摘要：一项涉及全球超过5万名参与者的大规模国际研究首次揭示了重度抑郁症遗传风险与大脑结构变化之间的直接关联。来自爱丁堡大学、墨尔本大学和阿姆斯特丹自由大学等机构的研究团队发现，即使在临床症状出现之前，抑郁症的遗传易感性就已经在大脑中留下了可测量的"印记"。这些发现不

信息来源：https://medicalxpress.com/news/2025-08-people-brain-linked-genetic-major.html

一项涉及全球超过5万名参与者的大规模国际研究首次揭示了重度抑郁症遗传风险与大脑结构变化之间的直接关联。来自爱丁堡大学、墨尔本大学和阿姆斯特丹自由大学等机构的研究团队发现，即使在临床症状出现之前，抑郁症的遗传易感性就已经在大脑中留下了可测量的"印记"。这些发现不仅为理解抑郁症的神经生物学基础提供了新视角，更为早期识别高危个体和制定个性化治疗策略开辟了崭新路径。

研究团队通过分析来自11项独立研究的海量遗传和神经影像数据，发现具有较高抑郁症多基因风险评分的个体在多个关键脑区表现出显著的结构性差异。这些差异主要体现为颅内容积减小、皮质表面积缩小，以及海马体、丘脑和苍白球等深部脑结构体积的减少。令人惊讶的是，这种遗传风险与脑结构的关联模式在25岁以下的年轻人群中同样存在，暗示着大脑结构的这些差异可能在生命早期就已经确立。

多基因风险评分揭示疾病易感性

多基因风险评分代表了现代精神医学研究的重要进展，它能够量化个体对复杂疾病的遗传易感性。与由单一基因缺陷导致的孟德尔遗传病不同，重度抑郁症等精神疾病涉及成百上千个基因变异的微小累积效应。每个变异单独看来影响微乎其微，但它们的总体效应却能够显著影响个体的患病风险。

神经影像学指标测试。MD PRS 与脑结构指标之间的关联性通过三层级结构测试进行检验。第一层级包含整体指标；第二层级包含脑叶结构指标（皮质厚度和表面积）或整个皮质下结构；第三层级包含每个脑区的区域指标（皮质厚度、表面积和皮质下体积）。来源：Molecular Psychiatry (2025)。DOI：10.1038/s41380-025-03136-4

在这项研究中，科学家们采用了严格的遗传学方法来计算多基因风险评分，特别注意避免训练样本和测试样本之间的重叠，这种重叠可能导致研究结果的人为夸大。通过对50975名参与者的基因组数据进行分析，研究团队能够为每个个体计算出一个综合的抑郁症遗传风险指数。

研究的首席作者薛义申博士解释说："我们开发了高度一致的遗传和神经影像学分析方案，并将其应用于所有参与研究，同时采用严格的遗传学方法，以确保我们的发现具有可靠性和可重复性。"这种标准化的方法学确保了来自不同研究中心和人群的数据能够进行有意义的整合分析。

大脑结构的系统性变化模式

研究发现的脑结构变化模式具有高度的系统性和一致性。在皮质层面，抑郁症遗传风险较高的个体表现出整体皮质表面积的减少，其中额叶区域的变化最为显著，特别是左侧内侧眶额回。这一脑区在情绪调节、决策制定和社会认知等方面发挥重要作用，其结构异常可能与抑郁症的核心症状直接相关。

在皮质下结构方面，研究确定了三个关键区域的体积减小：海马体、丘脑和苍白球。海马体是大脑中负责记忆形成和情绪处理的核心结构，其体积减小是抑郁症患者最一致的神经影像学发现之一。丘脑作为大脑的"中继站",负责处理和传递各种感觉信息，其功能异常可能导致抑郁症患者常见的认知症状。苍白球作为基底神经节的重要组成部分，参与运动控制和奖赏处理,其结构变化可能与抑郁症的运动迟缓和快感缺失症状相关。

特别值得注意的是，研究通过孟德尔随机化分析方法进一步探讨了因果关系问题。这种统计学方法利用遗传变异作为"自然实验"来推断因果关系,结果显示左侧海马体体积较小与更高的抑郁症风险之间存在潜在的因果关系。

年龄因素与发展轨迹

研究的一个重要发现是，遗传风险与脑结构的关联模式在不同年龄组中都存在，但在年轻人群中的效应相对较小。25岁以下的个体虽然也表现出相同的脑结构差异模式,但这些差异的幅度不如成年人群明显。这一发现提示了几种可能的解释机制。

首先，这可能反映了大脑结构差异是在发育过程中逐渐积累的。虽然遗传因素在出生时就已经确定,但它们对大脑结构的影响可能需要时间才能充分显现。其次,环境因素与遗传易感性的交互作用可能随着年龄增长而增强,导致脑结构差异在成年后变得更加显著。

这种年龄相关的模式对于理解抑郁症的发病机制具有重要意义。它暗示着遗传风险可能通过影响大脑的正常发育轨迹来增加个体对抑郁症的易感性,而不是简单地在某个特定时间点"激活"疾病过程。

临床转化的前景与挑战

这项研究的发现为抑郁症的早期识别和干预开辟了新的可能性。通过结合遗传信息和脑影像数据,临床医生未来可能能够更准确地识别高风险个体,并在症状出现之前就开始预防性干预。这种"精准医学"方法有望显著改善抑郁症的预后和治疗效果。

然而,将这些研究发现转化为临床应用仍面临诸多挑战。首先,脑影像检查的成本和复杂性限制了其作为常规筛查工具的可行性。其次,遗传风险评分虽然在群体层面具有预测价值,但对于个体而言,其预测准确性仍有待提高。此外,如何将遗传和神经影像信息整合到现有的临床决策框架中,也需要进一步的研究和验证。

研究团队强调,这些发现代表了广泛国际合作能够显著推进精神疾病神经遗传学理解的典型例子。通过整合来自不同国家和人群的数据,研究者们能够识别出在单一研究中可能无法检测到的微小但一致的效应。

未来研究方向

这项研究为未来的抑郁症研究奠定了重要基础,但同时也提出了新的科学问题。研究者们计划进一步探索遗传风险如何通过影响大脑发育来增加抑郁症易感性的具体机制。此外,他们还希望研究环境因素如何与遗传易感性相互作用,以及这种交互作用如何在大脑结构层面得到体现。

另一个重要的研究方向是探索这些脑结构差异是否可以作为治疗反应的预测因子。如果特定的脑结构模式能够预测患者对不同治疗方法的反应,这将为个性化治疗策略的制定提供重要依据。

随着技术的不断进步和数据集规模的持续扩大,研究者们有望发现更多与抑郁症遗传风险相关的神经生物学标记物。这些发现不仅将深化我们对抑郁症病理机制的理解,更将为开发更有效的预防和治疗策略提供科学基础。

来源：人工智能学家