- 7 次围观
背景：精神分裂症（SZ）是一种异质性疾病，以阳性、阴性、认知及思维解组症状为特征，表型多样，病因尚不明确。多巴胺调节失衡是重复验证最充分的在体病理生理学发现。然而，越来越多的证据表明，该病存在大尺度脑连接改变及兴奋/抑制平衡紊乱。尽管量化这些改变有助于阐明SZ的神经生理机制并指导治疗，但在单个患者层面进行识别仍不切实际。这一点对于病理生理机制尚不明确的难治性精神分裂症（TRS）尤为重要。方法：采用虚拟脑建模，我们基于43名健康对照者和33名SZ患者的功能及结构磁共振成像（MRI）数据，模拟了大尺度脑动力学，并将患者分为TRS组和非TRS组。我们使用Wong-Wang模型推导出四个反映GABA能及NMDA受体介导的谷氨酸能传递的网络参数：全局耦合（G）、局部抑制性耦合（Ji）、局部兴奋性耦合（JNMDA）及递归兴奋（w+）。我们在全脑及静息态网络层面进行模拟，比较各组间的模型参数，并检验其与阳性与阴性症状量表（PANSS）评分的关联。结果：与非TRS患者相比，TRS患者在全脑层面表现为JNMDA升高、w+降低；在背侧注意网络中表现为JNMDA和G升高；在边缘网络中表现为G降低；在视觉网络中表现为w+升高。此外，默认模式网络中的Ji可预测阴性症状的严重程度，而边缘网络及腹侧注意网络中的JNMDA可预测PANSS总分及思维解组症状。结论：这些发现提示，TRS具有网络特异性兴奋/抑制特征的改变，并支持采用个性化多尺度建模来识别症状生物标志物。
虚拟脑建模揭示精神分裂症中改变的网络动力学并预测症状严重程度：与抗精神病药物治疗反应及耐药性的关联。| bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
虚拟脑建模揭示精神分裂症中改变的网络动力学并预测症状严重程度：与抗精神病药物治疗反应及耐药性的关联。
Matteo
Vitacca
，
Doris
Pischedda
，
Mariateresa
Ciccarelli
，
Giuseppe
Pontillo
，
Giuseppe
De Simone
，
Sirio
Cocozza
，
Filip
Cipranic
，
Anita
Monteverdi
，
Paolo
Fusar-Poli
，
Claudia Angela Michela
Gandini Wheeler-Kingshott
，
Fulvia
Palesi
，
Andrea
de Bartolomeis
，
Egidio
D'Angelo
doi：
https://doi.org/10.64898/2026.10.13.758782
Matteo Vitacca
1
帕维亚大学；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Doris Pischedda
1
帕维亚大学；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Mariateresa Ciccarelli
2
意大利那不勒斯费德里科二世大学神经科学、生殖与口腔颌面科学系——精神病学部——难治性精神病诊疗单元——分子与转化精神病学实验室；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Giuseppe Pontillo
3
意大利那不勒斯费德里科二世大学高等生物医学科学系；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Giuseppe De Simone
2
精神病学部——难治性精神病诊疗单元——分子与转化精神病学实验室——神经科学、生殖与
意大利那不勒斯费德里科二世大学口腔颌面科学系；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Sirio Cocozza
4
意大利那不勒斯费德里科二世大学医院；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Filip Cipranic
1
帕维亚大学；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Anita Monteverdi
5
意大利帕维亚 IRCCS Mondino 基金会数字神经科学中心；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Paolo Fusar-Poli
6
英国伦敦伦敦国王学院精神病学、心理学与神经科学研究所精神病研究系早期精神病干预与临床识别（EPIC）实验室；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Claudia Angela Michela Gandini Wheeler-Kingshott
7
英国伦敦伦敦大学学院（UCL）皇后广场神经病学研究所神经炎症系皇后广场多发性硬化中心核磁共振研究室
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Fulvia Palesi
1
帕维亚大学；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Andrea de Bartolomeis
2
意大利那不勒斯费德里科二世大学神经科学、生殖与口腔颌面科学系精神病学科难治性精神病治疗单元分子与转化精神病学实验室；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Egidio
D'Angelo
1
帕维亚大学；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
通信联系方式：
egidiougo.dangelo{at}unipv.it
摘要
信息/历史
指标
预览 PDF
摘要
背景：精神分裂症（SZ）是一种异质性障碍，以阳性、阴性、认知及思维行为紊乱症状为特征，表型多样，病因尚不明确。多巴胺调节异常是重复验证最充分的在体病理生理学发现。然而，越来越多的证据表明，精神分裂症存在大尺度脑连接改变及兴奋/抑制平衡紊乱。尽管量化这些改变有助于阐明精神分裂症的神经生理机制并指导治疗，但在单个患者层面进行识别仍不切实际。这一点对于病理生理机制尚不明确的难治性精神分裂症（TRS）尤为重要。
方法：采用虚拟脑建模，基于43名健康对照者和33名精神分裂症患者的功能及结构磁共振成像（MRI）数据，模拟大尺度脑动力学，并将患者分为TRS组和非TRS组。我们使用Wong-Wang模型推导出四个反映GABA能及NMDA受体介导的谷氨酸能传递的网络参数：全局耦合（G）、局部抑制性耦合（Ji）、局部兴奋性耦合（JNMDA）及递归兴奋（w+）。我们在全脑及静息态网络层面进行模拟，比较各组间的模型参数，并检验这些参数与阳性和阴性症状量表（PANSS）评分的关联。
结果：与非TRS患者相比，TRS患者在全脑层面的JNMDA升高、w+降低，在背侧注意网络中的JNMDA和G升高，在边缘网络中的G降低，在视觉网络中的w+升高。此外，默认模式网络中的Ji
网络可预测阴性症状的严重程度，而边缘网络和腹侧注意网络中的 JNMDA 可预测阳性与阴性症状量表（PANSS）总分及思维紊乱程度。
结论：这些发现表明，难治性精神分裂症（TRS）的特征是兴奋/抑制特征谱存在网络特异性改变，并支持使用个体化多尺度建模来识别症状生物标志物。
利益冲突声明
作者声明不存在利益冲突。
版权
本预印本的版权持有人为作者/资助方，其已授予 bioRxiv 永久展示本预印本的许可。
本预印本依据以下许可协议提供：
知识共享署名 4.0 国际许可协议（CC-BY 4.0）
。
返回顶部
上一篇
发布于2026年10月14日。
下载 PDF
电子邮件
感谢您有意传播 bioRxiv 上的内容。
注意：索取您的电子邮件地址仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请输入多个电子邮件地址，每行一个，或用逗号分隔。
您将通过电子邮件发送以下内容
虚拟脑建模揭示精神分裂症中改变的网络动力学并预测症状严重程度：与抗精神病药物治疗反应及治疗抵抗的相关性。
邮件主题
（您的姓名）从 bioRxiv 向您转发了一个页面
邮件正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于验证您是否为真人访问者，并防止自动提交垃圾信息。
分享
虚拟脑建模揭示精神分裂症中改变的网络动力学并预测症状严重程度：与抗精神病药物治疗反应及治疗抵抗的相关性。
Matteo
Vitacca
,
Doris
Pischedda
,
Mariateresa
Ciccarelli
,
Giuseppe
Pontillo
,
Giuseppe
De Simone
,
Sirio
Cocozza
,
Filip
Cipranic
,
Anita
Monteverdi
，
Paolo
Fusar-Poli
，
Claudia Angela Michela
Gandini Wheeler-Kingshott
，
Fulvia
Palesi
，
Andrea
de Bartolomeis
，
Egidio
D'Angelo
bioRxiv
2026.10.13.758782；
doi：
https://doi.org/10.64898/2026.10.13.758782
分享本文：
复制
引文工具
虚拟脑建模揭示精神分裂症中异常的网络动力学并预测症状严重程度：与抗精神病药物治疗反应及治疗抵抗的相关性。
Matteo
Vitacca
，
Doris
Pischedda
，
Mariateresa
Ciccarelli
，
Giuseppe
Pontillo
，
Giuseppe
De Simone
，
Sirio
Cocozza
，
Filip
Cipranic
，
Anita
Monteverdi
，
Paolo
Fusar-Poli
，
Claudia Angela Michela
Gandini Wheeler-Kingshott
，
Fulvia
Palesi
，
Andrea
de Bartolomeis
，
Egidio
D'Angelo
bioRxiv
2026.10.13.758782；
doi：
https://doi.org/10.64898/2026.10.13.758782
文献管理软件格式
BibTeX
Bookends
EasyBib
EndNote（带标签格式）
EndNote 8（XML格式）
Medlars
Mendeley
Papers
RefWorks 标签格式
Ref Manager
RIS
Zotero
推文小组件
Facebook 点赞
Google Plus +1
学科领域
所有文章
动物行为与认知
(8128)
生物化学
(18962)
生物工程
(15108)
生物信息学
(45048)
生物物理学
(22882)
肿瘤生物学
(19996)
细胞生物学
(27205)
临床试验
(138)
发育生物学
(14097)
生态学
(21310)
流行病学
(2067)
进化生物学
(25691)
遗传学
(16288)
基因组学
(23739)
免疫学
(18928)
微生物学
(43032)
分子生物学
(18247)
神经科学
(94607)
古生物学
(709)
病理学
(3017)
药理学与毒理学
(5157)
生理学
(8227)
植物生物学
(16181)
科学传播与教育
(2111)
合成生物学
(4618)
系统生物学
(10342)
动物学
(2412)
关键词：精神分裂症 · 虚拟脑建模 · 脑网络动力学 · 兴奋抑制平衡 · 治疗抵抗 · 症状预测
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.13.758782v1?rss=1