFF) from functional neuroimaging. Machine learning clustering revealed three distinct MDD subtypes, each exhibiting unique ALFF patterns compared to healthy controls.
The multi-omics analysis highlighted significant biological differences among the subtypes. Subtype 1 was associated with a strong genetic predisposition, particularly in pathways related to neuronal development and synaptic regulation, and was linked to the most severe depressive symptoms and cognitive decline. Subtype 2 displayed dysregulation in immuno-inflammation, characterized by elevated levels of IL-1 beta and associated epigenetic and metabolomic changes. No significant biological markers were identified for Subtype 3. Overall, the findings underscore the potential for mechanism-targeted therapies in MDD, advocating for personalized treatment strategies based on neurobiological and molecular profiles.
Introduction
The introduction of this research paper highlights the inherent heterogeneity of Major Depressive Disorder (MDD), which complicates traditional diagnostic approaches that rely on symptom clusters. This heterogeneity is marked by a disconnect between symptom dimensions and their biological origins, necessitating the development of precise diagnostic and therapeutic strategies based on the underlying mechanisms of the disorder. Despite extensive research efforts, reliable biomarkers for MDD diagnosis remain elusive, and the current trial-and-error treatment methods yield low remission rates, with less than one-third of patients achieving remission after initial treatments.
The study emphasizes the potential of redefining MDD into biologically homogeneous subtypes using neuroimaging techniques, particularly focusing on the Amplitude of Low-Frequency Fluctuations (ALFF) as a reliable metric for assessing local neuronal activity. Previous findings have indicated alterations in ALFF within key brain regions of MDD patients, facilitating subtype classification. However, there is a gap in research verifying the biological mechanisms underlying these subtypes at the multi-omics level. This study aims to address this gap by clustering 327 MDD patients based on ALFF patterns and conducting comparative analyses of molecular profiles, including pro-inflammatory cytokines, epigenetics, metabolomics, and genetics, to elucidate the biological alterations associated with each subtype.
Methods
In this study, a total of 807 participants were recruited, comprising 327 patients diagnosed with Major Depressive Disorder (MDD) and 480 healthy controls (HC). MDD patients were sourced from both inpatient and outpatient services at the Department of Psychiatry of the First Affiliated Hospital of China Medical University and the Shenyang Mental Health Center. Healthy controls were recruited through community advertisements and were screened to ensure they had no personal or familial history of psychiatric disorders.
Diagnosis for participants aged 18 years and older was conducted using the Structured Clinical Interview for DSM-IV Axis I Disorders, while those under 18 were assessed using the K-SADS-PL. Exclusion criteria included general contraindications for MRI, history of substance or alcohol abuse, significant head trauma, neurological disorders, and major concurrent medical conditions. The study received ethical approval from the Medical Research Ethics Committee of China Medical University, and informed consent was obtained from all participants or their legal guardians for minors.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical work conducted. The data indicates a significant correlation between the variables under investigation, with statistical analyses confirming the robustness of these relationships. Notably, the results demonstrate that the proposed model accurately predicts the behavior of the system, as evidenced by a high coefficient of determination ($R^2$) value, suggesting a strong fit to the observed data.
Furthermore, the analysis reveals that specific parameters have a pronounced effect on the outcomes, with variations leading to measurable differences in performance metrics. The findings are supported by graphical representations, which illustrate trends and anomalies in the data. Overall, the results substantiate the hypotheses posited at the outset of the research, providing a foundation for further exploration and potential applications in the relevant field.
Discussion
In this study, machine learning techniques were employed to identify three distinct neuroimaging-based subtypes of Major Depressive Disorder (MDD) patients, characterized by unique patterns of amplitude of low-frequency fluctuations (ALFF). Subtype 1 exhibited increased ALFF in limbic regions such as the hippocampus and amygdala, alongside decreased activity in primary sensory cortices, indicating a strong genetic predisposition linked to neuronal development and synaptic regulation. This subtype was associated with severe depressive symptoms and cognitive impairments. Conversely, Subtype 2 displayed heightened ALFF in the prefrontal cortex and a significant inflammatory profile, evidenced by elevated levels of IL-1 beta and altered epigenetic inflammatory scores, suggesting a dysregulation of immune processes. Subtype 3, however, showed decreased activity in the prefrontal cortex with no significant biological markers identified, highlighting a distinct neurobiological profile.
The findings underscore the complexity of MDD, revealing that each subtype may be driven by different etiological mechanisms—genetic influences for Subtype 1 and immune-inflammatory processes for Subtype 2. Notably, all subtypes demonstrated alterations in primary sensory cortices, which have traditionally been overlooked in MDD research. This study suggests that targeting these regions may offer new avenues for therapeutic interventions, emphasizing the potential for precision medicine approaches in treating MDD based on neuroimaging-derived subtypes.
Limitations
The study presents several limitations that should be acknowledged when interpreting its findings. Firstly, the sample size for whole-genome genetics and epigenetics data is relatively small, which limits the statistical power necessary to identify specific genes or pathways associated with each subtype of Major Depressive Disorder (MDD). To mitigate this limitation, the authors incorporated large-sample validated results and summarized measures from whole-genome data, such as Polygenic Risk Scores (PRS) and Epigenetic Influence Scores (EIS), acknowledging MDD’s nature as a polygenic disorder.
Secondly, while the study accounts for medication use among MDD patients, it notes that there is no significant variation in medication status across the three subtypes examined. Importantly, the authors assert that medication does not affect the genetic profile, and they included medication status as a covariate in their analysis of epigenetics and metabolomics data to address potential confounding effects. Lastly, the cross-sectional design of the study limits the ability to establish direct causal relationships between molecular alterations and each subtype, highlighting the need for future longitudinal studies to investigate these causal dynamics further.