在大脑研究中发现了四种不同的自闭症亚型

根据威尔康奈尔医学研究人员的一项研究，根据他们的大脑活动和行为，自闭症谱系障碍患者可以分为四个不同的亚型。

的研究，于3月9日发表自然神经科学该研究利用机器学习分析了299名自闭症患者和907名神经正常人群的最新神经成像数据。他们发现了大脑与…有关的联系行为特征在自闭症患者中，比如语言能力、社会情感、重复或刻板的行为。他们证实，四个自闭症亚组也可以在一个单独的数据集中复制，并显示了区域基因表达和基因表达的差异蛋白质相互作用解释大脑和行为的差异。

“像许多神经精神病学诊断一样，患有自闭症谱系障碍经历许多不同类型的困难与社会互动沟通和重复行为。科学家们认为，可能有许多不同类型的自闭症谱系障碍，可能需要不同的治疗方法，但在如何定义它们方面没有达成共识。康纳·利斯顿医生她是威尔康奈尔医学院费尔家庭大脑和心理研究所的精神病学和神经科学副教授。“我们的工作强调了一种发现自闭症亚型的新方法，有朝一日可能会导致新的诊断和治疗方法。”

一个之前的研究由利斯顿博士和他的同事在自然医学2017年，使用类似的机器学习方法确定了四种生物学上不同的抑郁症亚型，随后的工作表明，这些亚型对各种抑郁症疗法的反应不同。

“如果你把抑郁症患者放在正确的组里，你就可以给他们分配最好的治疗，”主要作者阿曼达·布赫博士说，她是威尔康奈尔医学院精神病学神经科学博士后助理。

在这一成功的基础上，研究小组开始确定自闭症患者中是否存在类似的亚群，以及它们背后是否存在不同的基因途径。她解释说，自闭症是一种高度遗传性的疾病，与数百个基因有关，这些基因具有不同的表现形式和有限的治疗选择。为了研究这个问题，布赫博士开创了一种新的分析方法，将神经成像数据与基因表达数据和蛋白质组学相结合，将它们引入实验室，从而能够测试和发展关于自闭症亚群中风险变异如何相互作用的假设。

“开发自闭症治疗方法的障碍之一是诊断标准“是广泛的，因此适用于具有不同潜在生物学机制的庞大且表型不同的人群，”布赫博士说。“为了对自闭症患者进行个性化治疗，理解和瞄准这种生物多样性将是很重要的。当每个人都被视为相同，每个人都是独一无二的时候，很难确定最佳的治疗方法。”

布赫博士指出，直到最近，还没有足够多的自闭症患者功能性磁共振成像数据来进行大规模的机器学习研究。但是，儿童心理研究所(Child Mind Institute)自闭症中心研究主任阿德里亚娜·迪·马蒂诺(Adriana Di Martino)博士以及全国各地的其他同事创建并共享了一个大型数据集，为这项研究提供了所需的大型数据集。

“机器学习的新方法可以处理数千个基因，大脑的活动“差异和多种行为变化使这项研究成为可能，”共同资深作者洛根·格罗森尼克博士说，他是威尔康奈尔医学院精神病学神经科学助理教授，他开创了在自闭症和抑郁症研究中用于生物亚型的机器学习技术。

这些进步使研究小组能够在临床上识别出四组不同的自闭症患者。其中两组的语言智力高于平均水平。其中一组也有严重的社交缺陷，但重复行为较少，而另一组则有更多的重复行为，但社交障碍较少。处理视觉信息并帮助大脑识别最显著信息的大脑部分之间的连接在社交障碍更严重的亚组中异常活跃。同样的联系在重复性行为较多的一组中较弱。

“有趣的是，在大脑回路层面上，这两种亚型都有相似的大脑网络，但这些网络中的连接在相反的方向上是非典型的，”布赫博士说。布赫博士在利斯顿博士的实验室完成了威尔康奈尔医学科学研究生院的博士学位，现在在格罗森尼克博士的实验室工作。

另外两组有严重的社交障碍和重复行为，但在语言能力方面却截然相反。尽管有一些行为上的相似之处，研究人员在这两个亚组中发现了完全不同的大脑连接模式。

研究小组分析了解释每个亚组中存在的非典型大脑连接的基因表达，以更好地了解导致差异的原因，并发现许多基因先前与自闭症有关。他们还分析了与非典型大脑连接相关的蛋白质之间的网络相互作用，并寻找可能作为中枢的蛋白质。催产素是一种与积极的社会互动有关的蛋白质，在社交障碍较多但重复行为相对有限的个体亚组中是一种中心蛋白。Buch博士说，研究人员对使用鼻内催产素治疗自闭症患者进行了研究，结果好坏参半。她说，测试催产素疗法是否对这一亚组更有效将是一件有趣的事情。

格罗森尼克博士说:“你的治疗方法可能在自闭症患者的一个亚组中起作用，但在更大规模的试验中，这种好处就会消失，因为你没有注意到亚组。”

研究小组在第二个人类数据集上证实了他们的结果，发现了同样的四个子群体。作为对研究小组结果的最后验证，布赫博士对她开发的生物医学文献进行了无偏见的文本挖掘分析，分析显示，其他研究已经独立地将与自闭症相关的基因与与这些亚群相关的相同行为特征联系起来。

该团队下一步将在小鼠中研究这些亚组和潜在的亚组靶向治疗。与其他几个拥有大量人类数据集的研究团队的合作也在进行中。该团队还在努力进一步完善他们的机器学习技术。

“我们正试图让我们的机器学习更能感知集群，”格罗森尼克博士说。

与此同时，布赫博士说，他们从自闭症患者那里收到了令人鼓舞的反馈。一位患有自闭症的神经科学家在一次演讲后对布赫博士说，布赫的诊断令人困惑，因为他的自闭症与其他人非常不同，但布赫的数据有助于解释他的经历。

“被诊断患有一种亚型自闭症可能对他有帮助，”布赫博士说。