摘要

突触丢失和功能连接缺陷被认为是导致抑郁症（MDD）和创伤后应激障碍（PTSD）相关症状的原因。突触囊泡糖蛋白2A（SV2A）可用于指示神经末梢的数量，可以间接估计突触密度。在这里，我们使用SV2A放射配体[11C]UCB-J 的正电子发射断层扫描（PET）来检测26名MDD、PTSD或MDD/PTSD共病患者的突触密度。与健康对照组相比，抑郁症状的严重程度与SV2A密度呈负相关，抑郁程度高的个体SV2A密度较低（n=21）。通过磁共振成像（MRI）功能连通性测量，SV2A密度也与异常网络功能相关。这是首次将突触密度降低与网络改变和抑郁症状联系起来的证据。我们的发现为评估恢复突触连接的干预措施以治疗抑郁症提供了进一步的激励。

前言

人脑在应激反应中表现出显著的神经可塑性。持续的高水平压力被认为会导致情感和认知过程中潜在回路的突触丢失^[1]。.这些减少被认为是与严重程度高的抑郁症(MDD)和创伤后应激障碍(PTSD)相关的抑郁症状——高度共病可能有共同的神经生物学基础^[2,3]。

突触缺陷在MDD中很明显，并且可能与PTSD的神经生物学有关。例如，尸检研究表明，MDD患者的背外侧前额叶皮质（dlPFC）中突触数量较少，相应的突触功能相关基因表达较低^[4]，这与MDD中突触信号蛋白水平较低的证据^[4-6]一致。初步证据还表明PTSD存在突触缺陷[7,8]，尽管缺乏PTSD的尸检研究。脑成像研究一直显示，MDD[9、10]和PTSD^[11]的PFC、前扣带回皮层（ACC）和海马体的脑容量较低，部分原因可能是突触和神经元的丢失^[1]。.突触连接中的应激相关改变也被认为是网络功能障碍的基础，功能磁共振成像（fMRI）研究表明MDD^[12–14]和PTSD^[15]中PFC及其靶边缘区域以及更广泛的大脑网络的功能连接中断。。应激引起的突触连接改变和由此产生的网络功能障碍可能是这些疾病认知和情感缺陷的基础。临床前研究进一步证明慢性应激和抑郁模型中的突触密度较低，特别是在PFC和海马区域^[16-18]。

抑郁症和创伤后应激障碍的突触缺陷可能是治疗的目标。例如，氯胺酮（一种具有快速抗抑郁特性的NMDA受体拮抗剂）在慢性应激的临床前模型中迅速增加突触连接的数量和功能，并产生快速的抗抑郁样效应^[16,19]。研究表明，抑制突触蛋白合成，导致内侧PFC中突触数量减少，使啮齿动物模型出现抑郁样行为，这为突触丢失与抑郁之间的功能关联提供了证据20。此外，在氯胺酮输注期间[22]和输注后24小时^[22,23]，表现出皮质功能连接缺陷的抑郁症患者^[14,21]的PFC连接增加。因此，增强突触连通性和可塑性可能会恢复对MDD和PTSD等应激障碍中情绪的执行控制。突触连接的增加逆转了动物模型中的抑郁样行为^[19,24]，并可能是氯胺酮对MDD^[25,26]和PTSD^[27]的治疗作用的基础，这进一步支持了突触丢失可能导致这些疾病中抑郁症状的神经生物学基础的理论，这些疾病通常对传统抗抑郁药物具有耐药性。

然而，尚未对患有MDD和PTSD的活体人类的突触密度进行研究，到目前为止，突触密度仅限于小群体尸检和临床前量化。随着与突触囊泡糖蛋白2A（SV2A）结合的放射性配体[11C]UCB-J的开发，现在可以在体内估计突触密度。SV2A广泛且均匀地分布在大脑的突触^[28]中。每个神经末梢的小泡数量是神经元的一个稳定特征——突触小泡池的大小在神经活动期间迅速补充，以维持持续释放神经递质的能力29。因此，与SV2A结合的放射配基提供了对神经末梢密度的估计，并可作为突触密度量化的代理。我们的验证研究表明，SV2A的尸体定量与常用的突触密度标记物突触素高度相关，而[11C]UCB-J PET的体内结合与SV2A的尸体密度高度相关^[30]。【11C】UCB-J还具有优异的成像特性，包括高特异性、快速动力学、高测试-再测试再现性和生成高质量参数图的能力^[30,31]。此外，SV2A的PET成像已被证明对颞叶癫痫[30]和阿尔茨海默病^[32]中较低的突触密度敏感。因此，UCB-J PET为研究MDD和PTSD的突触密度提供了一个独特的机会。 

考虑到精神障碍的异质性，现在人们认识到，将跨诊断症状映射到其潜在的神经生物学和大脑回路可能比试图识别分类障碍的靶点具有更大的转化影响^[33]。因此，我们采用了跨诊断方法，努力超越分类诊断，并探讨了共同的神经生物学基础，即较低的突触密度，是否可以作为MDD和PTSD之间症状重叠的基础，这有助于提供一种更有针对性的、基于症状的方法来治疗这些衰弱性疾病。具体来说，我们使用[11C]UCB-J和PET经诊断样本，对未用药的MDD、PTSD和健康对照(HC)患者的突触密度及其与抑郁症状和认知功能的关系。我们的主要假设是，突触密度（由[11C]UCB-J PET测量）与抑郁症的严重程度呈负相关。根据现有文献，我们检测了dlPFC、ACC和海马中的突触密度，这些文献表明突触功能的改变和与慢性应激、MDD和PTSD相关的组织体积的减少^[9-11,34-36]。突触连接的丧失可能会对网络组织和功能产生影响。因此，作为二次分析，我们检查了内在连接性分布（ICD）^[37]，这是对感兴趣区域全脑连接性的测量，并后续使用种子点连接性来探索与突触密度、症状严重程度和认知功能相关的网络改变。我们还根据抑郁严重程度对临床受试者进行分层（HAMD-17评分为14分；中度严重^[38]），以进行进一步的组间比较。我们报告了第一个已知的证据，证明了突触密度与体内抑郁之间的关系。我们发现，较低的突触密度与更严重的抑郁症状相关，与健康对照组和低严重抑郁患者相比，具有症状严重的个体表现出较低的突触密度。我们还证明突触密度与网络改变有关。这项研究的发现为评估恢复突触连接以治疗抑郁症的干预措施提供了进一步的激励。

方法

被试:26名未服用药物的临床受试者（平均年龄±SD=39.2±12.1岁；10名女性）和21名年龄、性别和吸烟匹配的HC受试者（平均年龄±SD=44.5±15.4岁；8名女性）参与了该研究。临床受试者至少4个月内未服药。整个临床组由11名MDD患者、5名PTSD患者和10名MDD和PTSD共病患者组成。参与者根据抑郁症状的严重程度进行分层，HAMD-17评分标准为14（表示“中度”抑郁）^[38]。HAMD-17得分<14的个体被分为“严重程度轻的”组和HAMD-17得分的个体≥14名患者被归类为“严重程度高的”组。12名临床受试者有中度至严重程度高的症状（6例MDD、6例共病MDD和PTSD）。14名临床受试者的HAMD-17评分<14（5 MDD、5 PTSD、4 MDD和PTSD共病）。临床组和HC组的人口统计学和临床特征如表1所示。 

通过DSM-5^[74]结构化临床访谈，在筛查时（PET前1周或更短时间）确认诊断。所有患有MDD或共病MDD的参与者在筛查时均处于严重程度高的抑郁发作（MDE）。在筛查和扫描日，使用汉密尔顿抑郁评定量表（HAMD-17）^[38]和蒙哥马利和阿斯伯格抑郁评定量表（MADRS）^[75]对抑郁症状进行额外评估。排除标准为双相情感障碍或精神分裂症的终生病史；在过去12个月内诊断出除烟草使用障碍外的物质使用障碍；任何扫描前尿液毒理学或妊娠试验阳性；过去2个月内精神药物使用情况；5分钟以上的意识丧失史；重大医疗状况；MRI或PET的禁忌症。HC组排除标准相同，除了没有任何DSM-5诊断的当前、病史或一级家族史之外，不包括烟草使用障碍。耶鲁大学人类调查委员会和放射性药物研究委员会批准了这项研究。所有参与者在纳入研究之前都提供了书面知情同意书。 

参与者接受了身体和神经系统检查，以排除存在活跃的医学或神经系统疾病。筛查包括心电图、血液学、血液化学（电解质、甲状腺、肝和肾功能测试）、尿液分析和尿液毒理学筛查以及血浆妊娠测试（女性）。为了检验突触密度与特定症状群之间的关联，我们在对因子结构进行元分析的基础上[39]，结合HAMD-17项目，得出4个症状维度的得分：抑郁、焦虑、躯体症状和失眠。参与者还完成了一个简短的计算机化认知测试组合（Cogstate(/计算机化测试），包括识别测试（IDN；测量视觉注意）、单回测试（测量工作记忆）、国际购物清单（ISL）和国际购物清单延迟回忆（ISL-DR；测量语言学习和记忆）。 

MRI扫描：在3-T 西门子扫描仪上进行T1加权MRI扫描。使用高分辨率、三维磁化制备的快速获取梯度回波（MPRAGE）T1加权序列排除结构异常，并与PET图像进行共配准（TR=1500 ms，TE=2.83 ms，FOV=256×256 mm2，矩阵=256×256 mm2，切片厚度=1.0 mm，无间隙，160个切片，体素大小1.0×1.0×1.0 mm3）。为了配准，还收集了与功能图像具有相同切片处方的2D T1加权图像。功能运行包括使用多波段回波平面成像序列获得的340个全脑体积，参数如下：TR=1 s，T E=30 ms，翻转角度=62°，矩阵=84×84，平面内分辨率=2.5 mm2，51个平行于ac–pc线的轴向斜切片，切片厚度=2.5，多波段=3，加速因子=2。所有参与者都进行了两次静息状态扫描。并非所有HC受试者都收集了功能MRI数据：21名HCs中有13名（6名女性；平均±SD年龄42±15岁）的数据可用。

PET扫描：【11C】UCB-J在现场合成，并使用自动输液泵（Harvard PHD 22/2000，Harvard Instruments）在1分钟内以团注形式静脉注射。补充方法概述了放射性示踪剂合成的细节。严重程度高的组的注射放射性剂量（450±156 MBq）低于HCs（585±151 MBq；p=0.02），然而，两组均在产生良好计数率和图像质量的剂量范围内。严重程度高的受试者的注射质量剂量（13±11纳克/千克）低于HCs（25±13纳克/千克；p=0.007）。基于先前在非人灵长类动物中确定的UCB-J的体内亲和力为3.4 nM（20 mg/kg）[31]，预计质量剂量在两组中产生<1%的占有率，因此以示踪剂剂量水平注射放射配体。此外，受试者的注射质量剂量与VT之间没有相关性（补充图1）。组间血浆游离分数（fp）（表1）、血浆母体分数或代谢校正输入功能（补充表4）无显著差异。受试者在高分辨率人脑PET相机（高分辨率研究断层摄影仪（HRRT））上进行扫描。所有PET成像和代谢物校正动脉输入功能的测量均按照之前描述的程序[30、70]进行，并在补充方法中概述。 

PET图像分析：主要结果指标是总分布容积（VT），使用1组织（1T）室模型和代谢物校正动脉输入功能进行参数计算，如前所述[70]。分布体积（VT）是平衡状态下组织与血浆的浓度比，反映放射性配体的总摄取量（特异性结合和非特异性结合）。血容量中的放射性有助于VT，然而，我们之前的研究表明，将血容量分数纳入1T模型拟合不会影响区域K1或VT[70]，这可能是因为[11C]UCB-J在脑组织中的摄取量较高，相比之下，血管活性非常低。我们之前已经表明，[11C]UCB-J VT的重测再现性非常好，校正fp会使绝对重测变异性（aTRV）和组内相关系数（ICC）恶化。因此，我们使用[11C]UCB-J VT作为主要结果测量，但为了完整性，我们在补充表2中报告了fp结果归一化的VT。感兴趣的区域来自自动解剖标记（AAL）图谱，并使用从模板到PET空间的组合变换应用于参数图像。部分容积校正（PVC）用于校正组织萎缩对PET结果测量的影响。使用分段灰质掩模和Muller-Gartner方法^[76]对PET数据进行部分体积效应校正。补充表3中还列出了不含PVC的PET数据。

MRI分析：首先，使用FSL(. uk/fsl/)对图像进行颅骨剥离并手动移除所有剩余的非脑组织。除非另有规定，否则所有进一步的分析均使用BioImage Suite[77]进行。通过最大化单个扫描和MNI模板大脑之间的归一化互信息，使用12参数仿射配准将图像对齐到MNI空间。对这些对齐的图像进行平均，形成非线性配准的初始模板。图像以迭代方式非线性配准到一个不断演化的组平均模板^[78]。共进行了4次迭代，控制点间距分别减小15 mm、10 mm、5 mm和2.5 mm。为了防止优化过程中出现局部极小值，使用了多分辨率方法，并在每次迭代中使用了3个分辨率级别。

为了使磁化达到稳定状态，每个功能运行的前十个体积被丢弃。使用SPM8执行运动校正(/). 使用上述使用三次插值的非线性变换将图像配准到公共空间，并使用AFNI的3dBlurToFWHM迭代平滑，直到所有图像的平滑度具有大约5 mm[79]的全宽半最大值(/）。这种迭代平滑可以减少与运动相关的混淆。所有进一步的分析均使用BioImage Suite进行。从数据中回归出几个协变量，包括线性和二次漂移、平均脑脊髓液（CSF）信号、平均白质信号和平均灰质信号。为了进一步控制可能的运动相关混淆，从数据中回归出一个24参数运动模型（包括六个刚体运动参数、六个时间导数和这些项的平方）。使用高斯滤波器对数据进行时间平滑处理（近似截止频率=0.12 Hz）。将公共空间中定义的标准灰质掩模应用于数据，因此在进一步的计算中仅使用灰质中的体素。最后，对于每个参与者，对所有预处理的静息状态运行进行方差归一化和串联。

预处理后，计算每个受试者的ICD[37]测量的每个体素的内在功能连接性。ICD涉及将任何体素的时间序列与大脑或大脑半球的其他时间序列相关联。通过使用威布尔分布对相关阈值的整个分布进行建模来计算汇总统计。具体来说，任何灰质体素的时间序列都与灰质中的其他体素相关。构建这些相关性的直方图来估计与当前体素的连接分布。相应的生存函数用方差未知的拉伸指数拟合。由于方差控制连接分布的分布，方差越大，表示高相关性连接的数量越多。最后，对灰质中的所有体素重复此过程，生成全脑参数图像，将每个组织元素的连接性总结为威布尔分布的方差。

进行后续种子点分析以探索（事后）ICD分析确定的节点（dlPFC），以确定在ICD中最能导致组间差异的具体连接。然后，将给定参与者中种子区域的时间序列计算为种子区域中所有体素的平均时间序列。该时间序列与灰质中其他每一个体素的时间序列相关联，以创建一个r值地图，反映出种子到整个大脑的连通性。使用Fisher变换将这些r值转换为z值，为每个参与者生成一张地图，代表与种子区域的相关性强度。 

由于组间运动差异已被证明会干扰连接性研究，我们计算了每个参与者数据的平均帧间位移。根据目前的报告，平均帧间位移大于0.20 mm的参与者从分析中移除（1 HC）。临床组和HC组之间的运动没有显著差异（临床组0.09±0.02 mm，HC:0.08±0.04 mm，p=0.26）。

数据分析：统计分析在SPSS v22（IBM）中进行。使用独立样本t检验和卡方检验评估人口统计学、临床和放射性示踪特征的组间差异。为了评估【11C】UCB-J VT与临床和人口统计学变量之间的相关性，这些变量基于Shapiro–Wilk检验呈正态分布，我们计算了皮尔逊 r值。使用多重方差分析（MANOVA）评估了【11C】UCB-J VT在初选ROI（dlPFC、ACC、海马）中的组间差异。方差齐性通过Levene检验进行检查。随后进行成对比较，以确定区域VT差异，并针对多重比较进行校正。作为二次分析，我们检验了[11C]UCB-J VT与认知功能测量（言语学习和记忆、注意和工作记忆）之间的关联，以及ROI之间[11C]UCB-J VT相关性的组间差异。使用独立样本t检验评估组间认知功能的差异。使用Fisher的r到z转换评估组间ROI相关性的差异。对于初级PET分析（与抑郁症状和组间差异的跨诊断相关性），测试是双尾的，结果在p<0.05水平上被认为是显著的，随后进行多重比较校正。二次分析未针对多重比较进行校正。由于其探索性，MRI结果显示为次要结果。ICD值在三个先验感兴趣区域（ACC、dlPFC和海马）上取平均值。采用独立t检验比较研究组之间的ICD数据。在p<0.05水平上评估显著性，并使用Bonferroni校正进行多重比较校正。使用后体素相关性将dlPFC的种子连接数据与突触密度和抑郁症状相关联。成像结果以p<0.05的阈值显示，采用AFNI的3dClustSim程序（版本16.0.09）确定的系列误差（FWE）校正，使用p=0.001的成簇阈值、10000次迭代、灰质掩模和使用3dFWHMx从残差估计的平滑度。

结果

突触密度和抑郁症状：在所有临床受试者中，【11C】UCB-J VT，指示SV2A（突触）密度的与抑郁症状的严重程度（HAMD-17）显著负相关，dlPFC（r=−0.633，p=0.001），ACC（r=−0.634，p=0.001）和海马体（r=−0.487，p=0.012；图1）。所有相关性在多重比较校正后仍然存在。

以探索性的方式，我们通过检查[11C]UCB-J VT与HAMD-17的四个因素（包括抑郁、焦虑、失眠和躯体因素）之间的相关性，研究了突触密度与特定症状之间的关联[39]。抑郁、躯体和失眠因素与ROI的UCB-J VT显著相关（抑郁因素dlPFC：r=−0.49，p=0.019；ACC：r=−0.43，p=0.028；海马：r=−0.40，p=0.044；躯体因子dlPFC：r=−0.62，p=0.001；ACC：r=−0.60，p=0.001；海马：r=−0.45，p=0.020；失眠因子dlPFC：r=−0.50，p=0.009；ACC：r=−0.46，p=0.018；海马：r=−0.39，p=0.046）。未观察到与焦虑因素相关。在【11C】UCBJ VT和PTSD症状之间没有显著相关性（PCL-S；见补充说明）。

[图1：所有临床受试者在dlPFC(a)、ACC(b)和海马(c)中UCB-JVT SV2A密度与HAMD-17评分抑郁症状严重程度之间的相关性(n=26)。相关性计算使用皮尔逊R值。dlPFC：背外侧前额叶皮层，ACC：前扣带皮层]

组间突触密度差异：在初选ROI（dlPFC、ACC、海马）中，完整临床样本（n=26）和HCs（n=21）之间的[11C]UCB-J VT（SV2A密度）没有显著差异（MANOVA:F3,43=1.88，p=0.147）。在仅MDD样本（n=11）中，与HC组相比，MANOVA显示初选ROI的突触密度较低（F3,28=3.67，p=0.024），海马在多次比较中存活校正（低17%，p=0.002）。

对于PTSD患者（n=15），我们观察到与HC组相比，突触密度没有差异（F3,32=0.17，p=0.917）。在按照抑郁症状的严重程度对临床受试者进行分层后，我们观察到严重程度高的组的UCB-J VT显著低于HC组（F3,28=5.34，p=0.005），但严重程度轻的组的UCB-J VT与HC组无差异（F3,31=0.56，p=0.647；图2）。事后测试表明，在所有ROI中，严重程度高的组的UCB-JVT显著低于HC组。dlPFC组平均[11C]UCB-JVT降低15%（p=0.002），ACC组降低16%（p=0.001），海马组降低15%（p=0.003）。分层临床组之间的【11C】UCB-J VT也存在显著差异，严重程度高的组的VT低于严重程度轻的组（F3,22=5.040，p=0.008）。补充表1、2和3显示了其他大脑区域的结果，表明突触密度差异在本质上是全脑性的。各组之间没有性别或吸烟的影响（见补充说明）。

【图2：严重程度高的组的SV2A密度低于HC组。a:在各组中dlPFC、ACC和海马的[11C]UCB-JVT。严重程度轻的组（绿色；n=14）由HAMD-17得分<14的参与者组成，严重程度高的组（蓝色；n=12）由HAMD-17得分的参与者组成≥14、临床亚组用不同符号表示；严重程度轻的组包括MDD（n=5）、PTSD（n=5）和MDD/PTSD（n=4）受试者；严重程度高的组包括MDD（6例）和MDD/PTSD（6例）受试者。使用MANOVA评估组间差异。误差条表示标准偏差。B：HC受试者（顶部）、严重程度轻的受试者（中部）和严重程度高的受试者（底部）的[11C]UCB-J PET（VT）的代表性轴向、冠状面和矢状面参数图像在MNI空间中注册到MR图像。颜色条代表VT。dlPFC：背外侧前额叶皮质，ACC：前扣带回皮质 】

功能连通性和突触密度：与HC组相比，临床组dlPFC的ICD功能连通性显著降低（t=2.94，p<0.05，校正；图3a）。严重程度高、低组之间没有显著差异，也没有与症状严重程度的相关性。以dlPFC为种子，我们观察到临床组dlPFC与后扣带回皮质（PCC）连通性与SV2A密度之间存在显著的负相关（r=−0.60，p=0.002；图3b；补充图2）。我们还观察到，在所有临床受试者中，dlPFC-PCC连接与抑郁症状严重程度之间存在显著的正相关（r=0.41，p=0.042；图3c）。补充图4显示了单组种子连接图，表明了dlPFC与额叶顶网络其他节点之间连接的典型模式。 

突触密度的区域间相关性：与严重程度轻的（r=0.63；p=0.003；图4）和HC（r=0.72；p=0.004）组相比，严重程度高的临床受试者（r=0.97）的ACC和海马[11C]UCB-J VT之间的相关性显著更强。ACC和dlPFC之间以及海马和dlPFC之间的[11C]UCB-J VT相关性在各组之间没有显著差异。 

[图4：与严严重程度高的低临床组相比，严严重程度高的临床高组SV2A密度中的ACC-海马相关性更强。使用Fisher的r到z变换评估ROI之间的相关性差异。ACC：前扣带回皮质，HIP：海马 ]

认知功能：与HCs相比，临床受试者在语言学习（ISL）（p=0.041）和语言记忆（ISL-DR）测试（p=0.035）中的表现明显较差（图5a）。与HCs相比，严重程度高的临床受试者的工作记忆（o n e back）测试明显更差（p=0.044；图5d），但严重程度轻的临床受试者与HCs没有什么不同。在视觉注意（IDN）测试中，各组之间没有差异。

ACC中的[11C]UCB-J VT与所有临床受试者延迟言语记忆测试的表现呈正相关（r=0.41，p=0.034；图5b），dlPFC[11C]UCB-J VT与言语记忆得分之间的关联达到显著趋势性（r=0.34，p=0.093；图5c）。与工作记忆或视觉注意任务没有显著相关性，在分层亚组中也没有显著相关性。

所有临床受试者的DlPFC-PCC连接与工作记忆表现呈负相关（r=−0.44，p=0.030）。分别检查每个严重程度组，dlPFC连通性与工作记忆之间的关联在严重程度高的组中显著（r=−0.65，p=0.030；图5f）但不是严重程度轻的临床受试者（r=−0.35，p=0.217）。此外，在严重程度高而非低临床组中，dlPFC ICD与工作记忆呈正相关（r=0.66，p=0.026；图5e）。言语学习、记忆或视觉注意任务与功能连通性测量之间没有相关性。这些探索性的发现并没有通过多重比较的校正。 

图5：SV2A密度与功能连通性和认知功能之间的关系。a临床组（n=26）在言语记忆任务（国际购物清单延迟回忆）上的表现低于HC组（n=15）。误差条表示标准偏差。b临床受试者言语记忆与UCB-J VT之间存在显著正相关。c dlPFC SV2A密度与语言记忆之间的趋势水平相关性。d严重程度高的临床受试者（n=12）与HC（n=15）在工作记忆任务（one back）上的表现较低。严重程度高的临床受试者dlPFC ICD连接性与工作记忆之间的正相关。f严重程度高的临床受试者dlPFC-PCC连接与工作记忆之间的负相关，表明两个典型的反相关网络（默认模式和中央执行网络）的核心节点之间的连接越大，工作记忆受损越大。使用皮尔逊相关r。dlPFC：背外侧前额叶皮质，PCC：后扣带回皮质，ICD：内在连接性分布评估相关性 

讨论

这是首次研究MDD和PTSD中SV2A与放射配体结合的研究，也是首次在体内发现突触密度较低与这些疾病的抑郁症状相关的证据。研究结果表明，经诊断，较低的突触密度导致情感处理相关区域（dlPFC、ACC和海马）抑郁的严重程度。突触密度越低，失眠和躯体症状的严重程度也越高。此外，与dlPFC的HC组相比，我们在临床上证明全脑静息功能连通性较低。以该区域为种子，我们发现dlPFC-PCC连接性与dlPFC突触密度呈负相关，与抑郁症状的严重程度呈正相关，这表明两个正常对立网络的中枢之间缺乏功能对抗可能是由突触丢失造成的。我们还从跨诊断的角度展示了认知功能与突触密度和功能连通性测量改变之间的关联。

最后，与严重程度低组和HC组相比，严重程度高组ACC和海马之间的突触密度相关性更大，这表明在严重程度高的抑郁症组中，突触丢失可能以协调的方式发生。因此，这项研究的发现为突触密度变化在MDD和PTSD相关症状中的作用提供了证据基础。

突触密度与抑郁样行为之间的关系已在慢性应激的临床前模型中反复得到证实^[16]。体内MRI和尸检研究也表明，体积^{[9、10、34]}和突触^[4-6]缺陷与抑郁症有关。迄今为止的研究表明，慢性应激会破坏控制可塑性的稳态机制，导致情绪相关回路的不稳定和突触连接的丧失^[16]。大量MRI研究表明，MDD^{[9,10,34,40,41]}和PTSD^{[11,35,36,42]}中ACC、dlPFC和海马的结构和功能连接改变，以及与症状严重程度的相关性^[41,43,44]。此外，我们的发现与第一份直接量化MDD患者尸体突触密度的报告一致，该报告显示MDD患者dlPFC中的突触数量较低[4]。慢性应激的临床前模型也证实了这些区域的体积和突触密度较低^[16–18]。

我们假设，突触数量减少会降低情绪和认知网络内部和网络之间的功能连接效率，从而导致更严重的症状。根据这一基于网络的假设，与HC和严重性低临床组相比，严重性高临床组ACC和海马之间的突触密度相关性更大。这表明，每个区域的突触缺失不是独立的，更严重的抑郁症患者可能会以协调的方式跨区域“丢失”突触。如果得到证实，这将符合“网络退化假说”，这一假说得到了证据的支持，表明神经退化性疾病不是扩散性或随机性的，而是针对特定的大规模网络^[45]。事实上，虽然我们关注的是先验假设区域的结果，但对其他大脑区域的探索性分析指出了一个全局效应。这与抑郁症的概念一致，抑郁症是一种影响整个大脑多个网络的多系统疾病^[13,46]。

MDD和PTSD的fMRI连接性研究已经确定了两个典型对立网络——中央执行网络（CEN），锚定在dlPFC中，以及默认模式网络（DMN），PCC是中心节点^[47-50]之间的异常交互或“模糊”。这些网络之间缺乏功能拮抗被认为反映了以牺牲与外部世界接触为代价的对内部思想的偏见^[51]。我们的结果表明，dlPFC中的突触功能障碍可能对功能网络组织产生下游影响，因为我们观察到dlPFC PCC连接性与dlPFC突触密度之间存在负相关。这意味着较低的突触密度与CEN和DMN之间较弱的反相关有关，并表明观察到的CEN和DMN之间的“模糊”可能是由dlPFC中的突触丢失造成的。事实上，dlPFC中突触连接的缺失可能反映出有效分离这两个网络的能力降低，可能是通过减少dlPFC的自上而下控制。此外，我们的研究结果表明，dlPFC ICD连通性的降低以及DMN和CEN的模糊可能会导致工作记忆的损害，而工作记忆一直与慢性应激有关^[52]。高级认知功能，如工作记忆，主要由PFC区域提供，负责维持执行控制^[53]。因此，PFC中的突触缺陷和网络功能障碍可能导致自上而下对情绪处理的控制减少，这被认为是MDD^[9]和PTSD^[54]临床症状的基础。

我们的研究结果还表明，较低的突触密度可能与睡眠障碍和躯体症状有关。睡眠对正常的大脑功能至关重要，但在各种精神障碍中，尤其是MDD^[55]和PTSD^[56]，睡眠经常受到干扰。睡眠与突触可塑性之间的联系已经得到了很好的证实，有一致的证据表明睡眠的基本功能是突触稳态的恢复^[57]。因此，MDD和PTSD患者的睡眠障碍可能进一步导致突触功能障碍，并对情绪和认知产生影响，尽管还需要进一步研究慢性应激、睡眠和突触功能之间的因果关系。MDD^[58]和PTSD^[59]中也普遍存在躯体症状，包括疲劳、疼痛和食欲变化。新的研究表明，慢性炎症与应激共同作用，可能是应激相关疾病中观察到的躯体症状的原因^[60]。MDD^[61、62]和PTSD^[63]反复证明炎症加剧，并且炎症过程对突触可塑性有深远影响^[64]，增加了观察到的突触密度和躯体症状之间的关系可能部分由炎症介导的可能性。有趣的是，虽然较低的突触密度对应着较高的抑郁、躯体和失眠HAM-D因子得分，但我们观察到突触密度与焦虑症状之间没有关联。此外，突触密度与创伤后应激障碍症状的严重程度无关，这表明突触功能障碍可能与抑郁症状有关，但这需要在更大的创伤后应激障碍患者样本中进一步探讨。

压力对大脑的影响深刻地影响着认知过程和行为。我们发现，在延迟的语言学习和记忆任务中表现较差与PFC区域的突触密度较低有关，这与将PFC视为支持记忆的关键节点的研究一致[65]。言语学习和记忆任务衡量同时存储、处理和检索相关言语信息的能力，这些过程由以PFC和内侧颞叶为中心的网络提供服务[66]。具体来说，PFC被认为是自组织自己的记忆代码，作为检索线索。因此，在MDD[67]和PTSD[65]中反复观察到，应激诱导的突触功能障碍可能导致言语学习和记忆障碍。

目前的研究有几个局限性。首先，我们必须考虑使用VT作为PET结果测量。PET研究中首选的结果指标通常是结合电位（BPND），使用已知缺乏特异性结合的参考区域计算。在先前报告的验证研究中，我们确定半卵圆中心是一个富含白质的区域，其SV2A水平可以忽略不计。然而，考虑到在MDD^[68]和PTSD^[69]中观察到的白质病理学，当前研究中使用白质参考区域将是次优的。事实上，与HC组相比，我们观察到高度严重的半卵圆心VT显著降低（图S4）。因此，我们使用VT作为主要结果指标，VT是使用之前验证的代谢物校正动脉输入功能^[70]计算的。其次，与HCs相比，严重性高临床组的注射放射性剂量较低。然而，这与之前发表的[11C]UCB-J研究^[30,32,70]相当，两组都在产生最佳计数率和图像质量的剂量范围内。与HCs相比，严重性高临床组的注射质量剂量也较低。然而，根据我们之前在非人灵长类动物中发表的研究[31]，注射的质量剂量预计会在各组中产生<1%的占有率。与HCs相比，严重程度较高组中较低质量的任何影响都会导致SV2A VT差异的轻微低估。然而，由于所有受试者都注射了微量放射性配体，并且我们观察到注射质量剂量与VT之间没有相关性（补充图1），因此质量的任何影响都是最小的。第三，必须注意的是，每个诊断类别的样本量相对较小，没有合并MDD的PTSD受试者不属于严重程度高组。PTSD诊断中的MDD共病是更严重PTSD^[71]的迹象。因此，预计没有MDD的PTSD组不会在严重性高样本中。虽然我们的数据表明抑郁症具有共同的神经生物学特征，但MDD和PTSD之间也存在明显的神经生物学差异，有必要在不同的分类研究中对突触密度进行更大规模的研究。第四，鉴于SV2A普遍位于突触小泡上，我们不能排除突触小泡功能对我们研究结果的影响。然而，有证据表明，突触小泡池在神经元中是稳定的，突触小泡的形成与突触^[29]一致，因此我们很可能捕捉到抑郁与突触密度之间的关联，而不是突触小泡的数量。此外，由于[11C]UCB-J PET对突触前敏感，而对突触后不敏感，因此这种测量可能无法检测到与树突棘萎缩相关的任何突触缺失。因此，我们可能低估了与抑郁症相关的突触丢失程度。最后，我们没有所有HCs的静息状态数据，这可能限制了我们检测严重性高和严重性低临床组之间功能连通性组间差异的能力。 

这项工作对于开发更有效、更有针对性的抑郁症症状治疗方法具有重要意义。越来越多的研究表明，氯胺酮和东莨菪碱等药物快速抗抑郁作用的机制涉及突触功能和可塑性的快速变化^[1]。例如，氯胺酮和其他NMDA受体拮抗剂增加了雷帕霉素复合物1（mTORC1）信号的机制靶点，导致PFC中突触密度增加，并在临床前研究中逆转了抑郁样行为[1,19]。因此，诱导mTORC1信号和突触形成可以逆转PFC突触连接的丧失，PFC突触连接似乎是慢性应激继发抑郁症状的基础。PFC中突触连接的恢复反过来可以恢复对负责情绪和认知的网络的抑制控制，有助于快速缓解MDD2^[5、26]和接受氯胺酮治疗的PTSD受试者^[27]的症状。

总之，我们介绍了第一次已知的精神病患者体内突触密度调查的结果。我们在一个非指定MDD和PTSD个体的跨诊断样本中证明了突触密度与抑郁严重程度之间的关系。[11C]UCB-J PET和功能连接方法的结合为MDD和PTSD抑郁症状的分子和网络基础提供了新的见解。事实上，我们证明了抑郁症中一个众所周知的回路的功能障碍与突触密度变化有关，这为抑郁症症状相关的网络功能障碍提供了可能的分子解释。探索性数据还表明，突触密度和网络水平的改变可能是MDD和PTSD认知障碍的基础。这项研究的结果为发现和评估新的治疗方法提供了进一步的动力，这些治疗方法可以增加突触连接并逆转应激引起的突触丢失。未来工作的一个重要方向是研究速效抗抑郁药（如氯胺酮）在人体内的突触形成效应，以及可能增加突触连接并具有稳定网络效应的替代治疗，如锻炼^[72]和注意^[73]。综上所述，我们的新发现为应激相关疾病病理生理学中体内突触丢失的证据基础增加了新的证据，这为新一代针对突触功能的快速有效治疗带来了希望。   

参考文献：

Holmes SE, Scheinost D, Finnema SJ, Naganawa M, Davis MT, DellaGioia N, Nabulsi N, Matuskey D, Angarita GA, Pietrzak RH, Duman RS, Sanacora G, Krystal JH, Carson RE, Esterlis I. Lower synaptic density is associated with depression severity and network alterations. Nat Commun. 2019 Apr 4;10(1):1529.