【摘要】華南理工大學(xué)生物醫(yī)學(xué)科學(xué)與工程學(xué)院吳凱教授與廣州醫(yī)科大學(xué)附屬腦科醫(yī)院吳逢春主任團隊合作，開展了基于個體化腦網(wǎng)絡(luò)和腸網(wǎng)絡(luò)分析的精神分裂癥自動分類及生物學(xué)標志物研究。2025年1月，《Brain Research Bulletin》雜志在線發(fā)表了題為《MO-GCN: A multi-omics graph convolutional network for discriminative analysis of schizophrenia》的研究論文，華南理工大學(xué)生物醫(yī)學(xué)科學(xué)與工程學(xué)院碩士研究生王海源同學(xué)為第一作者。

精神分裂癥（Schizophrenia, SZ）是一種復(fù)雜的慢性精神疾病，通常在青春期晚期或成年早期發(fā)病，其癥狀涉及幻覺、妄想、認知能力下降、感知行為紊亂和思維障礙等方面。然而目前為止，SZ的神經(jīng)病理機制和病因尚未完全明確，且臨床診斷存在高度主觀和漏診誤診的局限性。因此，SZ的早期發(fā)現(xiàn)和識別干預(yù)顯得尤為重要。

多組學(xué)數(shù)據(jù)的機器學(xué)習(xí)方法已被廣泛應(yīng)用于精神分裂癥的判別分析，但這些研究大多忽視了網(wǎng)絡(luò)的交互作用和拓撲屬性。本研究旨在利用多組學(xué)數(shù)據(jù)構(gòu)建個體化腦網(wǎng)絡(luò)和腸網(wǎng)絡(luò)，進而將腦圖和腸圖輸入圖卷積神經(jīng)網(wǎng)絡(luò)（GCN）進行SZ患者和正常對照的分類。研究人員采集了43名SZ患者和55名健康對照的人口學(xué)信息、功能磁共振圖像、糞便、臨床量表數(shù)據(jù)，通過構(gòu)建多通道GCN模型實現(xiàn)了疾病分類，并對識別出的重要特征與臨床量表進行了相關(guān)性分析。

圖1 研究方案

研究發(fā)現(xiàn)，腦-腸多組學(xué)數(shù)據(jù)作為模型輸入時的分類效果優(yōu)于單組學(xué)數(shù)據(jù)，其中，以“BFs + GFs + GNFs”為輸入且稀疏度為0.3時達到最佳平均分類準確率84.0%。解釋性分析結(jié)果表示重要腦區(qū)主要位于海馬、嗅皮質(zhì)、尾狀核、豆狀蒼白球等，重要菌群包括Dorea、Ruminococcus、Subdoligranulum、Bilophila、Clostridium等，且這些重要特征與臨床量表具有顯著相關(guān)性。

表1 分類性能

圖2 研究結(jié)果