几类精神疾病小样本、多尺度定量化建模和研究

Statistical surveys manifest that the annual growth of the mental disorder diseases has recently become outstanding in western countries as all as in China. For the treatment of such diseases, a lot of human and economic resources have been used in many countries, which obviously leads to a large amount of burdens to the social and economic development of the countries. It is of great significance to diagnose and cure these diseases in their early stages, and therefore for developing systematic diagnosis technique and evaluation models for these diseases in the near future, it is essential to investigate the biological mechanics through the data and fundamental analysis. As for this project, we plan to collect the real data with characteristics of small sampling population, to develop new and efficient mathematical and computational methods for seeking the integrated relations in different levels and stages of the mental diseases, and establishing the neuronal dynamical models of multiple scales. Also we are to conduct the numerical simulations and parameters estimations with real datasets. We expect our investigation will contribute basically to expatiating the biological mechanics of these diseases. Indeed, through and after conducting this project, we expect appearance of a group of young scholars with solid backgrounds of mathematics and biology, which consequently guarantees the advanced research quality of our nation in the related fields.

统计资料显示，在西方及中国，精神疾病的发病率逐年上升。为诊治这些疾病，世界上许多国家已投入了大量的人力与物力，造成了巨大的社会与经济负担。因此，常见精神疾病的早期发现和治疗十分重要；而为发展一套常见精神疾病有效的诊断方法和治疗评估模型，从数据分析和基础理论上进行发病的机制探究就显得更为迫切了。本项目就几类常见精神疾病，根据采集的小样本数据的特点，发展新型、高效的数理计算方法，寻找在脑图、神经电生理以及基因组学等层面上与特定疾病关联的生物标记，有机地整合不同层面的研究结果，构建符合疾病特点的多尺度神经元网络动力学模型，进行数值模拟计算和参数识别计算，从而初步阐释几类常见精神疾病在多个层次上发生、发展、有机联系的生物学机制，为将来进一步建立适用的诊断和治疗评估体系和模型打下初步的理论基础。并以项目研究为载体，培养出一批具有一流的数学基础和扎实的生物知识的青年人才，保持我国在这方面的领先水平。

精神疾病目前已经造成了巨大了经济和社会负担。本项目旨在开发适用于精神疾病小样本特点的新型、高效的数理计算方法以及建模方法。一方面分析整合多模态数据，寻找精神疾病多尺度生物标志物，如基因、影像、环境等层面的生物标志物，辅助精神疾病的早期诊断以及治疗。另一方面，通过对影像数据分析建模，探索大脑的运行机制，进而对大脑进行模拟。项目执行期为四年，取得成果包括： 1.发起了数据字典计划，构建了国内最大的精神疾病（包括分裂症、抑郁症和自闭症）多尺度数据库。2.开发了一系列新型数理统计方法，可用于小样本多尺度数据整合分析，包括全脑关联分析方法，时空格兰杰因果推断方法以及非线性关联分析方法等。所开发的方法成功应用于抑郁症、精神分裂以及自闭症等脑疾病，在脑功能网络层次寻找到了精神疾病的根源。3.第一次构建了全脑功能网络动态图谱，并发现脑功能网络动态性可反映大脑的可塑性和可学习性，并与智商、创造力紧密相关，为人工智能未来的发展提供了新的可能性。该工作得到了美国麦克阿瑟奖得主，Bassett教授的撰文正面评价。4.培养了一批具有交叉背景，如医学、基因学、信息科学、统计学等学科背景的青年研究人员。项目执行期间，项目组共有18篇文章发表在Brain，Cerebral Cortex, Human Brain Mapping, Neuroimage等相关领域的顶尖杂志上，其中有11篇IF>5。我们的成果也取得一定的社会影响力，被国内外多家知名媒体包括《福布斯》，《英国每日邮报》和《光明日报》等杂志的报道。