天桥脑科学研究院

Our News

研究院动态

你是否渴望用人工智能推动科学,重塑未来的科研模式?

是否也曾好奇,如果智能体拥有长期记忆,世界将变成怎样?

天桥脑科学研究院“人工智能人才计划”正是为有志向的你而设!不论是加入我们与普林斯顿大学王梦迪教授联合发起的AI for Science实习项目、角逐AI驱动科学大奖,还是拿下超级Offer成为我们的一员,这里为你提供了一个广阔的舞台。你将有机会开拓科研边界,与全球顶尖科学家和优秀同学并肩作战,共同推动AI在科学领域的深度应用,成为引领未来的AI科学先锋!

破解AI的记忆密码,普林斯顿大学王梦迪教授携手天桥脑科学研究院推出联合实习计划

在人工智能领域,长期记忆(Long Term Memory)研究正成为AI能力涌现的新焦点。长期记忆是AI实现自我进化的关键。它不仅关系到AI的个性化发展,更是构建真正智能系统的基础。由天桥脑科学研究院、普林斯顿大学、清华大学、上海交通大学和盛大集团联合发表的论文《Long Term Memory: The Foundation of AI Self-Evolution》深入探讨了这一议题,并提出了创新解决方案:通过模仿人类的“长期记忆”,帮助AI超越LLM的局限。

普林斯顿大学王梦迪团队与天桥脑科学研究院正面向全球发起联合实习计划,招募优秀的学生参与这一前沿科技领域的研究。普林斯顿大学电子与计算工程系、计算机系终身教授,Donald Eckman奖得主王梦迪,是这一研究的领军人物。她表示:“利用长期记忆进行 AI 自我进化以及解决现实世界问题拥有巨大潜力。我们正在寻找有志于在这一领域做出贡献的青年人才,共同拓展人工智能的边界。”

据了解,这项联合实习计划主要面向大模型和AIGC的算法实习生,在读本科和硕博研究生均可申请。申请者需具备深度学习基础、良好的编码能力、对高质量数据的理解,以及LLM常用技术,如SFT、RL算法等,能够快速提升业务场景中的应用效果。逻辑思维严谨、积极主动的团队合作能力也是申请的加分项。

申请者还将享有以下机会:

  • 构建人工智能前沿认知调研,深入了解智能体功能和市场需求,掌握产业数智化进展。
  • 提升智能体驾驭能力,参与智能体的设计、开发、测试和运营,积累产品全生命周期的经验。
  • 深度参与普林斯顿王梦迪教授与天桥脑科学研究院的领先创新项目,积累宝贵的交叉领域工作经验。

 

投递简历: aitalents@cheninstitute.org

AI驱动科学大奖申报倒计时,面向全球寻找AI for Science未来领袖

天桥脑科学研究院(Tianqiao and Chrissy Chen Institute)与《科学》杂志 “AI驱动科学大奖”,旨在表彰全球范围内用人工智能技术(如机器学习、深度学习、强化学习等)在自然科学(包括生命科学和物质科学)研究领域解决关键问题、推动科学研究加速发展的青年科学家。

申请者需提交一篇1000字的研究论文,描述他们最重要的研究发现,主题必须是利用人工智能相关技术,在其它科研领域做出了根本性的突破,而这些突破在未使用人工智能技术前是难以实现的。

该奖项目前已进入申报倒计时,报名截止时间为2024年12月13日,《科学》杂志将组成专家评审委员会评比,于2025年7月公布获奖名单。大奖(The Grand Prize)得主将获得3万美元奖金以及《科学》杂志5年数字版订阅权,获奖论文将发表在《科学》杂志的印刷版和在线版上。此外还设有最多两名优胜奖得主,各获得1万美元奖金和《科学》杂志5年的数字版订阅权,他们的论文将在《科学》杂志在线版上发表。

 

 

加入我们,敲开AI技术创新的大门

同时,我们持续在上海/新加坡/美国三地寻找具备技术热情、创新精神和团队合作精神的AI技术实习生/全职员工,共同致力于利用人工智能解决现实世界中的各种挑战和难题。欢迎所有人工智能方向的优秀人才投递简历:

岗位方向

 

    后端开发与集成:

  • 设计、开发和维护支持AI模型的后端系统和服务
  • 集成各种机器学习模型和算法到后端系统,解决业务问题,如推荐系统、预测分析等
  • 优化后端系统,提高AI模型的性能和效率
  • 设计和实施API和微服务,以使AI功能可通过RESTful接口访问

 

 

    算法研究与开发:

  • 探索研究最先进的大语言模型相关技术,持续跟踪论文和开源社区产品化落地的最新进展
  • 根据业务场景需求,提出算法方案,构建算法原型,验证算法效果
  • 构建高质量的算法服务,跟踪解决线上出现的相关问题

 

 

岗位要求:

  • 对人工智能技术充满热情,有志于在该领域深入学习和发展
  • 具备扎实的编程基础,熟练掌握至少一种编程语言,如Python、Golang等
  • 对后端开发、数据库系统、Web开发、API设计等有一定了解
  • 对机器学习、深度学习等人工智能领域有浓厚兴趣,有相关项目经验者优先考虑
  • 良好的沟通能力和团队合作精神

 

投递简历: aitalents@cheninstitute.org

我们提供国际化的工作环境和广阔的个人发展空间,极具竞争力的薪酬福利。加入我们,你将站在科学与技术的交汇点,挑战最前沿的AI课题,与全球一流的科研团队共同推动AI创新。一起探索人类智能的未来!

更多相关新闻

12

2024-11

概括

全球心理健康危机使得超过三分之二的受影响者未能得到治疗。人工智能技术正逐渐成为解决这一问题的变革性工具。在辛辛那提儿童医院,人工智能通过分析语言模式,以90%的准确率识别自杀倾向,并能比传统方法更早几个月检测到焦虑症状。布朗大学的弗雷德里克·佩茨施纳博士强调,人工智能具有提供个性化护理和改进治疗预测的潜力。先进的平台如Woebot和Happify利用人工智能驱动的认知疗法和正念练习来支持心理健康。然而,构建健全的数据集仍然是一个挑战,因为精神病学缺乏明确的诊断生物标志物,这限制了人工智能全面融入心理健康护理解决方案的能力。

06

2024-11

 

Lin, Ze-Jie et al. “Stimulation of an entorhinal-hippocampal extinction circuit facilitates fear extinction in a post-traumatic stress disorder model.” The Journal of clinical investigation, e181095. 24 Sep. 2024, doi:10.1172/JCI181095

 

创伤后应激障碍(Post-traumatic stress disorder, PTSD)由突发的、威胁性或灾难性事件导致个体延迟出现令人痛苦且持久的精神障碍。据统计,全球约70%的人一生都曾经历过创伤事件,其中约4%的人将终生受困于PTSD的困扰。PTSD核心特征包括过度的恐惧反应,以及无法克服的、持续侵入的创伤记忆。

临床上基于恐惧消退的认知行为治疗(如暴露疗法)旨在减轻PTSD患者恐惧状态、增加对环境的适应能力。然而,相比于恐惧消退在正常人群中促进个体实现自适应状态的健康保障作用,恐惧消退在PTSD人群中表现出严重的障碍,即难以通过消退训练实现从高恐惧到低恐惧反应的转换,或习得的低恐惧反应无法有效维持、高恐惧反应不可控地复发等。

恐惧消退障碍通过增加对正常行为的回避或排斥进而加剧PTSD的核心症状,如情感障碍、社交回避和认知失控,最终发展为难治性PTSD。因此,破解PTSD恐惧消退障碍的神经机制和发展促进恐惧消退的干预新策略有望为治疗这类精神疾病提供全新的机会

针对上述临床治疗难题,上海交通大学医学院徐天乐教授团队,联合复旦大学脑科学转化研究院李伟广研究员以及上海市精神卫生中心、天桥脑科学研究院(Tianqiao and  Chrissy Chen Institute, TCCl)研究员袁逖飞教授等,于近日在国际医学研究期刊Journal of Clinical Investigation在线发表了题为Stimulation of an entorhinal-hippocampal extinction circuit facilitates fear extinction in a post-traumatic stress disorder model 的研究论文,揭示了物理调控促进PTSD恐惧消退治疗的神经环路新机制

该研究首先鉴定了一条前所未知的神经环路:外侧内嗅皮层(LEC)→ 腹侧海马CA1(vCA1),并发现了该环路在恐惧消退中的关键作用。研究还发现,恐惧消退启动LEC → vCA1跨脑区协调低频伽马(low-γ)振荡同步化这一内源性电生理标志物,进一步利用临床可及的深脑电刺激(deep brain stimulation, DBS)和非侵入性经颅交流电刺激(transcranial alternating current stimulation, tACS)等手段靶向LEC → vCA1神经环路,在小鼠模型上实现了显著的恐惧消退增效,为PTSD等恐惧消退障碍的精准治疗提供了全新的理论基础和临床前研究证据。

在最新的研究中,利用多脑区在体电生理记录发现,恐惧消退训练特异地招募了LEC → vCA1间的low-γ振荡同步性。他们进一步运用c-Fos染色结合光纤记录探究恐惧消退过程中vCA1不同中间神经元的活性变化,发现vCA1 PV+神经元在消退后期活性显著上升,并介导了消退依赖的LEC → vCA1间的 low-γ振荡同步电生理活动。作者接着借助逆向跨单突触示踪、交叉遗传学(intersectional genetics)、电生理等技术,发现vCA1 PV+神经元接收大量来自LEC 2a层的直接突触输入,在LEC以Sim1+扇形细胞为主,后者与vCA1 PV+神经元形成兴奋性单突触。光和化学遗传学操作揭示,这条神经投射的激活和抑制可双向调控恐惧消退记忆,并同时伴随LEC-vCA1 low-γ振荡同步性的增强和减弱。因此,LEC扇形细胞与vCA1 PV+神经元之间的神经连接通过协调low-γ同步化,调控恐惧消退

为了指导临床转化,研究人员建立了DBS小鼠模型,发现给予vCA1脑区以low-γ DBS可显著激活vCA1 PV+神经元,促进恐惧消退,且在DBS关闭一天后的消退提取阶段仍然显著。机制上发现,low-γ vCA1-DBS通过持续增强PV+神经元活性,增加LEC-vCA1间的前馈抑制,进而有效抑制vCA1的恐惧记忆印迹细胞,实现恐惧消退增效。研究人员还在小鼠上开发了靶向LEC的tACS技术,同样可提升恐惧消退。此外,研究人员应用LEC-tACS对表现出明显消退受损的PTSD小鼠模型进行干预,显示出长效促进消退和削弱恐惧的效果。因此,靶向LEC → vCA1环路的无创神经调控也可实现恐惧消退增效,为PTSD的临床治疗带来新希望

Lin, Ze-Jie et al. “Stimulation of an entorhinal-hippocampal extinction circuit facilitates fear extinction in a post-traumatic stress disorder model.” The Journal of clinical investigation, e181095. 24 Sep. 2024, doi:10.1172/JCI181095

创伤后应激障碍(Post-traumatic stress disorder, PTSD)由突发的、威胁性或灾难性事件导致个体延迟出现令人痛苦且持久的精神障碍。据统计,全球约70%的人一生都曾经历过创伤事件,其中约4%的人将终生受困于PTSD的困扰。PTSD核心特征包括过度的恐惧反应,以及无法克服的、持续侵入的创伤记忆。

临床上基于恐惧消退的认知行为治疗(如暴露疗法)旨在减轻PTSD患者恐惧状态、增加对环境的适应能力。然而,相比于恐惧消退在正常人群中促进个体实现自适应状态的健康保障作用,恐惧消退在PTSD人群中表现出严重的障碍,即难以通过消退训练实现从高恐惧到低恐惧反应的转换,或习得的低恐惧反应无法有效维持、高恐惧反应不可控地复发等。

恐惧消退障碍通过增加对正常行为的回避或排斥进而加剧PTSD的核心症状,如情感障碍、社交回避和认知失控,最终发展为难治性PTSD。因此,破解PTSD恐惧消退障碍的神经机制和发展促进恐惧消退的干预新策略有望为治疗这类精神疾病提供全新的机会

针对上述临床治疗难题,上海交通大学医学院徐天乐教授团队,联合复旦大学脑科学转化研究院李伟广研究员以及上海市精神卫生中心、天桥脑科学研究院(Tianqiao and  Chrissy Chen Institute, TCCl)研究员袁逖飞教授等,于近日在国际医学研究期刊Journal of Clinical Investigation在线发表了题为Stimulation of an entorhinal-hippocampal extinction circuit facilitates fear extinction in a post-traumatic stress disorder model 的研究论文,揭示了物理调控促进PTSD恐惧消退治疗的神经环路新机制

该研究首先鉴定了一条前所未知的神经环路:外侧内嗅皮层(LEC)→ 腹侧海马CA1(vCA1),并发现了该环路在恐惧消退中的关键作用。研究还发现,恐惧消退启动LEC → vCA1跨脑区协调低频伽马(low-γ)振荡同步化这一内源性电生理标志物,进一步利用临床可及的深脑电刺激(deep brain stimulation, DBS)和非侵入性经颅交流电刺激(transcranial alternating current stimulation, tACS)等手段靶向LEC → vCA1神经环路,在小鼠模型上实现了显著的恐惧消退增效,为PTSD等恐惧消退障碍的精准治疗提供了全新的理论基础和临床前研究证据。

在最新的研究中,利用多脑区在体电生理记录发现,恐惧消退训练特异地招募了LEC → vCA1间的low-γ振荡同步性。他们进一步运用c-Fos染色结合光纤记录探究恐惧消退过程中vCA1不同中间神经元的活性变化,发现vCA1 PV+神经元在消退后期活性显著上升,并介导了消退依赖的LEC → vCA1间的 low-γ振荡同步电生理活动。作者接着借助逆向跨单突触示踪、交叉遗传学(intersectional genetics)、电生理等技术,发现vCA1 PV+神经元接收大量来自LEC 2a层的直接突触输入,在LEC以Sim1+扇形细胞为主,后者与vCA1 PV+神经元形成兴奋性单突触。光和化学遗传学操作揭示,这条神经投射的激活和抑制可双向调控恐惧消退记忆,并同时伴随LEC-vCA1 low-γ振荡同步性的增强和减弱。因此,LEC扇形细胞与vCA1 PV+神经元之间的神经连接通过协调low-γ同步化,调控恐惧消退

为了指导临床转化,研究人员建立了DBS小鼠模型,发现给予vCA1脑区以low-γ DBS可显著激活vCA1 PV+神经元,促进恐惧消退,且在DBS关闭一天后的消退提取阶段仍然显著。机制上发现,low-γ vCA1-DBS通过持续增强PV+神经元活性,增加LEC-vCA1间的前馈抑制,进而有效抑制vCA1的恐惧记忆印迹细胞,实现恐惧消退增效。研究人员还在小鼠上开发了靶向LEC的tACS技术,同样可提升恐惧消退。此外,研究人员应用LEC-tACS对表现出明显消退受损的PTSD小鼠模型进行干预,显示出长效促进消退和削弱恐惧的效果。因此,靶向LEC → vCA1环路的无创神经调控也可实现恐惧消退增效,为PTSD的临床治疗带来新希望

 

图1. 消退记忆的神经环路振荡特征及其靶向神经调控策略

 

11

2024-10

 

“合作多年,但数据甚少”。上海交通大学计算机科学与工程系吴梦玥副教授如此形容以往的合作经历。真实数据稀缺、获取难度大、隐私安全等问题,一直制约着心理健康领域的科研发展与模型落地应用。而随着大模型时代的到来,数据合成技术或能为这一“传统难题”提供全新的解决方案。

为了推动人工智能技术与心理健康领域的深度融合,2024年9月10日,天桥脑科学研究院(Tianqiao and Chrissy Chen Institute, TCCI)与上海市精神卫生中心联合主办的“心理健康领域的数据合成与新一代AI模型”专题研讨会,在上海市精神卫生中心徐汇院区顺利召开。

此次专题研讨会,由上海市精神卫生中心医务部陈剑华主任、上海交通大学计算机计算机科学与工程系吴梦玥副教授、TCCI人工智能与精神健康前沿实验室耿海洋博士共同主持,汇集了来自国内十余所知名科研院校人工智能实验室的数据合成一线学者以及上海市精神卫生中心等临床一线精神科医生、心理咨询师、临床心理学家,合计三十余位领域专家,围绕“心理健康数据合成与人工智能模型的发展与应用”展开深入交流与探讨。

正如陈剑华主任所言,“聚焦心理健康领域现实难题与科研数据收集需求,我们积极与TCCI展开合作,期望通过数据科学、人工智能与心理健康领域的跨学科协作,深入挖掘并高效利用现有数据资源,借助数据合成技术以及新一代AI模型,结合临床实践和伦理评估经验优化大模型评价标准,以期早日实现心理健康AI模型的广泛应用、最终解决临床问题。为此,我们诚挚邀请数据科学家与临床研究者携手合作,分享成果、交流经验,探寻数据驱动的创新解决方案。”

 

上海市精神卫生中心医务部陈剑华主任

01聚焦对话数据合成难点,

分享AI模型研究进展

会议学术报告环节,上海交通大学计算机科学与工程系吴梦玥副教授带来的“精神健康领域问诊和咨询对话数据的模拟与生成”的主题分享,将现场带入到浓郁的前沿学术交流氛围。随后,在吴梦玥教授的主持下,多位专家先后带来了心理健康领域的“数据合成及模型构建”、“多智能架构与隐私保护”、“精神健康计算”以及“知识图谱引导的对话数据生成”等方向的学术分享。

 

TCCI人工智能与精神健康前沿实验室耿海洋博士(左)、上海交通大学计算机科学与工程系吴梦玥副教授(右)

 

“精神健康领域问诊和咨询对话数据的模拟与生成”:吴梦玥副教授介绍了4种可行的模拟对话生成方法及其团队最新成果Agent Metal Clinic数据交互及生成平台,并指出了当前模拟对话研究面临的技术挑战——难以准确量化或统一评判合成数据的质量好坏,由此可能引发目标优化方向不一致等问题。

“面向心理和卫生健康领域的数据合成及模型构建”:华东师范大学计算机科学与技术学院陈琴研究员分享了一套在预训练与微调阶段进行领域知识增强的方法,以及结合大数据模型与结构化“目标-计划”的对话数据合成流程框架,并分享了团队从大量对话数据中提取关键信息、构建详尽的提问知识库过程中的特色工作。

“Psy-Insight数据集以及知识图谱引导的对话数据生成经验”:聚焦大学生心理健康问题,北京邮电大学人工智能学院李雅副教授团队建立了Psy-Insight数据集,通过音视频多模态情感识别,可实时生成抑郁风险指数;另外,团队还提出了“知识图谱引导”的G2DiaR共情对话生成方法,以提升对话数据质量。

“基于大模型的精神健康计算”:哈尔滨工业大学计算学部赵妍妍教授集中讨论了近年来精神健康计算领域内基于大模型的研究进展,特别是以“巧板”儿童情感陪伴大模型和“巧环”心理咨询系统为例,介绍了其在情感计算方面取得的进步。

“基于多智能架构与隐私保护的心理情感大模型”:华东理工大学信息科学与工程学院薛栋副教授介绍了其团队开发的大模型“漫谈”(MindChat)的构建框架以及相关实践应用,目前,该模型相关应用已用于多种实际场景,如高校社区中在线解答学业情感困惑的模型角色“漫漫学姐”等。

02跨学科合作潜力,

畅谈心理健康AI模型应用前景

在其后的圆桌讨论环节中,围绕大家关注的“AI在心理健康领域的创新应用”、“数据合成对话质量的评价标准”、“心理健康AI对话模型落地应用的评价体系建设与伦理讨论”等话题,在场的精神科医生、心理咨询师以及数据科学和人工智能专家们展开了一场热烈的跨界讨论。

关于“AI在心理健康领域的创新应用”上海市精神卫生中心门诊部王勇主任认为:“除了刚刚提到的心理咨询,中小学生的心理健康筛查也可以引入AI技术。比如,通过多模态收集和分析受试学生的面部表情数据,借助AI模型,以达到精简筛查过程、优化筛查效率和准确性等效果。”

 

上海市精神卫生中心门诊部王勇主任

 

关于“数据合成对话质量的评价标准”上海交通大学医学院临床研究中心张维拓研究员提出了他的观点:“合成数据的质量评估,需要基于生成数据的目的来选择合适的技术指标,比如,可以通过下游任务性能表现以评价合成数据质量。总的来说,现有的大模型,或在特定场景下为临床医生提供辅助,但还达不到在真实环境下临床应用的标准。”

 

上海交通大学医学院临床研究中心张维拓研究员

 

关于“心理健康AI对话模型落地应用的评价体系建设与伦理讨论”国家精神疾病医学中心脑健康研究院办公室张青主任认为:“伦理讨论贯穿于模型构建、数据处理、价值判断等各个环节。因此,我们有必要建立起一个跨学科团队,系统判断AI工具落地应用的潜在社会和伦理影响,促进更加负责任的技术实践。”

 

国家精神疾病医学中心脑健康研究院办公室张青主任(左)、上海市精神卫生中心机构办沈一峰主任(右)

 

会上,上海市精神卫生中心机构办沈一峰主任还表达了对心理健康领域的医学与数据科学跨学科合作前景的看法,他提出:“我们需要以‘解决实际临床需求’为导向,持续调整目标,开发可重复、可优化的AI产品。而这些都需要建立起一套长期、紧密、日常化的跨学科合作生态。”

 

上海市精神卫生中心机构办沈一峰主任

 

TCCI人工智能与精神健康前沿实验室耿海洋博士也表示,“天桥脑科学研究院一直致力于搭建起一个‘定期沟通需求痛点、寻找共同兴趣、推动落地应用’的跨学科专家动态交流平台。日后,我们也将持续推进探索AI技术在心理健康领域的应用场景,促进心理健康领域数据科学与人工智能技术的创新发展。”

接下来,天桥脑科学研究院(TCCI)还将携手上海市精神卫生中心及《Science》杂志,于2024年11月7~8日举办“人工智能与精神健康”论坛,共同探索AI在精神健康领域的科学研究与临床诊疗的转化应用。展望未来,随着合成数据理论与大模型技术的日益成熟,相信真实诊疗环境下精神健康AI模型应用也会早日实现。

 

“心理健康领域的数据合成与新一代AI模型”专题研讨会与会人员合影留念

 

感谢以下参会交流的人工智能专家学者、精神科医生、临床心理专家(排名不分先后):

上海交通大学计算机科学与工程系副教授吴梦玥,华东师范大学计算机科学与技术学院青年研究员陈琴,华东理工大学信息科学与工程学院副教授薛栋、哈尔滨工业大学计算学部教授赵妍妍,北京邮电大学人工智能学院副教授李雅,华东师范大学计算机科学与技术学院紫江青年学者周杰,中央财经大学心理咨询中心副研究员丰怡,同济大学人文学院助理教授左培颖,华东师范大学心理与认知科学学院紫江青年学者胡捷,暂停实验室主创成员/各色科技研究总监窦泽南;

以及上海市精神卫生中心医务部主任陈剑华,上海市精神卫生中心门诊部主任王勇,上海市精神卫生中心机构办主任、伦理委员沈一峰,国家精神疾病医学中心脑健康研究院办公室主任张青,上海市精神卫生中心精神科医师丁燕莉,上海市精神卫生中心助理研究员苏映等。

19

2024-09

髓母细胞瘤(medulloblastomas, MB)是儿童中最常见的恶性脑肿瘤,占所有儿童脑肿瘤的15%至25%。脑部特殊的环境决定了MB的生长受到血脑屏障、复杂的神经元细胞和免疫细胞相互作用等多种肿瘤微环境因素的调控,是其疗效不佳、预后较差的重要因素之一。基于经典的甲基化测序,MB可被划分为四个分子亚群:SHH、WNT、Group 3(三型)和Group 4(四型),其中SHH和WNT亚型患者生存期相对较长,而三型和四型预后不良。

早期的癌症基因组学未能在MB中鉴定到高频突变,尤其对于三型和四型MB的驱动机制仍然不清楚。目前,MB的治疗尚未有有效的药物,仍依赖于手术和放化疗。既往单细胞转录组测序(scRNA-seq)的工作揭示了MB瘤内异质性,并通过将MB细胞图谱与发育中的小鼠或人类小脑进行比较来推断亚组可能的起源细胞。然而由于传统的转录组测序并不能有效测量支配不同基因表达的调控机制,且目前髓母细胞瘤的分型仍局限于甲基化分类,临床上缺乏高特异性的转录组和蛋白组生物标记。因此,阐明MB的分子亚型标志物及其调控将为MB的治疗策略提供新的参考。

2024年6月17日(当地时间),复旦大学附属华山医院院长、天桥脑科学研究院转化中心(Tianqiao and Chrissy Chen Institute for Translational Research)主任毛颖/复旦大学附属华山医院/脑科学转化研究院研究员杨辉团队与中国科学院北京基因组研究所(国家生物信息中心)蒋岚研究组合作,于期刊Advanced Science上发表题为“Single-Cell Chromatin Accessibility Analysis Reveals Subgroup-Specific TF-NTR Regulatory Circuits in Medulloblastoma”的论文。

该研究绘制了人类MB各亚型的单细胞染色质可及性图谱(Chromatin accessibility),并且揭示了神经递质受体在不同肿瘤分子亚型中的特异性和治疗意义。

 

Gao, Xiaoyue, et al. “Single‐Cell Chromatin Accessibility Analysis Reveals Subgroup‐Specific TF‐NTR Regulatory Circuits in Medulloblastoma.” Advanced Science (2024): 2309554.

 

研究团队克服了病理组织冻存样品难以进行单细胞测序的难题,成功获取了11例人类髓母细胞瘤样本来源的共59015个单细胞的高质量染色质可及性信息。通过甲基化微阵列的金标准检测表明甲基化分型结果与单细胞数据分子分型结果完全一致。团队随后鉴定了MB中影响细胞命运的顺式调控元件(Cis-regulatory elements)和转录因子(Transcription factors, TFs),并筛选了亚型特异性的TFs。这些调控元件通过招募不同的转录因子来影响细胞命运,揭示了MB肿瘤细胞的分化和发展。

研究表明,神经肿瘤细胞与神经元发生相互作用,促进恶性演进。由于髓母细胞瘤是一种起源于神经细胞的肿瘤,肿瘤细胞与周边神经细胞的不同细胞交流与信号传输的方式可能是导致肿瘤内异质性产生的原因。联合snATAC-seq与scRNA-seq MB数据集,团队发现MB细胞中存在广泛的突触合成基因表达,基于神经递质受体(NTR genes)基因特征集表达的队列分型与甲基化金标准几乎一致(准确性>98%),这为肿瘤分类提供了新的生物标记。

 

 

图1.转录因子-神经递质受体调控网络具有髓母细胞瘤分子亚型特异性

 

团队进一步证实MB亚型中的特异性的癌症驱动通路(WNT, SHH等)对于NTR表达的调控具有特异性并绘制了调控图谱,它解释了为何MB存在亚型特异性的NTR基因。由于神经元和肿瘤细胞间的相互作用主要依赖于电化学突触,MB细胞中存在大量亚型特异性的NTR基因表达,表明MB的生长和起源可能与肿瘤细胞与神经元形成突触的作用存在重要关联。体外和体内的基因敲除实验证明NTR基因的敲除能够抑制相应分子亚型的肿瘤细胞增殖。以上结果证实了TF-NTR网络可作为MB分子分型的依据,神经信号参与了髓母细胞瘤的增殖。

 

 

图2. 髓母细胞瘤中的亚型特异性神经递质受体基因影响肿瘤细胞生长

 

综上所述,该研究通过构建髓母细胞瘤的染色质可及性图谱,从神经突触合成维度,发现神经递质受体基因的不同髓母亚型特异性,为髓母细胞瘤的分子分型和对应治疗提供了新依据。

该研究由复旦大学附属华山医院院长、天桥脑科学研究院转化中心主任毛颖教授,华山医院/脑科学转化研究院杨辉研究员,中国科学院北京基因组研究所(国家生物信息中心)蒋岚研究员合作完成,蒋岚组硕士研究生高晓玥,复旦大学附属华山医院博士研究生庄骐源,蒋岚组特别研究助理李芸以及助理研究员李国超为文章的并列第一作者。蒋岚组博士研究生黄正,硕士研究生孙少省、陈甚之参与了单细胞ATAC-seq数据以及CNV数据的分析。

 

18

2024-09

铁对神经递质合成、髓鞘形成、DNA合成和线粒体功能等生理过程至关重要,深刻影响神经发育、认知和大脑结构。大脑对铁稳态进行精确调节,铁过量或铁缺乏的失调都可能导致大脑紊乱。

一些神经退行性疾病中,铁积累可能加速神经元细胞死亡,如阿尔茨海默病(AD)。帕金森症(PD)中,黑质通常含有过量的铁,可能会导致氧化应激和神经元损伤。此外,大脑铁缺乏与海马糖皮质激素受体信号变化相关,诱发抑郁症的发生。鉴于铁在大脑发育中的重要作用及其与多种大脑疾病的联系,探索脑铁积累的遗传因素可以深入了解大脑发育和疾病发生的潜在机制,从而设计更好的诊断和治疗策略。

2024年7月2日(当地时间),复旦大学附属华山医院、天桥脑科学研究院(Tiaoqiao and Chirssy Chen Institute,TCCI)研究员郁金泰、复旦大学类脑智能研究院研究员程炜和复旦大学青年研究员公维康合作,于期刊Nature Communications发表题为“Whole-exome sequencing identifies protein-coding variants associated with brain iron in 29,828 individuals”的论文。该研究对生物样本库的26,789名英国参与者的26个大脑区域的脑铁进行了外显子组范围的关联分析,通过定量磁化率成像技术进行测量。

研究发现了36个与脑铁相关的基因,其中29个以前从未报道过,其中16个可以在3,039名受试者的独立数据集中复制。FTH1和MLX等许多基因参与铁转运和体内平衡。一些基因虽然与脑铁无关,但与铁相关的脑部疾病有关,如帕金森症(STAB1, KCNA10)、阿尔茨海默症(SHANK1)和抑郁症(GFAP)。孟德尔随机化分析揭示了局部脑铁到脑部疾病的六种因果关系,如从海马体到抑郁症,从黑质到帕金森症。该研究增强了研究者对脑铁遗传基因的理解,并为脑部疾病提供了潜在的治疗靶点。

 

Gong, Weikang, et al. “Whole-exome sequencing identifies protein-coding variants associated with brain iron in 29,828 individuals.” Nature communications 15.1 (2024): 5540. https://doi.org/10.1038/s41467-024-49702-2

 

定量磁化率成像(QSM)是一种新兴技术,能够以高空间分辨率和灵敏度对脑铁水平进行非侵入性测量。QSM建立在磁化率加权磁共振成像(swMRI)的基础上,比其他swMRI衍生的测量(如T2*)更能反映表型和遗传上的组织铁含量,并对采集噪声具有更高的稳健性和可重复性。尸检研究证明脑铁水平与QSM之间存在高度正相关关系,脑铁在多个区域具有较高的遗传性,如壳核、黑质和苍白球。虽然全基因组关联研究(GWAS)发现了几个与脑铁相关的位点,但仍局限于几个大脑区域和常见的遗传变异(次要等位基因频率>1%)。

此外,GWAS鉴定的许多位点映射到基因组的非编码区域,给机制探索带来了挑战。针对上述限制,全外显子组测序(WES)可用于识别与脑铁相关的蛋白质编码变异,对多个大脑区域进行大规模的外显子组全关联分析可以揭示脑铁积累的复杂遗传结构,并突出铁相关脑部疾病的重要神经通路。

 

26个区域中罕见和常见蛋白质编码基因与脑铁的外显子组全关联分析。

 

该研究进行了迄今为止最广泛的脑铁积累全外显子组关联研究(EWAS)。利用英国生物样本库中26,789名受试者的遗传信息、脑成像和表型数据,系统地鉴定了与脑铁相关的蛋白质编码变异,并研究了铁相关基因与脑部疾病和表型之间的关系。

具体来说,该研究有四个主要目标:首先,确定与覆盖皮质下和小脑结构的多个大脑区域脑铁积累相关的罕见和常见基因;其次,探索已鉴定基因的生物学功能,如其富集的生物学途径;第三,探索脑铁相关基因与疾病之间的关系,包括区域脑铁积累是否与多种脑部疾病有因果关系;最后,使用全表型组关联研究(PheWAS)鉴定脑铁相关基因与一组系列表型变量的遗传关联。

09

2024-09

 

近日,国家神经疾病医学中心、复旦大学附属华山医院院长、天桥脑科学研究院转化中心(Tianqiao and Chrissy Chen Institute for Translational Research)主任毛颖/花玮教授团队与清华大学精密仪器系欧阳证教授团队、美国普渡大学Graham Cooks教授团队,以及梅奥诊所Alfredo Quinones-Hinojosa教授团队合作在《美国国家科学院院刊》(PNAS)上发表《术中质谱法快速检测胶质瘤中IDH突变》最新研究成果,成功构建了完整的胶质瘤IDH突变术中诊断流程,并将全流程检测时间缩短至1.5分钟,为术中辅助外科医生快速明确肿瘤类型、平衡肿瘤切除率与神经功能保护、判断手术边界等提供依据。

脑胶质瘤是最常见的原发恶性脑肿瘤,具有边界不清、毗邻功能区、放化疗不敏感等特点,手术切除困难。研究发现,2-3级胶质瘤患者中,80%存在代谢酶异柠檬酸脱氢酶(IDH)突变,这类IDH突变胶质瘤好发于周边脑叶,年轻人常见,在最大限度肿瘤手术切除后,可显著提升生存率。

因此,术中快速识别IDH突变意义重大。

2018年,复旦大学附属华山医院院长、天桥脑科学研究院转化中心主任毛颖/花玮教授团队利用质谱仪方法,通过检测IDH突变后产生的特殊小分子代谢物2-羟基戊二酸(2-HG),实现了IDH突变检测及术中应用,文章发表于《实验室研究》(Lab Inv)。

此后,团队坚持协作创新,以提升术中快速检测的便携性与准确率。

此次研究由复旦大学附属华山医院、清华大学、美国普渡大学及梅奥诊所等4家中美顶尖研究和临床机构合作近5年完成,在华山医院和梅奥诊所独立开展了临床研究,是迄今已知规模最大的术中胶质瘤IDH突变检测临床研究。

研究过程中,中美团队携手、作为两个独立团队开展研究:中方团队采用直接毛细管电喷雾(DCS)便携质谱系统,美方团队采用电喷雾解吸电离质谱(DESI-MS)系统,均可完成代谢物快速准确检测、实现术中对分子分型的快速检测。其中,中方团队采用的质谱已做到了小型化,真正有可能做到“即时检验(POCT)”。

研究在260位胶质瘤病人的697例样品检测中实现了100%的IDH突变检测准确率,相较其他方法耗时极短,在手术室环境下诊断准确率依旧接近100%。

该研究同时证实了质谱法在术中快速诊断中的作用,为未来各类外科手术创新变革带来可能性,具有重要的临床价值。

论文第一作者为华山医院花玮教授,清华大学张文鹏教授、普渡大学Hannah Brown博士、清华大学吴俊函博士为论文共同第一作者,通讯作者为复旦大学附属华山医院院长、天桥脑科学研究院转化中心主任毛颖教授、清华大学精密仪器系欧阳证教授、美国普渡大学Graham Cooks教授以及梅奥诊所Alfredo Quinones-Hinojosa教授。研究得到科技部国家重点研发计划、国自然重点项目、面上项目、上海市发改委重大项目等支持。

参考文献:Rapid detection of IDH mutations in gliomas by intraoperative mass spectrometry,

https://www.pnas.org/doi/full/10.1073/pnas.2318843121

本文转载自:文汇,作者:唐闻佳

30

2024-05

慢性疼痛与睡眠障碍高度共患, 失眠不仅加剧疼痛,还损害记忆、增加患抑郁症的风险。背内侧纹状体(DMS)作为基底神经节的输入,在睡眠-觉醒调节中起关键作用。DMS表达多巴胺D1型受体的中型棘突神经元(D1-MSN)促进觉醒,表达多巴胺D2型受体的中型棘突神经元(D2-MSN)促进睡眠。前扣带皮层(ACC)锥体神经元(PNs)是调控疼痛的关键神经元,也是DMS的主要输入,但ACC-DMS环路是否参与慢性疼痛相关的失眠尚未知。

2024年2月13日,复旦大学上海医学院教授、中国睡眠研究会理事长、天桥脑科学研究院(Tiaoqiao and Chirssy Chen Institute,TCCI)研究员黄志力团队在Neuron杂志上发表文章揭示了慢性疼痛增强ACC-DMS环路D1-MSN神经元突触可塑性介导失眠的发生。

 

 

01ACC- PNs在慢性疼痛-

失眠共患模型中选择性激活

研究人员利用部分坐骨神经结扎(PSNL)疼痛小鼠模型模拟疼痛和失眠的共患。通过光纤钙成像技术记录昼夜节律时间ZT0–ZT2(上午7点到9点,为PSNL模型小鼠失眠阶段)和ZT12–ZT14(晚上7点到9点,为PSNL模型小鼠和正常小鼠觉醒阶段)ACC- PNs活性,结果发现PSNL模型小鼠在失眠阶段ACC- PNs活性增强,在觉醒阶段无变化。电生理实验也证明PSNL模型小鼠在失眠阶段ACC- PNs微小兴奋性突触后电流增强。单独使用催眠药(安定)或镇痛药(吗啡)均不影响PSNL模型小鼠失眠阶段ACC- PNs活性变化,但在使用联合催眠和镇痛的药物可显著降低失眠阶段ACC- PNs活性。

为进一步证实ACC-PNs活性在慢性疼痛诱发失眠中的重要性,他们通过病毒载体工具特异性诱导ACC脑区兴奋性神经元死亡后,可阻断慢性疼痛诱发失眠的发生。慢性激活正常小鼠ACC- PNs后可增加觉醒时间,减少非快速眼动睡眠时间,表现出睡眠障碍。

 

图1.PSNL模型小鼠在失眠阶段ACC- PNs活性增强

02ACC→DMS环路

调控慢性疼痛诱发的失眠

光激活正常小鼠ACC→DMS环路后并不影响痛觉,但可显著促进觉醒,减少睡眠。纹状体区域可分为背侧纹状体和腹侧纹状体(包含伏隔核等), 前扣带皮层投射到伏隔核的环路参与疼痛的发生,但在光激活该环路并不影响睡眠。慢性抑制PSNL模型小鼠ACC→DMS环路后可缓解疼痛,并能改善睡眠障碍,促进睡眠。

 

图1.慢性激活正常小鼠ACC- PNs后可增加觉醒时间

03DMS D1-MSN神经元

调控慢性疼痛诱发的失眠

考虑到DMS脑区主要存在D1-MSN和D2-MSN神经元,研究人员利用电生理实验发现PSNL模型小鼠DMS D1-MSN神经元内在兴奋性增强,D2-MSN神经元并不存在这种变化。进一步分析发现D1-MSN神经元自发性和微小兴奋性突触后电流均增强,表明慢性疼痛促进D1-MSN神经元突触前释放谷氨酸。PSNL模型损伤后1周DMS D1-MSN神经元长时程增强作用增强,D2-MSN神经元长时程增强作用减弱,这种突触可塑性增强作用并不发生在损伤早期(损伤后第3天)。慢性抑制PSNL模型小鼠D1-MSN神经元活性后尽管不影响疼痛,但可显著减少ZT0–ZT2觉醒时间,促进睡眠,表明DMS D1-MSN神经元调控慢性疼痛诱发的失眠。

 

图1.DMS D1-MSN神经元调控慢性疼痛诱发的失眠

04总结

本文发现慢性疼痛诱发的失眠阶段ACC-PNs活性增强,进而增强其下游DMS D1-MSN神经元突触可塑性,慢性抑制ACC-PNs活性或DMS D1-MSN神经元活性均可缓解睡眠障碍。

参考文献:

Li et al., Anterior cingulate cortex projections to the dorsal medial striatum underlie insomnia associated with chronic pain, Neuron (2024), 

https://doi.org/10.1016/j.neuron.2024.01.014

本文转载自: 神经周K微信公众号

27

2024-02

以下文章来源于上海交大医学院附属精神卫生中心 ,作者赵 迪 袁逖飞

 

毒品问题是健康中国与和谐社会持续面临的重大挑战。我国目前最主要的毒品为甲基苯丙胺(俗称:冰毒),吸食后导致极强的精神行为紊乱,可诱发幻觉、冲动行为、乃至暴力犯罪,给个人生命健康、家庭经济和社会安定都带来了巨大危害。吸毒是一种长期存在的”顽疾“,其根本原因在于”毒瘾“是一种异常强大、但表现于主观层面的精神心理活动,难以客观评估、动态捕捉与实时治疗。

近期,天桥脑科学研究院(Tiaoqiao and Chirssy Chen Institute,TCCI)研究员、国家精神疾病医学中心(上海市精神卫生中心)研究员袁逖飞团队,通过构建个体化人脑连接组(brain functional connectivity networks,FCNs),使用人工智能(AI)技术揭示了冰毒成瘾者毒瘾的神经生物学机制,发明了一种能够快速“读脑”、鉴定吸毒者,并计算个体化毒瘾严重程度的实用技术。

相关研究成果于2024年1月16日以“An electroencephalographic signature predicts craving for methamphetamine”为题发表在Cell Press细胞出版社旗下期刊Cell Reports Medicine(IF = 14.3)上。

 

 

研究人员首先利用高密度的头皮脑电图(high-density EEG)技术,通过自动化信号处理及优化算法,对465个神经环路个体化计算其连接强度和神经振荡模式。基于个体的功能连接组学,可以有效区分健康对照组人群和成瘾人群,并鉴定了成瘾大脑中一些具有特异性的神经振荡异常(如左岛叶-右眶额叶的delta振荡、左额中回后部-内侧前额叶皮层的beta振荡、右缘上回-后扣带皮层的beta振荡)。

这些发现,有力的弥补了现有成瘾影像学研究中神经振荡数据的缺失,也为理解成瘾者脑网络异常提供了新模态的实践证据。基于上述关键异常环路及功能网络分析,研究者构建了基于机器学习技术的计算模型,并通过独立数据集证实了其对于个体化毒瘾的识别和预测有效性。该模型在北京、江苏、湖北等省市的人群中都实现了有效验证。

 

 

 

该研究不仅为临床成瘾者提供了重要的诊断策略,也为基于个体化脑环路神经振荡异常的精准脑刺激干预提供了新的思路。一方面,戒毒康复机构能够采用相应技术,为成瘾康复全程提供动态评估追踪和分级管理,并纳入管理模式作为参考指标;另一方面,个体化脑连接组学的异常不仅是个体化精准脑刺激干预的重要理论依据,也可以作为定制化的药物治疗、心理干预或运动康复计划的直接参考。在下一步研究计划中,研究人员将实现可穿戴、便携式的脑电采集设备设计,有望为戒毒康复人员实现实时反馈的毒瘾评估,并用于无创脑刺激技术及数字化疗法的反馈。

天桥脑科学研究院(Tiaoqiao and Chirssy Chen Institute,TCCI)研究员、国家精神疾病医学中心(上海市精神卫生中心)研究员袁逖飞和斯坦福大学精神病学和行为科学系吴畏为共同通讯作者,田维文、赵迪为共同第一作者。

 

作者专访

您的团队为何开展本研究?

袁逖飞教授、吴畏研究员:毒品成瘾(物质使用障碍)是一种慢性脑疾病。我国现有毒品成瘾者超过1300万人,目前鲜有有效的干预策略;即使戒断多年已无戒断症状,药物相关线索仍可触发成瘾者极强的毒品心理渴求;且患者存在冲动控制障碍,最终导致80%以上的复吸率。毒品成瘾既涉及重大的科学问题,又属于严重的社会问题。因此,揭示成瘾机制,发展有效的干预手段,可有助于理解异常牢固记忆和冲动控制障碍机制,也为开发更为有效的成瘾干预策略提供新靶点和科学数据支撑。心理渴求(毒瘾)的强度与成瘾物质复吸风险密切相关,其客观评价对于及时干预、防止复吸具有重要意义。

您认为本项工作的亮点和重要发现是什么?

袁逖飞教授、吴畏研究员:既往神经影像与行为学研究未能揭示心理渴求的动态加工过程及神经环路的异常振荡。我们的研究发现了多条神经环路上振异常参与毒瘾,为理解成瘾行为的内在驱动和维持过程提供了理论支持。该标记物也为临床患者的复吸风险评估、精准个体化干预评估提供了重要生理指标。

基于人工智能AI和高密度EEG技术的个体化脑连接组学绘制,为解析精神疾病的脑网络异常提供了重要方法,我们较为完善的采用了多种数据分析方法与模型,希望在未来的工作中对成瘾的神经机制作出更为系统的探索。

您团队在该领域有哪些下一步的计划?

袁逖飞教授、吴畏研究员:我们将首先验证利用低通道、可穿戴设备进行毒瘾实时监测的可行性,以实现精准戒毒康复;进一步,我们希望利用该计算模型,对现有临床干预疗法实现有效预测,以预判患者戒毒后的疗效,避免治疗中“走弯路”。

此外,我们通过高密度电生理信号的精准溯源解析了毒瘾的功能环路和具体振荡模式。该些发现使得针对成瘾者的个体化位点、个体化频率模式的精准干预成为可能。

 

本文转载自:上海交大医学院附属精神卫生中心微信公众号;CellPress细胞科学微信公众号

19

2024-01

近日,由天桥脑科学研究院(Tiaoqiao and Chirssy Chen Institute,TCCI)研究员、复旦大学附属华山医院神经内科郁金泰教授团队领衔,联合复旦大学类脑智能科学与技术研究院的多学科交叉团队基于大规模生物医学数据库与大数据统计建模方法,探究了体重指数(BMI)及其变化和 BMI-代谢健康状况与六种神经和精神疾病 [卒中、痴呆、帕金森病(PD)、焦虑、抑郁、睡眠障碍] 的关系。

研究表明肥胖对卒中、焦虑、抑郁和睡眠障碍,以及体重指数下降对焦虑和睡眠障碍的有害影响。尽管处于健康的代谢状态可以部分减轻肥胖的不良影响,但代谢健康型肥胖并不是一种完全良性的状态,它一样会增加抑郁和睡眠障碍的风险。

此外,通过确定 BMI-代谢健康状况与大脑结构和饮食摄入的关联,探讨了上述关联可能的潜在机制,同时还证明了血液炎症标志物在 BMI-代谢健康状况与神经和精神疾病的关系中的中介作用。

相关研究成果以Body weight in neurological and psychiatric disorders: a large prospective cohort study(《体重与神经和精神疾病的关系:一项大型前瞻性队列研究》)为题发表在Nature子刊 Nature Mental Health,并被编辑以「Body weight has varying effects on the risk of neurological and psychiatric disorders」(体重对神经和精神疾病的风险有不同的影响)为题,选为Research Briefing(研究简报)进行报道。

 

 

神经和精神疾病是全世界致残和死亡的主要原因,虽然多种可改变的生活方式风险因素已被确定为预防策略的关键组成部分,进一步研究这些风险因素的生理反应、危险行为和潜在机制,可以为减轻疾病负担起到很大作用。

肥胖在脑健康相关疾病中的作用已引起越来越多的关注,同时成年期肥胖状况的改变对潜在的疾病风险的影响也值得探讨。先前关于体重变化与中风、痴呆和抑郁症风险之间关系的研究得出了不一致的结果。

与此同时,肥胖引起的代谢综合征,包括血压和血糖水平升高、高脂血症和全身性炎症,对增加患病风险风险的影响还没有被完整了解。为了全面了解 BMI、BMI 变化和 BMI-代谢健康状况对六种最常见的神经和精神疾病发病率的影响,研究团队开始了调查。

研究团队利用具有完整体重及疾病随访数据的 438,483 名人群进行了纵向分析,分别根据其体重指数、体重指数的变化,代谢健康状态(血压、C 反应蛋白、甘油三酯、低密度脂蛋白胆固醇、高密度脂蛋白胆固醇)对人群进行分组,分析了肥胖相关指标与常见神经和精神疾病之间的关联,并通过脑影像结构、饮食习惯和炎症标志物探索其潜在机制。

 

 

首先,运用 Cox 模型与非线性模型,研究团队表明,BMI 与痴呆、焦虑、抑郁与睡眠障碍呈非线性型相关。与正常体重组相比,超重或肥胖个体的卒中、抑郁、睡眠障碍和焦虑风险更高。BMI 增加与较高的焦虑和睡眠障碍相关,与之相反,BMI 下降与 AD 风险增加相关。代谢健康型肥胖人群在抑郁症、睡眠障碍的风险较正常体重人群上升。而代谢不健康型肥胖人群在卒中、焦虑、抑郁和睡眠障碍上有更高的风险。

 

 

其次,研究团队运用回归模型,进一步探讨了代谢健康与非健康型肥胖对脑结构的影响。

研究发现,与非肥胖者相比,代谢健康人群在双侧峡扣带皮层和额上皮层的面积和体积更大,壳核、海马、丘脑和杏仁核的皮质下体积更大。然而,代谢非健康人群在包括眶额、颞叶和岛叶皮层、苍白球和丘脑等一系列大脑区域表现出更小的体积。

与之同时,饮食习惯也对代谢健康与非健康型肥胖人群有影响。虽然他们都比非肥胖人群消耗更多的食物,但代谢健康人群更倾向于摄入健康的食物,如蔬菜、新鲜水果和油性鱼类。相比之下,代谢非健康人群倾向于摄入更多的加工肉类和面包,且沙拉和油性鱼类的摄入量较少。

 

 

 

 

最后,研究团队运用中介分析,揭示了外周炎症成分的作用,即四种炎症标志物(白细胞计数、中性粒细胞计数、单核细胞计数和 CRP)在 BMI-代谢健康状况与卒中、抑郁、焦虑和睡眠障碍风险的关联中起到中介效应。

 

 

 

郁金泰教授团队的这项研究,证明了体重增加和肥胖对几种神经和精神疾病的有害影响。尽管处于健康的代谢状态可以部分减轻肥胖的不良影响,但代谢健康型肥胖并不是一种完全良性的疾病。因此,应该向所有肥胖人群推荐体重管理,以预防神经和精神疾病。

天桥脑科学研究院研究员、复旦大学附属华山医院神经内科郁金泰教授为该论文的通讯作者。复旦大学附属华山医院神经内科王榕泽博士、何宇博士为该文的共同第一作者。该研究还得到了复旦大学类脑智能科学与技术研究院冯建峰教授、程炜研究员的大力支持和帮助。

本文转载自丁香园神经时间微信公众号

参考文献:

[1] Wang, RZ., He, Y., Deng, YT. et al. Body weight in neurological and psychiatric disorders: a large prospective cohort study. Nat. Mental Health (2024). https://doi.org/10.1038/s44220-023-00158-1.

[2] Body weight has varying effects on the risk of neurological and psychiatric disorders. Nat. Mental Health (2024). https://doi.org/10.1038/s44220-023-00167-0.

13

2024-01