丘脑和默认网络的遗传组织模式及其在意识障碍疾病中的应用

Currently, there are no effective diagnosis and treatment for disorders of consciousness (DOC), and the misdiagnosis rate is over 40%. Beyond the impact on those directly affected, the increases of patients entail significant society-wide psychological, social and economic burdens. A desirable purpose of DOC research is to develop biomarkers of consciousness levels. Accumulating evidence suggests that the influence of genes may be vitally important for the high level of specialization in brain regions during brain development, therefore, genetic patterning of brain is important for understanding various functions and related disorders. Currently, studies of genetic patterning are on the bases of a single trait, there are still no research on multiple traits. The present project aims to develop genetic correlations of multidimensional traits, establish robust genetic architectures of the thalamus and default mode network, obtain the genetic correlational profiles of subregions, quantify genetic contributions of different partitions of genes, and clarify consciousness related subnucleus and subregions. Another aim of the current project is to take advantage of subregional anatomical and functional network traits, demographic and behavioral features, and pattern recognition techniques, classify minimally consciousness and vegetable state patients, and predict the consciousness level at follow ups. In conclusion, we plan to study from the genetic basis of brain patterning to clinical diagnosis and prognosis of disorders of consciousness, which is vital important for the development of science as well as the society.

意识障碍疾病尚无有效诊断和治疗手段，给家庭和社会带来巨大负担，因此探索意识水平的生物标记，从而做到更加客观精准的诊断和治疗是迫切需要研究的问题。在大脑的生长发育过程中，脑功能亚区的分化及其连接特征主要受其内在遗传机制的影响，因此高度区域化的遗传组织模式是理解脑功能和脑疾病的关键。目前已有的遗传组织模式研究是基于单一表型的，然而多表型融合可以提供更全面充分的信息。本项目拟研究多元表型融合的遗传相关分析方法，挖掘丘脑和默认网络的遗传组织模式，明确遗传组织模式与意识的关联影响。在此基础上，基于遗传组织模式的脑网络特征，进一步构建微意识与持续性植物状态临床分类和意识恢复水平预测的多任务深度神经网络模型，研究可适用于多源数据的迁移学习方法，实现临床诊断智能化辅助系统。本研究拟从脑区分化的遗传机理出发，明确意识相关的功能亚区及特征，构建复杂疾病意识障碍的辅助诊断和预测系统，具有重要意义与价值。

意识障碍疾病尚无有效诊断和治疗手段，给家庭和社会带来巨大负担，因此探索意识水平的生物标记，从而做到更加客观精准的诊断和治疗是迫切需要研究的问题。本项目主要基于磁共振影像数据、大规模基因组数据和意识障碍疾病数据开展以下研究：（1）基于全基因组单核苷酸多态性探索了高维特征的遗传度和遗传相关分析方法，结合数据的稀疏性，很大程度地降低各个脑区遗传度估计量的标准误；（2）探索了丘脑和默认网络精细尺度亚区划分方法及其遗传组织模式，研究了丘脑和默认网络的亚区及其连接与意识的关联影响，发现内后皮质背后侧与丘脑的连接最强，且其与丘脑的白质纤维完整性在意识障碍患者中受损程度比微意识障碍患者更严重，并且可以预测一年内意识恢复水平；（3）构建深度神经网络模型方法，用于脑疾病临床分类与早期预测。本研究探索了意识的关键系统——丘脑和默认网络的遗传组织模式，描绘其精细亚区划分及亚区特异的功能，结合意识受损患者的临床数据，从多方面理解并明确意识相关的功能亚区，为意识障碍患者的诊断和治疗提供新的科学根据。在本项目的资助下，项目负责人在SCI期刊上发表研究论文10篇，其中影响因子大于5的论文6篇。