猕猴实验，或者让自闭症诊断更科学。 <长沙自闭症>
“我们发现该模型区分自闭症患者和正常人的准确率达到了82.14%，对人类强迫症患者的分类准确率达到了78.36%。其性能明显优于基于人类自闭症患者的预测模型，但对人类注意缺陷多动障碍患者的诊断没有明显改善。”研究员王政说。研究团队进一步分析了脑连接图特征与临床症状的相关性，发现右侧腹外侧前额叶皮层的功能连接在自闭症和强迫症中起着双重作用，为分析精神疾病的脑回路机制提供了新的重要线索。
本研究得到了剑桥大学、复旦大学附属儿科医院和中国科学院昆明动物研究所的指导和支持。
由于并非所有的脑区都与自闭症病理相关，研究人员使用稀疏机器学习算法从脑功能图中筛选脑区，识别与MECP2基因相关的核心脑区。然后将这些核心脑区逐一映射到人类磁共振图像的脑功能图谱上，提取与核心脑区相关的功能连接特征，从而构建跨物种迁移分类预测模型，用于人类自闭症、强迫症、注意缺陷多动障碍患者的诊断和分类。
模式动物是非人类的灵长类动物，在大脑结构和功能上与人类相似。研究人员发现，转基因灵长类动物模型可以表现出与人类临床患者相似的症状和表型。该团队大胆假设，基于保守的大脑功能，它建立了一个可以跨物种迁移的精神疾病分类和预测模型。首先，他们利用基因工程技术将人类自闭症基因——MECP 2号引入猕猴基因组，建立了由单基因控制的转基因猕猴模型，简化了复杂的人类自闭症的模拟。然后，他们利用磁共振成像技术对转基因和野生猕猴的大脑进行扫描，构建了大脑功能图谱。
中国科学院脑科学与智能技术卓越中心(神经科学研究所)、神经科学国家重点实验室王政研究组和中国科学院自动化研究所印象深刻研究组完成了一项研究，整合了灵长类动物模型和临床精神疾病患者的功能磁共振成像数据。这是世界上首次设计出猴-人跨物种的机器学习分析过程。它利用从转基因猕猴模型中学习到的特征，为临床精神疾病患者构建分类器模型，进而深入分析人类自闭症和强迫症的神经回路机制。该研究为精神疾病的精确影像诊断提供了新的证据，开辟了利用非人灵长类动物模型服务于精神疾病临床应用需求的新途径。相关结果于今天早上在线发表在《美国精神病学杂志》上。
自闭症是一种精神疾病，多发生于青少年，通常在3岁前表现出来。症状包括社交障碍、重复性僵硬动作、焦虑、抑郁等。目前已知与自闭症相关的致病基因有一百多个，这导致了非常复杂的遗传学和病理学。
长期以来，人们一直无法对自闭症的具体病因给出准确的答案，诊断方法也大多依赖于患者的行为和表格算法，无法上升到更深层次的病理或基因层面。然而，最近一项针对自闭症猕猴的实验可能会改变这种落后的发展现状。
- 发表评论
-
- 最新评论 进入详细评论页>>
