利用功能磁共振脑图谱特征构建跨物种机器学习分类预测模型，提取磁共振影像学特征协助诊断人类精神疾病。　中科院脑科学与智能技术卓越创新中心 供图

中新网海海6月17日电(沈海，)美国精神病学杂志17日凌晨在网上发表了一篇由中国研究人员撰写的研究论文。相关研究整合灵长类动物模型和临床精神病患者的功能磁共振成像数据，设计猴-人跨物种机器学习分析流程，利用从转基因猕猴模型中学习到的特征构建临床精神病患者的分类器模型，进一步分析人类自闭症和强迫症的神经环路机制。

本研究为精神疾病的准确影像诊断提供了新的证据，为利用非人灵长类动物模型服务于精神疾病的临床应用需求开辟了新途径。该研究由中国科学院脑科学与智能技术创新卓越中心王政研究组和中国科学院自动化研究所印象研究组完成。

自闭症(asd)是一种神经系统发育障碍，具有高度异质性。自闭症患者常伴有强迫症(ocd)、注意缺陷多动障碍(adhd)等并发症，给临床诊断和病理机制研究带来巨大挑战。模型动物是非人类灵长类动物，在大脑结构和功能上与人类相似，已成为研究大脑高级认知功能的首选。也是探索复杂脑部疾病发病机制、开发诊疗技术、转化为临床实践的首选动物模型。

【/h/】目前与自闭症相关的致病基因有100多种，这就导致了复杂的遗传学和病理学。首先，研究人员通过基因工程技术将人类自闭症基因mecp2引入猕猴基因组，建立了单基因控制的转基因猕猴模型，简化了复杂人类自闭症的模拟。然后利用磁共振成像技术对转基因和野生型猕猴的大脑进行扫描，构建大脑功能图。由于并非所有的脑区都与自闭症病理相关，研究人员利用稀疏机器学习算法从脑功能图中筛选出脑区，识别出与mecp2基因相关的核心脑区。然后将这些核心脑区一一映射到人类磁共振成像的脑功能图，提取与核心脑区相关的功能联系特征，构建跨物种迁移分类预测模型，用于人类自闭症、强迫症、注意缺陷多动障碍的诊断和分类。结果表明，该模型对人类孤独症患者和健康受试者的识别准确率为82.14%，对人类强迫症患者的分类准确率为78.36%。该模型的性能明显优于基于人类自闭症患者的预测模型，但并没有显著提高人类注意缺陷多动障碍患者的诊断水平。进一步分析脑连接图特征与临床症状的关系，表明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。

【/h/】本工作由詹亚峰博士和魏建泽博士在研究员王政和研究员赫然的指导下共同完成。该研究得到了中国科技部、中国国家自然科学基金、中国科学院、上海和广东省的支持。(结束)