文献汇报信息汇总(向上滑动👆)
主持人:王永军主任、彭德昌主任、李海军医师、戴西件博
本期由南昌大学第一附属医院彭德昌团队 李坤瑶分享Athina R. Aruldass 等人2021年发表在Brain, behavior, and immunity(影响因子:7.217)的一篇题为:“Dysconnectivity of a brain functional network was associated with blood inflammatory markers in depression”的文章。
摘要:
目的:越来越多的证据表明,重度抑郁障碍(MDD)的一个亚群与外周血炎性标志物的升高有关。在这项研究中,我们旨在通过研究抑郁症患者大脑网络的功能连接性(FC)与外周血液免疫标记物之间的关系,来了解炎症相关抑郁症的脑免疫轴机制。
方法:收集N=46例健康对照(HC;C反应蛋白≤3 mg/L)和83例抑郁症患者的静息状态功能磁共振成像和外周血炎性标志物(C反应蛋白、C反应蛋白、白介素6、IL 6和免疫细胞),并进一步分为低C反应蛋白组(低C反应蛋白组;C反应蛋白3 mg/L组;≤3 mg/L组;N=50例;高C反应蛋白组;>3 mg/L组;N=33例)。在一个由两部分组成的分析中,基于网络的统计(NBS)首先被用来确定HC和HiCRP患者的全脑FC差异。其次,我们调查了抑郁症患者外周血中C反应蛋白(N=83)、IL-6(N=72)、中性粒细胞和CD4+T细胞(N=36)的持续检测与这一相互连接的脑区网络之间的关系。
结果:病例对照NBS检测显示,与健康对照组相比,高C反应蛋白抑郁患者存在单一的Fc异常减弱网络。该网络内的联系主要分布在位于左侧脑岛/额盖和后扣带回的脑区之间,分别被分配给腹侧注意和默认模式的标准fMRI网络。对所有抑郁症病例进行的组内分析再次表明,确定的网络中的Fc与CRP、IL-6和中性粒细胞显著负相关。
结论:这些发现表明,炎症与大脑网络内的功能连接中断有关,该网络被认为对相互感受信号至关重要,例如,将免疫状态等外周身体信号准确地传递到大脑,这可能与炎症相关抑郁症的发病机制有关。
1、前言:
将不同种类的患者归入主要由症状和行为结构定义的诊断类别,而不是生物鉴别器,一直是严重抑郁障碍(MDD;此后也称为抑郁症)分类中的一个长期问题(Schmaal等人,2020)。在这种背景下,人们越来越有兴趣确定与外周炎症的血液生物标记物相关的MDD病例的亚群(Kiecolt-Gaser等人,2015年;Otte等人,2016年),即所谓的炎症相关型抑郁症。
免疫系统和抑郁症之间的机制联系的证据最早是在大约30年前报道的,自那以来已成为新兴的免疫精神病学领域的基础(Maes等人,1992;Dantzer等人,2008年;Miller和Reason,2016;Khandaker等人,2017;Pariante,2015;Khandaker等人,2021)。对横断面病例对照研究的荟萃分析表明,MDD患者外周血C-反应蛋白(CRP)、炎性细胞因子,特别是白介素6(IL-6)和天然免疫细胞水平轻度升高(Haapakoski等人,2015年;Osimo等人,2020年;Lynall等人,2020年)。在纵向研究中,基线水平较高的CRP和IL-6水平预示着随访时抑郁风险的增加,这表明炎症在抑郁中起因果作用(Khandaker等人,2014年)。虽然在MDD病例的病因学中有明显的炎症含义,但这在神经免疫轴上的机械性影响仍然难以捉摸(Nusslock和Miller,2016;Wohleb等人,2016)。功能磁共振成像(FMRI)是一种潜在的有用工具,可用于研究炎症和抑郁相关的脑功能连接性变化(Logothetis,2008;Fox和Greicius,2010)。
在抑郁症的病例对照功能磁共振研究中,功能连接(FC)异常已被频繁报道,并集中在典型的休息状态网络(RSN),如默认模式网络(DMN)、腹侧注意网络(VA)和额顶控制网络(FP),其中每一个都与特定的行为领域和/或与MDD相关的症状类别相关(Thomas Yeo等人,2011年)。例如,DMN内的异常连接与沉思和消极的自我参照思维有关(Sheline等人,2009;Hamilton等人,2015);而VA网络的连接异常与情绪识别和处理方面的障碍、冷漠和快感缺乏有关(Seeley,2019)。尽管如此,个别研究之间还是存在着不一致的。抑郁症的DMN、FP和VA网络既有异常低连接(阳性FC减少,负FC增加),也有异常高连接(阳性FC增加,负FC减少)的报道(Kaiser等,2015)。
关于静息状态连接性炎症相关变化的fMRI研究较少,抑郁症患者的研究更少。然而,最近一项涵盖人类炎症实验模型、接受干扰素α治疗的丙型肝炎患者的临床研究以及对不同血液C反应蛋白水平的社区样本的观察研究的荟萃分析报告称,炎症相关的变化一致地共同局限于DMN、VA和边缘功能网络(Kraynak等人,2018年)。开创性研究报告了抑郁症病例(而不是病例和对照组之间)在连接性方面与CRP相关的差异,其中高CRP与基于种子的皮质-纹状体和皮质-杏仁核连接性分析呈负相关(Felger等人,2016年;Mehta等人,2018年;尹某等人,2019年)。总体而言,越来越多的证据表明,外周炎症可以扰乱已知对情绪调节至关重要的大脑网络的FC(Damasio等人,2000;Critchley和Garfinkel,2017;Savitz和Harrison,2018)。
在这里,我们通过两个相关的分析来研究抑郁症、外周炎症和全脑功能连通性之间的关系,这两个相关分析补充了我们之前在同一成像样本中对HC和所有抑郁症患者的微观结构MRI和FC差异的研究(Kitzbichler等人,2020)。首先,我们使用全脑功能连接矩阵或连接的基于网络的统计(NBS)来测试高C反应蛋白抑郁患者(Hi-CRP病例;C反应蛋白>3 mg/L)与健康对照组(HC;C反应蛋白≤3 mg/L)之间的网络水平FC差异。由与抑郁症的炎症相关的FC降低的先前报告(Felger等人,2016;Mehta等人,2018;Yen等人,2019)以及更广泛的抑郁症(Kaiser等人,2015;Veer等人,2010),我们测试了单尾零假设,即与HC相比,hiCRP抑郁病例中没有一组相互连接的边缘(或连接)与减弱的FC相关。这一无效假设被驳斥了。主要连接岛叶、扣带回和皮质下区域的连接网络明显减弱。其次,我们使用这个网络作为“面具”来探索在所有抑郁症病例中测量的FC和由CRP、IL-6和两类免疫细胞(中性粒细胞和CD4+T细胞)指示的外周炎症之间的组内关系,这两类免疫细胞在同一研究的更大样本的病例对照分析中显示显著增加(Lynall等人,2020年)。我们假设血液蛋白和细胞炎症标志物的增加将与这个网络的FC负相关。
2、研究方法和材料
2.1参与者
抑郁症生物标记物(BioDep)是一项观察性病例对照研究,作为Wellcome Trust神经免疫学情绪障碍和阿尔茨海默病(NIMA)联盟的一部分进行。所有程序均由独立的国家研究伦理服务委员会(NRES:英格兰东部,英国剑桥中心;参考文献:15/EE/0092)批准,所有参与者均提供书面知情同意。
所有参与者都符合纳入标准,例如25-50岁,以及排除标准,例如重大内科炎症性疾病或免疫调节药物(补充附录;SA1)。成人年龄范围的动机是这项研究的目的是发现脑成像生物标记物,这些标记物可以立即用于治疗抑郁症的新型抗炎药物的临床试验。注意到这类试验通常集中在成人人群(而不是青少年或老年人口统计学上),我们务实地指定了这项研究的年龄范围,以与未来使用基于fMRI的代理终点的临床试验中参与者的可能人口统计学特征保持一致。所有抑郁症患者经DSM-5抑郁障碍结构化临床访谈(SCID)筛查阳性,汉密尔顿抑郁量表(HAMD-17)总分>13分(SA1-3)。
A1 Participant inclusion and exclusion criteria
Medications for other medical conditions (minor diagnostic comorbidities) were allowed as dictated by the patients’ treating physicians, although patients were required to be medically stable as determined by medical history, physical exam and laboratory testing (see Section A4). CRP was assessed over multiple screening visits spaced 1–3 weeks apart. MDD participants with evidence of active infections (indicated by extreme CRP concentration and medical history) were excluded. Three hiCRP MDD participants with CRP > 10 mg/L (range; 10.2 – 11.4 mg/L) were included in our analyses as evidence of ongoing acute infection could not be confidently established. CRP concentration for implicated participants were stably high (within 20% or ± 2mg/L) on MRI appointment and preceding screening visit.
在最初的电话筛选之后,有可能符合条件的参与者参加了资格评估(图4)。S1),包括在5个英国招募中心(布莱顿、剑桥、格拉斯哥、伦敦国王学院(KCL)或牛津)之一的血液样本进行CRP检测。符合条件的参与者接下来前往3个英国评估中心(剑桥、KCL或牛津)之一进行静脉采血、临床评估和核磁共振扫描,所有这些都安排在同一天上午8-10点(SA2)。然后根据血C-反应蛋白水平对抑郁症患者进行分层:低C-反应蛋白抑郁患者的C-反应蛋白≤为3 mg/L(对应于美国心脏协会的“低”和“平均”心血管疾病风险指南),高C-反应蛋白抑郁患者的C反应蛋白>3 mg/L(根据美国心脏协会的指南,心血管疾病的“高”风险)(皮尔逊等人,2003年)。我们注意到,高/低CRP分界值3 mg/L已被广泛用于其他炎症相关抑郁的研究(Wium-Andersen等人,2013年;Rison等人,2013;Uher等人,2014)。保留3例CRP>10 mg/L(10.2-11.4 mg/L)的HiCRP抑郁患者用于分析,因为没有临床证据表明感染或其他排他性内科疾病(SA1)。所有患者的C反应蛋白≤均为3 mg/L。
2.2血液免疫生物标志物
所有参与者都提供了多达90毫升的空腹静脉血。使用高灵敏度免疫比浊法在中心实验室(Q2 Solutions,利文斯顿,苏格兰,英国)测量CRP。使用来自Meso Scale Discovery(MSD;美国马里兰州罗克维尔)的相关V-PLEX 10点免疫分析试剂盒检测血浆和血清中的细胞因子和趋化因子水平(见S2节)。在质量控制(QC)后,获得了N=72例MDD患者IL-6和其他细胞因子的可分析细胞因子数据(表S1a)。在本研究中只有IL-6可用于分析。在进一步分析之前,所有的血液蛋白浓度都是对数转换的(以10为底数)。
2.3细胞生物标志物
N=36例抑郁症患者的12个白细胞类别的绝对细胞计数(表S1B-C)是先前关于更大样本的报告的子集(Lynall等人,2020年)。血细胞绝对计数(红细胞、血小板、中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、淋巴细胞、单核细胞)由临床诊断实验室(Q2 Solutions,利文斯顿,苏格兰,英国)对5个临床中心的所有参与者进行集中测量。对新鲜外周血单个核细胞(PBMC)进行流式细胞术检测,采用活体染色和抗CD3、CD4、CD8、CD19、CD56、CD14和CD16抗体(见补充数据第2节),以估计CD4+T细胞、CD8+T细胞、B细胞、CD16hi/Bright NK细胞、CD56hi/Bright NK细胞、NK T细胞、中间单核细胞和经典单核细胞的比例或百分比。在(Lynall等人,2020)中详细介绍了用于流式细胞术的免疫表型方法,例如样品准备、染色和门控策略。每一亚类细胞的绝对计数是通过将每一亚类淋巴细胞或单核细胞的比例计数(来自流式细胞仪)与适当的细胞类别的绝对计数(来自血液学面板)相乘得出的。例如,单核细胞亚类的比例计数(来自细胞仪)乘以(全部)单核细胞的绝对计数,以估计来自血液学小组的中间和经典单核细胞亚类的绝对计数。使用绝对细胞计数而不是相对细胞计数(通过细胞术直接估计)是因为相对计数(以百分比报告或估计为某一指标细胞类别与其他细胞类别的比例)对其他细胞类别和分母(总的白细胞总数)的变化敏感。因此,相对计数的变化,即成比例的增加或减少,比绝对细胞计数更容易解释。我们先验地认识到,某些类别的免疫细胞已经与炎症性抑郁症的病例对照研究有关。因此,我们最初专注于两种免疫细胞类别--中性粒细胞和CD4+(辅助)T细胞--因为它们分别是先天免疫反应和获得性免疫反应的主要效应者(Mantovani等人,2011年;Glimcher和Murphy,2000年),并且在先前对同一研究中的更大样本进行的病例对照分析中报告,两者在抑郁症病例中都显著增加(Lynall等人,2020年)。
我们还使用了先前研究(Lynall等人,2020年)中定义的先验的二进制分类结果。对抑郁症类别的所有绝对细胞计数进行多变量高斯混合建模和共识聚类,以定义具有不同免疫细胞谱的两个亚组(有关方法的进一步细节,请参见补充数据部分S2)。这种拟合导致将每个抑郁症病例分配到“高细胞数”或“低细胞数”抑郁症代表性集群(图3)。S3)。然后,我们使用这个名称在当前较小的样本中探索组内功能连接性的差异(请参阅下面的2.7部分2方法)。高细胞数抑郁亚组的髓系细胞(中性粒细胞、碱性粒细胞、嗜酸性粒细胞和经典单核细胞)和NK T细胞的浓度显著升高,名义上淋巴样细胞计数增加。与低细胞计数抑郁亚组相比,高细胞计数组也显著升高了CRP和名义上增加的IL-6浓度。表S1C报告了低细胞计数子组(N=20)和高细胞计数亚组(N=16)的细胞绝对计数的详细数据。
2.4功能磁共振成像
采用多回波(ME)平面回波成像(EPI)序列采集静息fMRI数据,松弛时间(TR)=2.57s,回波时间(TE1,2,3)=15ms,34ms,54ms,采集时间=10mins,42.5s=250个时间点。体素分辨率为3.75×3.75×3.99 mm,−距AC-PC线30°,视野为240 mm,矩阵大小为64×64,共32层。在Afni中丢弃前六卷,并使用多回波独立分量分析(ME-ICA;Kundu等人,2012年;Kundu等人,2013年)对剩余数据进行预处理。然后使用180个基于皮质表面的双边地图集(Glasser等人,2016年)和来自Freesurfer的8个双边非皮质区域(Fischl等人,2002年;Fischl,2012年)对图像进行区域分割,总共得到376个区域。然后在对应于0.02-0.1 Hz的小波尺度2和3上对时间序列进行带通滤波。使用皮尔逊相关系数对得到的小波系数进行区域间的两两相关,得到每个受试者的376×376对称FC矩阵。然后对FC矩阵进行Fisher r-to-z变换。排除以帧向位移估计的高度头部运动,FDmax>1.3 mm和/或FDrms>0.3 mm的受试者(N=4)。其他滋扰变量,如FDR,扫描位置和年龄,从FC矩阵沿边缘回归(图3)。S4A)。
2.5第1部分分析:基于网络的统计数据(NBS)和网络连接的组间差异
国家统计局是使用国家统计局的MatLab工具箱(Zalesky等人,2010年)实施的(第4节补充数据)。我们首先对HC和HiCRP抑郁患者进行了NBS病例对照比较。我们使用了单尾t检验(HC>hiCRP抑郁病例),执行了5000个随机排列。单尾假设检验被先前关于Fc减少与抑郁症炎症相关的报道所证明(Felger等人,2016;Mehta等人,2018;Yen等人,2019),以及更广泛的抑郁症(Kaiser等人,2015;Veer等人,2010)。测试统计阈值最初被设置为TPRIMARY=3.0,对应于名义上未校正的P=0.005,并且据报道在所有分组方案中产生一致的结果(Zalesky等人,2012年;Cocchi等人,2014年)。然后逐步增加0.1%,以保留具有最强病例对照差异的边,即最大的t统计量,构成相互连接的节点的统计显著子集。这里报告了tPRIMARY=3.8的NBS结果,并使用BrainNet Viewer将其呈现为三维网络可视化(Xia等人,2013年)。这个病例对照差异网络随后被用作第二部分分析所有抑郁症患者组内外周免疫标记物和功能连接性之间的关系的“面具”。
2.6 NBS网络的模块化功能分解和区域解剖分解
为了对合成的NBS网络的组成获得更多的分辨率,预定义的Yeo模块(Thomas Yeo等人,2011)和Glasser解剖区域分配(Glasser等人,2016)分别用于NBS网络中组成大脑区域(或节点)的功能和解剖分解。来自Glasser等人的180个细粒的双侧皮质(脑区或结节)。(Glasser等人,2016)(Glasser等人,2016)图谱也根据原始出版物中报告的更粗粒度的22个解剖区域进行了描述(见补充数据部分S3B)。此外,每个脑区或节点也被分配到7个功能模块中的一个,即视觉(V)、躯体运动(SM)、背部注意(DA)、腹侧注意(VA)、边缘(L)、额顶控制(FP)和默认模式网络(DMN),如Yeo等人所述。(2011),基于其与这些规范的休眠状态网络的共同本地化。由Freesurfer定义的其余16个皮质下区域被分配到皮质下(SC)模块。解剖和功能节点标记方案的详细信息见补充数据部分S3B(图2)。S4C-D)。
2.7第二部分分析:抑郁症患者中功能连接和血液免疫生物标记物之间的关联
在研究的第二部分,我们对所有抑郁症患者的功能连接与四种外周免疫生物标记物(CRP、IL-6、中性粒细胞和CD4+T细胞)之间的关系进行了持续分析。第一部分的分析是基于健康对照组和抑郁症患者的子集(高C反应蛋白)的数据,而第二部分的分析是基于所有抑郁症患者的数据(没有对照)。因此,第一部分和第二部分样本部分重叠但不完全相同,这降低了循环的风险。我们首先在边缘水平上检验了这两个变量之间的关系,方法是估计第一部分中定义的病例对照“面具”内每个边缘的功能连接性与每个免疫生物标记物之间的皮尔逊相关性。接下来,我们通过估计每个抑郁症参与者的平均网络连通性(所有连接的平均连通性)来检查网络水平的关联性,然后对每个免疫生物标记物进行双尾线性回归。此外,对于第2部分分析的细胞部分,我们还使用病例对照NBS“掩码”对“高细胞数”和“低细胞数”抑郁症亚组之间的初始分类FC进行比较。
2.8统计方法
在所有分析之前,通过Fisher的r-to-Z变换将通过区域间时间序列相关性估计的功能连接性归一化。效应大小也使用Cohen‘s d来报告。病例对照和组内FC分布的比较使用两样本Kolmogorov-Smirnov检验来估计。在第1部分敏感性分析中,体重指数、性别和烟草消费(吸烟状况)通过(I)在功能连接矩阵上分别回归每个协变量,以及(Ii)随后在残差矩阵上重复病例对照NBS检验来单独控制。对于第二部分,在分析所有抑郁症患者中FC与免疫生物标志物的关系时,使用分层线性回归来控制包括性别、BMI和吸烟状况在内的协变量的相加效应(表S3B-D)。关于统计方法的更多细节,例如共线性诊断和敏感性分析,见补充数据(第S7节,表S3A-D;图。S6;图3。S8)。
3、结果
3.1样本特征
经过QC程序后,N=129名参与者获得了可分析的fMRI和CRP数据,其中包括N=46例HC,N=50例loCRP抑郁病例和N=33例hiCRP抑郁病例。社会人口学和临床变量汇总于表1(详见SA5)。与低C反应蛋白抑郁患者相比,高C反应蛋白抑郁患者包括更多的女性,有更高的BMI和更严重的抑郁评分。体重指数与C反应蛋白(r=0.001.5 7,P<0.0 5)、IL-6(r=0.45,P<0.0 5)呈显著正相关。因此,性别和BMI作为协变量被包括在国家统计局测试和随后的统计建模中(表S1a-C)。如果目前开了抗抑郁药和/或预先指定的伴随药物治疗轻微的诊断合并症,抑郁症病例不被排除(详情见SA4)。通过敏感性分析控制了抗抑郁药和其他药物的潜在混杂效应和临床合并症(表S3B-C)。
采用Mann-Whitney U检验或卡方检验估计组间差异。Abody质量指数,1病例对照统计比较中遗漏的hc数据;b哈密尔顿抑郁量表;cBeck抑郁量表(版本II);dSnaith-Hamilton愉悦量表;eChalder疲劳量表;fState-特征焦虑量表;g童年创伤问卷;h感知应激量表;iLife事件问卷;j高敏C反应蛋白。正常对照组(CRP≤ 3 mg/L);所有抑郁症患者(CRP3~10 mg/L);低C反应蛋白抑郁患者;低C反应蛋白抑郁患者C反应蛋白≤3 mg/L;高C反应蛋白抑郁患者C反应蛋白>3 mg/L;IQR;四分位数范围(Q3~Q1);†统计比较采用非配对t检验;*P < 0.05;**P < 0.01;***P < 0.001。
3.2 FC中的病例-对照组网络级别差异(第 1 部分)
用NBS对高敏C反应蛋白抑郁患者和HC进行病例对照比较,得到一个由38个边缘(或连接)和33个节点(或区域)组成的单一网络(单尾P=0.043,Cohen‘s d=0.45)(图1A)。与loCRP抑制组(-0.35
根据Glasser等人的说法,该网络的结节主要分布在岛叶/额叶、穹隆和后扣带皮质区域。(2016)解剖区域分配,每个分别分配给VA和DMN模块,基于Yeo-7功能网络分配(每个网络称为“模块”)(Thomas Yeo等人,2011年)。DMN和VA节点之间的边缘(10/38)是最丰富的模块间连接,其次是DMN-躯体运动(8/38)边缘(表S2A-B,图)。S5A)。网络的拓扑表示进一步证实,衰减FC的边缘主要耦合VA模块的岛状/额盖节点,例如L_FOP4,以及DMN模块的后扣带皮质节点,例如L_d23ab和L_31PV(图1D;表S2A)。
根据以前的文献,我们查询了BrainMap数据库(Fox和Lancaster,2002),以确定显示脑岛和扣带皮质共同激活的功能磁共振研究。这8项研究(表S2C)涉及对各种刺激的主观知觉、自我参照和突显加工,所有这些都是内感加工(Damasio和Carvalho,2013)。当在功能连接矩阵上通过先前回归控制潜在的混杂协变量后,重复NBS的病例对照分析,在控制BMI或性别后没有发现显著差异。但是,在控制吸烟状况后,病例对照差异的模式基本没有改变(图4)。S5B)。
3.3抑郁症中FC和炎症蛋白之间的关系(第二部分)
接下来,我们检查了所有抑郁症病例的病例对照分析(HC与HiCRP抑郁症病例NBS测试)所定义的面罩内炎症蛋白与边缘Fc之间的关系。IL-6(-0.49
然后,我们对病例对照掩膜内所有边缘的平均FC进行平均,以调查该网络中平均FC的个体差异如何与炎症相关。平均网络连通性与C反应蛋白(r=-0.41,P=0.00008)和IL-6(r=-0.36,P=0.0013)呈负相关(图2A第四栏;表S3B-C)。在对性别和BMI进行调整后,这些相关性仍然显著(表S3B-C)。我们还进行了额外的敏感性分析,以测试这些关系对NBS阈值(tprimary=3.8)选择的稳健性。这种相关性在其他三个主要阈值上是稳健的(tprimary=3.1,3.3,3.5)(图.。S6A-B)。
3.4抑郁症中 FC 与细胞标志物之间的关联(第二部分)
N=36例抑郁症患者有可分析的细胞计数数据,中性粒细胞与C反应蛋白(r=0.57,PFDR<0.001)和IL-6(r=0.47,PFDR<0.05)显著相关(图3A,表S1B)。中性粒细胞与病例对照网络掩膜内单个边缘的功能连通性也呈负相关(-0.41
我们最终调查了抑郁病例的细胞分层亚组之间病例对照掩码内 FC 的差异。证实先前在更大样本上的发现,高细胞计数 (N = 16) 和低细胞计数 (N = 20) 抑郁症组的子集在 CRP、中性粒细胞、嗜碱性粒细胞、嗜酸性粒细胞、经典单核细胞和 NK T-中也有显着差异细胞(表 S1C)。在病例对照网络掩码中,高细胞计数抑制亚组的 FC 边缘分布显着低于低细胞计数抑制亚组(KS 检验,P = 2.2 × 10-16,D = 0.11,Cohen's d = 0.12) (图 3B)。与之前的观察结果一致,负边缘再次集中在 DMN-VA 模块之间,相同的边缘显示出最大的负相关(图 3C)。
4、讨论
正如我们的第一个假设所预测的那样,我们发现了一个相互连接的边缘网络,与健康对照组相比,在外周炎症加剧(CRP>3 mg/L)的抑郁症患者中,功能连接性显著降低。这个由NBS衍生的病例对照网络包括主要定位于DMN和VA功能模块之间的连接的边缘,在解剖学上连接左侧岛叶/额盖和左侧扣带后皮质区域。在这个病例对照网络掩码内的连接性的分组比较显示,FC衰减的等级增加,其中HC表现出最小的损害,其次是loCRP抑制病例,然后是hiCRP抑制病例。国家统计局的这些发现证实并扩展了我们早期研究的结果,该研究分析了同一数据集上的组间FC差异(Kitzbichler等人,2020年)。
接下来,正如我们的第二个假设所预测的,我们仅在抑郁症患者中展示了CRP、IL-6、中性粒细胞和平均网络连接性之间的负比例关系。我们的分析使用了抑郁症低细胞计数亚组和高细胞计数亚组的细胞分层分配,证实了这一观察结果,因为与低细胞计数亚组相比,高细胞计数亚组中发现了更多的负联系,这意味着与CRP ie分层的联系相同。即在岛叶/额盖皮质和后扣带皮质之间。
4.1炎症相关抑郁症的内感觉网络功能障碍
更广泛地说,这些结果与表明炎症相关抑郁症中存在内感功能障碍的证据是一致的(Savitz和Harrison,2018;Khalsa等人,2018)。内感是对身体生理状态的感知,如心血管、胃肠和免疫系统,被认为是情绪体验的重要来源(Craig,2002)。感觉间信号,即“感觉”身体内正在发生的事情的能力,对情绪调节、身体内稳态功能和生存至关重要(Craig,2002)。在MDD中,内感功能障碍与情感体验减少有关,即“毫无感觉”、述情障碍和快感缺失(Quadt等人,2018年)。特别是在炎症相关的抑郁症中,内感模型通过神经通路(主要是迷走神经)定位双向大脑免疫信号的作用,从而提供了一些机械性的洞察力,后者支撑着外周免疫状态与大脑的沟通(Miller和Reason,2016;Savitz和Harison,2018) INS被统称为“内感觉神经系统”(INS),被认为是将传入迷走神经信息从延髓传递到固定在岛叶、额盖、扣带和躯体运动皮质的大脑系统(Fischl等人,2002;Zalesky等人,2010;Zalesky等人,2012;Cocchi等人,2014;Xia等人,2013)。INS内的区域主要起源于两个典型的功能网络,即DMN和VA(也称为突起网络或扣带盖网络)(Kraynak等人,2018;Critchley等人,2004;Harshaw,2015;Kleckner等人,2017;Critchley et al., 2003). 因此,我们将NBS得出的炎症相关抑郁症患者的Fc减弱的病例对照网络解释为INS功能紊乱的迹象。
相互感觉系统中连接障碍(或连接中断)的概念先前已被人类炎症相关抑郁的实验模型所证明,即免疫挑战后的“疾病行为”(Kraynak等人,2018年)。特别是,DiPasquale等人。(DiPasquale等人,2016年)应用国家统计局调查干扰素α治疗前后丙型肝炎阳性参与者的FC差异(DiPasquale等人,2016年)。这项研究发现了一个类似的网络,包括双侧脑岛、额叶皮质和皮质下区域,在参与者服用干扰素α4小时后显示Fc降低。相互感觉信号也被描述为显示领域特异性和层次化处理。因此,内感信号的高级神经处理可能因传入信号类型而异。情感(情绪)、内脏生理(免疫、心脏)或伤害性(疼痛)输入(Khalsa等人,2018年;Mai等人,2019年)。因此,可能存在惯导系统的子系统。例如,内部知觉也与动机回路有关,可以调节奖励敏感性和享乐感觉(Harrison等人,2016;Critchley和Garfinkel,2017)。据报道,在MDD患者中,奖赏系统的皮质纹状体和皮质-杏仁体通路中的衰减随着CRP的升高而增加(Sheline等人,2009年;Hamilton等人,2015年)。使用pBNA(基于部分的网络分析)-一种类似于NBS的基于连接组的技术(但使用贝叶斯多水平模型)-对同一数据集进行的另一项研究也表明,在腹内侧前额叶皮质簇的种子区域与包括经典INS区域(如脑岛和扣带回)的皮质区域网络之间,CRP升高再次与FC降低相关(尹某等,2019年)。这些先前的报告与我们的建议大体一致,即脑岛和纹状体等对炎症敏感的大脑区域可能嵌入到INS的一个子系统中,该子系统对解析免疫和情感信号至关重要。
4.2炎症相关性抑郁症的内感觉性免疫感应功能障碍
我们二次分析的结果,尽管先例较少,但也与先前的证据一致。Fc与血液炎症标志物的负比例尺证实了临床MDD和人群研究的报告,这些报告使用先验定义的区域进行功能连通性分析。例如,在MDD病例中,升高的外周C反应蛋白、IL-6、IL-1β和IL-1ra均与vmPFC-纹状体和杏仁皮质FC呈负相关(Felger等人,2016年;Mehta等人,2018年)。一项基于人群的研究随后显示了类似的发现模式,即情绪调节网络中的FC随着炎症综合评分(C反应蛋白、IL-6、IL-10和肿瘤坏死因子α的集合)和经典单核细胞的增加而负相关(Nusslock等人,2019年)。
除了CRP和IL-6外,我们对绝对免疫细胞计数和FC之间的关系的研究进一步证明了先天免疫系统的参与,因为高细胞数抑郁亚组髓系来源的白细胞增加,特别是中性粒细胞(表S1C),我们注意到中性粒细胞计数和FC之间的显著负比例。尽管如此,在这个阶段断言只有先天免疫系统是炎症相关抑郁症的病因学的核心,这将是有偏见的,或许还为时过早虽然中性粒细胞被广泛认为是先天免疫系统和急性炎症的主要效应者,但这些细胞在功能上并不是先天免疫系统所独有的。中性粒细胞与适应性免疫系统的常驻细胞,特别是发生功能相互调节的CD4+T细胞进行大量的免疫串扰(Mantovani等人,2011年)。例如,中性粒细胞能够诱导幼稚的CD4+T细胞活化并促进其分化。反过来,调节性T细胞产生促进中性粒细胞存活的细胞因子,否则中性粒细胞会经历频繁的自发凋亡,以促进正常的细胞周转(Kalyan和Kabelitz,2014;Li等人,2019年)。我们还注意到,从我们的特异性分析中,CD56hi/Bright自然杀伤(NK)细胞显示出与FC(图2)相同(但不显著)的关联模式。S8)。CD56hi/Bright NK细胞是先天免疫系统的关键效应细胞之一,虽然起源于淋巴系统,通常驻留在淋巴结中,据报道它们通过细胞因子信号与CD4+T细胞相互作用(Fehniger等人,2003年;Vivier等人,2008年;Poli等人,2009;Gabrielli等人,2016)。因此,NK细胞(以及除中性粒细胞和CD4+T细胞外的其他免疫细胞类别)可能与炎症相关性抑郁症的脑功能连通性改变有关。未来样本量更大的研究可能会更有力地发现这些关联
在炎症相关抑郁症的背景下,我们的发现表明,大脑与免疫的关系涉及到内感免疫感知或大脑对内部免疫状态的感知。这一命题与支持“免疫小人”的证据是一致的(Tracey,2007;Diamond和Tracey,2011;Schiller等人,2021)--离散的神经网络通过胆碱能抗炎途径协调外周免疫系统的组成部分,以及脑岛表现出的吻尾功能梯度的概念。在人类内感模型中,岛叶皮质的后部、中部和前部被认为扮演着不同的角色。较低水平的(外围)感觉信息首先在后脑岛编码,然后在中脑岛被表示,在那里汇聚的信号,例如归因于显著的享乐/动机信号,与其他感觉脑区域整合。这些信息随后被传递到前脑岛,在那里与扣带回皮质一起引发行为反应和情绪变化(Craig,2002;(Bud)Craig,2009;Craig,2009)。因此,后脑岛可被视为免疫感觉皮质,而前脑岛与更高阶的情绪调节有关,如主观感觉状态的“疾病”和/或“悲伤”,以及相关的抑郁状态,如快感缺失(Namkung等人,2017;Lekander等人,2016)。因此,我们将我们的观察解释为INS内连接障碍与免疫感觉受损和抑郁症对情绪调节的影响有关的证据。
4.3优势和局限性
我们研究的一个优势是使用NBS对炎症相关抑郁症的FC异常进行全脑分析。类似的先前研究通常使用先验定义的大脑区域和规范的功能网络来确定FC的改变。相比之下,NBS允许我们超越规范功能网络的限制进行公正的全脑研究,这是一种更可靠的绘制抑郁症炎症影响的方法,因为大脑内的网络、簇和回路比单个孤立的连接或区域更有可能受到影响。此外,我们使用了Glasser分割,这是目前岛盖区域最高清晰度的分割方案,根据多种成像模式得出的特征组合,划分了13个岛/额盖分区(Uddin等人,2017年)。我们的研究还提出了Fc与免疫细胞标记物的相关性,与炎症蛋白如CRP和IL-6相比,免疫细胞标记物与脑功能连接的关系尚未被广泛考虑。
我们研究的一个重要局限性是缺乏高C反应蛋白(>3 mg/L)的对照。未来,同样重要的是分析抑郁症患者和非抑郁症对照组之间的差异,两组的CRP水平都允许超过3 mg/L的临界值,以确定在非抑郁症人群中,相互感觉网络的功能连通性是否与外周炎症相关,例如,使用来自人群的数据,如英国Biobank队列。同样重要的是要澄清的是,尽管我们解释了我们的结果与先前关于内感系统的知识有关,但我们并不是断言国家统计局对hiCRP病例对照差异的分析确定的大脑区域完全与内感有关。一些研究强调前岛是“多重需求”系统或者网络的一部分(Dosenbach et al., 2006; Nelson et al., 2010; Simmons et al., 2013)。并且,与前扣带回和额叶皮质一起,岛/盖被认为形成了一个负责编码错误信号和维持注意控制的“核心”任务依赖的大脑网络(Dosenbach等人,2006年)。因此,需要更多的工作来加强我们关于内感网络对外周炎症信号的敏感性的说法,正如这些数据所表明的那样。
尽管样本量与许多先前的研究一致,但它在检测FC和外周炎症之间的微妙联系方面有些不足。尽管病例(总体)和对照组在年龄和性别上是前瞻性匹配的,但就女性比例而言,抽样偏差是明显的,特别是在hiCRP抑郁亚组中。在这种情况下,毫不奇怪,在第一部分敏感性分析中,病例对照差异并不显著,该分析通过在NBS分析之前将这些协变量在FC矩阵上进行回归来控制性别和BMI(图。S5B)。然而,在第二部分的敏感性分析中,控制性别或BMI的影响不那么明显。在所有抑郁症病例组中,FC和免疫生物标记物之间的所有显著关系都是保守的,尽管影响大小较小,当性别作为协变量被包括在线性模型中时(表S3B-D),或者当组内分析仅限于女性病例时(图。S6B)。
从根本上说,在这样的横断面设计中,很难区分肥胖对炎症和与抑郁症相关的功能连接性的潜在缓和或混淆影响。理想情况下,这将需要对代表BMI和炎性生物标记物更大范围变异的纵向设计和非抑郁症对照组进行进一步研究。众所周知,BMI与CRP呈正相关,在这些数据中也是如此(r=0.47)。然而,在分析抑郁、功能连接性和C反应蛋白或其他炎症生物标志物之间的关系时,如何在统计学上处理BMI还不是很清楚。抑郁症与较高的BMI相关,事实上,肥胖一直被视为非典型抑郁症综合征的一个方面,其特征是吞噬过多和代谢紊乱风险增加(Milaneschi等人,2020;Lamers等人,2020)。在这一假设下,即BMI是抑郁症表型的一个组成部分,那么在分析抑郁症相关的功能连接性差异时,不应对其进行统计学控制,这是我们在本研究的两个部分采用的主要分析方法。然而,相反的观点认为,BMI是一个混杂变量,而不是抑郁症的整体,应该将其作为“滋扰协变量”进行统计控制,这是我们在第一部分和第二部分的敏感性分析中采用的方法。我们发现,在控制BMI后,炎性生物标志物与功能连接性之间的组内分析仍然显著;而对HiCRP抑郁症患者和健康对照组之间FC差异的组间分析对BMI的统计校正更敏感。简而言之,我们的发现确实显示出一些支持“免疫代谢”亚型的抑郁症(或非典型抑郁症)(Milaneschi等人,2020;Lamers等人,2020),包括代谢和免疫失调,如肥胖和外周炎症加重,作为临床症状的一部分。
关于免疫生物标记物,我们注意到,为了这项分析的目的,我们只能获得一种细胞因子(IL-6)的数据。尽管IL-6在以前的抑郁症研究中被广泛涉及,但我们不能得出结论,它是唯一与大脑功能连接变化有关的细胞因子。在未来炎症相关性抑郁症的fMRI研究中纳入更广泛的细胞因子将是重要的。最后,我们还注意到,我们的观察是基于横断面调查(而不是纵向调查),这限制了目前的因果解释
结论
虽然先前已经讨论了内感觉与炎症相关抑郁症的相关性,但这项研究直接提供了A.R.Aruldass等人的结论。证据表明,在抑郁症样本中,通过全脑分析确定的相互感觉脑网络中,炎症的蛋白质和细胞生物标记物之间的关联,以及功能连通性的降低。这些结果指出了一种炎症相关抑郁症的假定病因模型,在这种模型中,外周炎症与专门负责外周免疫感知和情绪调节的大脑网络的连接障碍有关。
表1可分析队列中的社会人口学、临床和血清学变量(N=129)
图1基于网络的病例对照在功能连接方面的差异。(A)通过基于网络的统计(NBS)确定的功能连接性(HC与HiCRP抑郁病例)的病例对照差异网络。通过检验单尾假设,即HC>hiCRP病例,生成了包含33个节点或区域之间的38条边或连接的网络,并在这里报告了最高初级阈值tPRIMARY=3.8,在该阈值下可识别出显著的(P<0.05)网络。节点(球)根据它们对Yeo等人先前定义的7个功能模块的分配进行颜色编码。(2011年)(Thomas Yeo等人,2011年)。根据Glasser等人的定义,在解剖学上,这些联系主要连接岛叶/额盖和后扣带皮质区域。(2016)解剖区域分配,节点的组成对也分别被分配到默认模式网络(深橙色球)和腹侧注意(青色球)功能网络(见补充数据部分S3B)。(B)这一病例对照网络的群体平均功能连通性,按每组绘制。边缘(条形)根据功能连接性(FC)的符号和强度进行颜色编码。在HC、loCRP和hiCRP病例中,观察到FC减少(更多的蓝色连接或边缘)。(C)每组HC与HiCRP病例NBS网络中边缘权重(或相关性)的分布。(D)HC与hiCRP病例NBS网络的负加权边缘,通过放射状网络图在拓扑空间中可视化。外轨道被划分为扇区,每个扇区表示NBS网络内的一个皮质节点,根据Glasser等人的命名进行标记。(2016)皮质部分,并根据其对Yeo等人定义的7个功能网络或模块之一的分配进行着色,(2011年)(Thomas Yeo等人,2011年)。扇区的宽度表示近似加权节点度(或每个节点/区域的连接数),即衰减连接的数目越多,扇区越长。链接的厚度和颜色表示功能连接性(FC)的强度,其中FC较负的边具有更厚和更蓝的链接。每个扇区内的链路按顺时针顺序排列,FC递增。在HC、loCRP和hiCRP病例中,负边的数目和重量都有所增加,尤其是位于岛叶/额盖皮质的功能分配到腹侧注意模块的节点,如L_FOP4,和位于后扣带回的节点,分配到默认模式网络,例如,L_d23ab,L_31pv。缩写如下:背侧对侧-背侧注意网络;腹侧-腹侧注意网络;DMN-默认模式网络;ftp控制-额顶控制网络。面板D中突出显示的脑区或节点:L_FOP4-左额顶区4(解剖区域=脑岛/额盖;功能模块=腹侧注意);L_FOP1-左额顶区1(脑岛/额盖;腹侧注意);L/R_d23ab-左/右背侧23a+b(后扣带皮质;默认模式);L_31pv-左区31pv(后扣带皮质;默认模式);L_STSvp-左后区STSv(背侧前额皮质;默认模式);L_MI-左中岛区(脑岛/额盖;腹侧注意);L_PF-Pf区复合体(脑岛/额盖;腹侧注意);L_33Pr-左侧33区(脑岛/额盖;腹侧注意);L_6R-吻区6(运动前皮质;腹侧注意);L_pos1-左顶枕沟区1(后扣带皮质;默认模式);L_9a-左侧9区前部(背侧前额皮质;默认模式);L_PF-左侧中岛(岛/额盖;腹侧注意);R_8AD-右侧区域8AD(单侧前额叶;默认模式);R_RSC-右脾后复合体(后扣带皮质;默认模式)。默认模式)。全部抑郁-全部抑郁病例;loCRP抑制-低CRP抑郁病例;hiCRP抑制-高CRP抑郁病例。(若要解释本图例中对颜色的引用,请参阅本文的网络版。)
图2抑郁症患者的功能连接性与炎性蛋白相关。(A)第一栏:病例对照网络掩膜内的边缘功能连接性(FC)主要与C反应蛋白(N=83例)和IL-6(N=72例)呈负相关。边缘(条状)根据边缘功能连接性和炎症蛋白之间的相关性(皮尔逊r)的符号和强度进行颜色编码,例如,与CRP(或IL-6)负相关的边缘为深绿色。节点(球)根据它们对Yeo等人先前定义的7个功能模块的分配进行颜色编码(2011年)(Thomas Yeo等人,2011年)。第二和第三列:部分边缘具有与炎症蛋白浓度显著相关的功能连接(FDR<5%)。第四列:平均网络连通性与血中CRP和IL-6浓度之间的连续关系散点图,最佳拟合回归线显示95%的可信区间。(B)边缘的拓扑表示,其中FC与CRP和IL-6(均为FDR 5%)均呈显著(负)相关。边缘Fc与血中CRP和IL-6浓度之间的相关性强度由蓝色的强度和链接厚度表示。这些放射状网络图的格式和标签在其他方面与图1D相同;有关详细信息,请参见图1图例。HiCRP MDD-高CRP抑郁病例;loCRP MDD-低CRP抑郁病例。(若要解释本图例中对颜色的引用,请参阅本文的网络版。)
图3抑郁症的高细胞计数和低细胞计数亚组之间的功能连接差异。(A) 相关矩阵强调炎症蛋白、绝对细胞计数和临床变量之间的显着相关性,阈值为 P < 0.05(N = 36 例)。(B) NBS 衍生的病例对照网络掩码中功能连接的组平均表示,用于抑郁症病例的低细胞计数和高细胞计数亚组。这些亚组分配是在先前对更大样本的研究中进行的基于高斯混合模型的绝对细胞计数(12 个免疫细胞类别)的聚类分析之后预先定义的。简而言之,与低细胞计数抑制亚组相比,高细胞计数抑制亚组中性粒细胞和其他骨髓细胞的绝对细胞计数增加,CRP 增加(见补充数据表 S1C)。(C) 网络掩码内的负加权边缘,用于拓扑空间中表示的高细胞计数和低细胞计数亚组。高细胞计数子组显示更多的衰减边缘,由更粗和更蓝的链接表示。这些径向网络图的格式和标记与图 1D 相同;有关详细信息,请参见图 1 图例。
参考文献:
Aruldass AR, Kitzbichler MG, Morgan SE, Lim S, Lynall ME, Turner L, Vertes P; Wellcome Trust Consortium for Neuroimmunology of Mood Disorders and Alzheimer’s Disease (NIMA), Cavanagh J, Cowen P, Pariante CM, Harrison NA, Bullmore ET. Dysconnectivity of a brain functional network was associated with blood inflammatory markers in depression. Brain Behav Immun. 2021 Nov;98:299-309. doi: 10.1016/j.bbi.2021.08.226. Epub 2021 Aug 25. PMID: 34450247.
原文链接: style="margin: 0px;padding: 0px;box-sizing: border-box;">点击“阅读原文”,可跳转至原文链接