基因信息约束的大尺度脑模型及其在精神分裂症中的应用.pdf

摘要

摘要

精神分裂症是一种机制复杂的疾病，其成因涉及环境、生物学因素，并且与

遗传因素紧密相关。这些因素的相互作用使得每个患者的症状表现和发病机都可

能有所不同。尽管精神分裂症的研究已取得一定进展，但该疾病的治疗仍面临巨

大挑战因此，我们需要更深入地研究和探索精神分裂症的发病机制，以寻找更有

效的治疗方案。近年来，随着磁共振成像、大尺度脑模拟和转录组数据采集等技

术的不断发展，我们有望结合这些技术对精神分裂症患者的大脑进行解析，以进

一步揭示精神分裂症患者脑内异常的运作机制，从而为该疾病的研究提供全新的

视角和有力的支持。本研究具体工作内容如下：

本文首先从大尺度脑模拟的角度出发，基于包含精神分裂症病人的标准磁共

振成像数据集。结合单被试建模、贝叶斯优化、结构-功能迭代优化等方法，构建

了个性化的精分患者的高精度全脑计算模型，并将模型产生的结果与对照组的建

模结果进行比对。模型结果显示，对照组与精分组之间在未受基因约束的模型参

数上并无显著性差异。然而，在计算全局大脑连接性时，我们发现精神分裂症患

者在前额叶和颞叶区域的几个关键脑区中出现了连接性水平的减弱。这种连接程

度的降低可能是精神分裂症患者在认知和情感方面出现失常的潜在机制。但在网

络层面，两组之间的全局大脑连接性水平并无显著性差异。

接着为了从模型的角度探究精神分裂症与遗传因素之间的关联，本文进一步

建立了基因信息约束下的全脑计算模型，将基因信息对大脑的影响纳入模型的动

1A

力学过程中。模型的结果显示，整合五羟色胺型受体表达数据的模型在对照组

与精神分裂症组之间显示出最大的差异。基于此，本文接着对对照组模型模拟中

的受体表达数据进行了一些调整，以使其功能网络更接近于精神分裂症患者的功

能网络。结果发现精分患者的注意网络和默认模式网络受到了更为严重的损害。

综上，本研究发现精神分裂症患者在前额叶和颞叶区域内的连接水平下降。

进一步的计算模型实验表明，患者大脑异常可能与五羟色胺1A型受体表达水平的

变化相关。在此基础上，经过对受体表达数据的调整与分析，我们发现精神分裂

症患者在注意网络和默认模式网络受到了更为严重的损害。通过综合运用模型、

神经影像学和基因组学的研究方法，本文试图更加全面地了解精神分裂症的神经

生物学基础，以期为未来的诊断和治疗提供更有效的选择。

关键词：精神分裂症，全脑计算模型，功能网络，基因组学

I

ABSTRACT

ABSTRACT

Schizophreniaisacomplexdisorderwithetiologyinvolvingenvironmental,

biological,andgeneticfactors.Theinterplayofthesefactorsresultsinvaried

pathogenicmechanismsandsymptompresentationsamongindividualpatients.Despite

significantprogressinschizophreniaresearch,itstreatmentremainshighlychallenging.

Thus,adeeperexplorationofthepathogenesisofschizophreniaiswarrantedtoidentify

moreeffectivetherapeuticapproaches.Inrecentyears,withthecontinuous

advancementoftechniquessuchasmagneticresonanceimaging,large-scalebrain

simulations,andtranscriptomicdatacollection,thereispotentialtodissectthebrainsof

schizophren