通过朊病毒样传播的可微分模拟实现 tau 蛋白扩增速率的空间分辨率绘图

神经退行性疾病表现出具有特征性但又异质性的病理传播模式，而其潜在决定因素仍不明确。一个核心挑战在于，基于神经影像数据推断空间异质性的传播动力学，构成了一个高维逆问题，而这一问题在全脑尺度上始终难以求解。在此，我们提出了一种可微分的反应—扩散框架，使得能够直接从 tau PET 数据中推断具有空间分辨率的 tau 扩增速率。通过整合 MRI 引导的前向模拟与误差反向传播，我们的方法重建了整个人脑范围内体素级的传播动力学。 推断得到的图谱揭示了具有结构性、非均一性的 tau 扩增模式，这些模式既表现出跨个体的一致性，也存在显著的个体间变异。此类模式不同于观测到的 tau 负荷，揭示了仅凭静态 tau PET 图谱无法显现的区域易感性。与转录组数据的整合进一步识别出与扩增区域差异相关的基因表达程序。这些发现提供了一个数据驱动的框架，将分子结构与神经退行性疾病中的大尺度传播动力学联系起来。

神经退行性疾病表现出具有特征性但又异质性的病理传播模式，其潜在决定因素仍不明确。一个核心挑战在于，从神经影像数据中推断空间异质性的传播动力学构成了一个高维逆问题，而这一问题在全脑尺度上始终难以求解。在此，我们提出了一种可微分的反应-扩散框架，能够直接基于 tau PET 数据推断具有空间分辨率的 tau 扩增速率。通过整合 MRI 引导的前向模拟与误差反向传播，我们的方法重建了整个人脑中体素水平的传播动力学。推断得到的图谱揭示了结构化且非均匀的 tau 扩增模式，同时表现出个体间的一致性和显著的个体间变异性。这些模式不同于观测到的 tau 负荷，揭示了仅凭静态 tau PET 图谱无法显现的区域易损性。与转录组数据的整合进一步识别出与扩增区域变异相关的基因表达程序。这些发现提供了一个数据驱动的框架，将分子结构与神经退行性疾病中的大尺度传播动力学联系起来。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.02.729568v1?rss=1

🏷️ tau蛋白传播 神经退行性疾病 反应-扩散模型 tau PET成像 空间分辨率绘图 可微分模拟