本文为北京师范大学夏明睿教授一作、北京师范大学/中国脑研究院贺永教授通讯作者联合多中心合作团队发表于Molecular Psychiatry 的工作，题为“Connectome gradient dysfunction in major depression and its association with gene expression profiles and treatment outcomes”。DOI：10.1038/s41380-022-01519-5。

Abstract

重度抑郁症（MDD）患者同时存在感觉处理和高级认知处理功能受损。连接组研究显示，脑功能网络中存在一个主要的初级感觉区到跨模态区的梯度，支持从感觉到认知的整个谱系功能。然而，这一梯度结构是否在MDD患者中被破坏，这种破坏如何与基因表达谱及治疗结果相关联，目前尚不清楚。本研究利用来自9个中心招募的2227名参与者（1148名MDD患者和1079名健康对照）的静息态fMRI大样本数据，研究了MDD患者主连接组梯度的相关改变。我们进一步利用Neurosynth数据库、死后脑组织基因表达数据以及一项为期8周的抗抑郁治疗研究数据（20名MDD患者），分别评估了与MDD梯度改变相关的元分析认知功能、转录谱和治疗结果。与对照组相比，MDD患者在初级感觉区到跨模态区的主梯度上表现出全脑范围的拓扑结构改变，包括解释比率、梯度范围和梯度变异性的降低（Cohen d = 0.16-0.21），并且局灶改变主要在初级感觉系统和跨模态系统中（d = 0.18-0.25）。这些梯度改变与涉及感觉处理和高级认知功能的元分析术语显著相关。转录谱解释了53.9%的梯度改变模式变异，其中相关性最高的基因富集于跨突触信号传导和钙离子结合功能。患者的基线梯度图能够显著预测治疗后的症状改善程度。这些结果凸显了MDD中连接组梯度功能障碍及其与基因表达谱和临床管理的联系，为理解该疾病的神经生物学基础以及寻找治疗评估的潜在生物标志物提供了新见解。

Introduction

重度抑郁（MDD）是全球范围内最常见且最具疾病负担的精神障碍之一。除情绪低落、兴趣丧失、疲劳等临床症状外，神经心理学研究表明MDD患者存在低阶感觉处理（如视觉处理和疼痛感知）缺陷，以及高阶认知功能（如记忆、社会互动与推理能力）受损。尽管已有大量研究报道MDD患者大脑结构与功能的广泛异常及治疗效应，但其感觉-认知缺陷背后的神经生物学机制仍有待阐明。

层级架构是大脑的基本组织原则之一，支撑着从感知到认知的信息编码与整合过程。基于静息态功能磁共振成像（R-fMRI）与梯度分解框架，研究者可将脑功能网络分解为不同梯度成分以解析连接组拓扑结构。这种梯度方法能沿连续谱呈现脑区间连接模式的相对差异。在健康成年人群中，主梯度轴贯穿初级感觉网络至跨模态默认模式网络（DMN），这与尸脑研究中观察到的突触层级分布特征相符。该空间模式同时捕捉了从感知到抽象认知的功能激活谱，并与皮质髓磷脂含量图具有空间相似性]。虽然已有众多R-fMRI研究揭示MDD患者初级感觉系统和跨模态系统的功能活动及连接改变，但尚未有研究探讨此类临床人群的功能连接组主梯度轴（从初级感觉到跨模态网络）是否及如何发生紊乱，亦未明确这种紊乱能否为治疗结局预测提供有价值的信息。对MDD患者主连接组梯度的表征研究，可深化对层级网络机制的理解，从而阐释MDD患者感觉与认知障碍共存的神经基础，并为该疾病的治疗评估提供潜在生物标志物。

多项研究表明MDD是一种具有中等遗传度的疾病。全基因组关联研究已发现多个与MDD相关的基因风险变异，其中部分基因在前突触分化与神经炎症等生物功能中发挥关键作用。近年来，转录组-连接组关联研究为弥合微观转录组图谱与宏观脑网络之间的鸿沟提供了重要契机。具体而言，连接组的功能架构与涉及离子通道活性和氧化代谢的基因表达谱存在关联。因此，若MDD患者在大尺度连接组梯度上存在紊乱，这些异常现象可能与转录组特征相关。阐明这种关联将深化我们对MDD连接组梯度功能障碍背后分子遗传机制的理解。

为填补这些研究空白，我们利用包含2227名受试者的多中心R-fMRI大数据及死后脑基因表达数据，系统探究MDD的功能连接组梯度特征，并建立其与转录组谱及治疗结局的关联。具体研究假设为：（I）MDD患者在整体梯度拓扑结构及初级-跨模态系统的局部梯度评分中均存在主要初级-跨模态梯度紊乱；（II）连接组梯度中MDD相关改变脑区与涉及多功能域的元分析图谱存在关联，且其对应基因表达谱在特定生物过程（如突触相关功能）中呈现富集特征；（III）MDD患者的连接组梯度特征可预测抗抑郁治疗后的临床结局。

Materials and Methods

Imaging dataset and preprocessing

我们使用了两个经过严格质量控制的影像数据集。数据集1通过"疾病影像数据归档平台—重度抑郁症工作组（DIDA-MDD）"从九个研究中心招募了1148名MDD患者和1079名对照组参与者（Table 1）。数据集2包含从北京大学第六医院招募的20名首发未用药患者（Supplementary Table 1）。数据集2中的每位患者均接受为期8周的艾司西酞普兰（一种选择性5-羟色胺再摄取抑制剂类抗抑郁药）治疗，并记录了治疗结果。所有参与者均由经验丰富的精神科医师通过结构化临床访谈进行诊断。患者符合《精神疾病诊断与统计手册（第四版）》（DSM-IV）中关于MDD的诊断标准，且不符合其他任何轴I精神障碍或当前物质使用障碍的诊断标准。抑郁严重程度采用汉密尔顿抑郁量表（HDRS）进行评估。对照组参与者当前及既往均无轴I精神障碍病史。本研究已获得各研究中心伦理委员会批准，所有参与者均签署书面知情同意书。每位参与者的R-fMRI数据均使用3.0-T磁共振扫描仪采集（Supplementary Table 2），并采用我们前期研究中描述的标准流程进行预处理。

Gene expression dataset and preprocessing

基于微阵列的基因表达数据下载自艾伦人脑图谱（AHBA）。该数据集的脑组织样本采集自六位成年捐赠者（平均年龄42.5岁，女性1位，Supplementary Table 3）。鉴于皮质与皮质下区域存在显著的转录差异，本研究针对皮质区域进行基因表达分析。参照标准化流程对基因表达微阵列数据进行预处理，包括：将样本映射至包含360个分区的皮质图谱、探针重注释与筛选，以及跨捐赠者的数据归一化处理。

Connectome gradient analysis

针对每个个体，首先构建基于体素的功能网络（18933个节点），随后应用扩散映射嵌入方法计算连接组梯度。具体流程包括：保留每个节点前10%的连接强度，计算节点对间的余弦相似度，将相似度矩阵转换为归一化角度矩阵以避免负值。通过扩散映射嵌入提取能够解释功能连接组连接模式变异性的梯度成分，并采用迭代普氏旋转法实现个体间梯度图谱对齐。考虑到主感知-跨模态梯度与神经微结构及认知功能密切相关，本研究主要关注该梯度在MDD中的改变。计算了梯度解释率、跨度及变异度三项全局指标，并使用ComBat方法校正梯度图谱及指标的扫描站点效应。通过以年龄和性别为协变量的广义线性模型评估连接组梯度的病例-对照组差异，并建立交互模型进一步检验性别对组间梯度差异的影响。全局梯度指标的统计学显著性阈值设为P < 0.05。区域梯度图谱的体素水平阈值设为P < 0.001，再经高斯随机场法进行团块水平校正（P < 0.05）。

Association between the functional network topology and connectome gradients in MDD

我们进一步研究了MDD相关连接组梯度改变与网络拓扑变化之间的关联。具体而言，我们计算了每位参与者在上述全脑网络中的聚类系数（Cp）与特征最短路径长度（Lp）。值得注意的是，Cp和Lp分别用于量化大脑网络的分隔与整合能力。在控制年龄和性别因素后，我们采用广义线性模型评估了Cp和Lp的组间差异。对于呈现显著组间差异的网络指标，我们进一步分析了其与全局梯度指标的跨被试相关性。

Association analysis between meta-analytic cognitive terms and MDD-related gradient alterations

我们使用Neurosynth平台来探究元分析认知术语与抑郁症相关梯度改变之间的关联。首先将组间区域梯度评分比较得到的阈值化Z图划分为抑郁症阳性图（即MDD>对照组）和抑郁症阴性图（即MDD<对照组）。通过Neurosynth的"解码器"功能，我们分析了这些抑郁症阳性/阴性图与数据库中各术语元分析图之间的空间相关性。相关系数的显著性通过考虑空间自相关校正的置换检验进行判定。

Association analysis between gene expression and MDDrelated gradient alterations

我们采用偏最小二乘(PLS)回归分析探索转录组特征与主梯度图组间差异的关联。首先将基因表达数据（10027个基因）与主梯度组间差异Z图对齐到皮质分区图谱。将基因表达数据设为预测变量，主梯度组间差异Z图设为响应变量。通过空间自相关校正的置换检验，判断PLS成分的R²是否显著高于随机水平。对每个显著成分，采用bootstrapping法校正各基因权重的估计误差，根据校正后权重对基因排序（权重代表对PLS回归成分的贡献度）。在基因富集分析中同时纳入降序与升序序列，使用GOrilla工具识别富集的基因本体术语，涵盖生物过程、分子功能和细胞组分三大类别。显著性富集设定为Benjamini-Hochberg错误发现率(FDR)校正后的q值<0.05。我们还验证了性别和半球效应对此连接组-转录组关联分析的影响。

为深入验证先前基因研究中发现的抑郁症相关基因是否在PLS模型中比其他疾病相关基因贡献更显著，我们分析了AHBA原位杂交基因表达数据中的疾病相关基因。从基因列表中筛选出既往报道的MDD相关基因及其他六种脑疾病相关基因，通过置换检验比较抑郁症基因与其他疾病基因的PLS权重差异。此外，我们计算了每个基因表达谱与主梯度组间差异Z图的相关性，并采用置换检验比较MDD与其他疾病间显著相关基因比例的差异。

Effects of clinical factors

为探究临床因素对连接组梯度的影响，我们依据患者临床信息将其划分为多组配对亚组进行对比分析，包括：早发年龄（≤21岁与＞21岁患者分组，该阈值与DSM-IV文本修订版对单相抑郁障碍早发的定义及既往研究一致]；另采用18岁阈值进行验证分析）、首发与复发患者、药物治疗与未治疗患者。采用广义线性模型（GLM）比较各配对亚群间的梯度指标差异，并通过控制年龄与性别的偏相关分析探讨梯度指标与汉密尔顿抑郁量表（HDRS）评分的关系。

Prediction of treatment outcome

采用支持向量回归（SVR）模型评估连接组梯度对患者治疗反应（即HDRS评分变化）的预测能力。以基线期主梯度图谱作为预测特征，通过嵌入式5折交叉验证与置换检验进行模型验证。为对比分析，同时评估了功能连接强度（FCS，即各体素连接总和）图谱对治疗反应的预测效能。

Validation analysis

通过六项潜在影响因素验证研究结果的稳健性，包括：特定扫描站点、年龄、相关矩阵的Fisher's r-to-z转换、头动参数、不同梯度配准方法及非参数置换检验。采用Jaccard指数评估各验证结果与主要发现之间的相似性。

Results

主梯度（初级-跨模态梯度）解释的总连接变异比例为11.9 ± 3.1%（MDD组：11.7 ± 3.2%；HC组：12.1 ± 3.0%；见 Supplementary Fig. 1）。该梯度沿从初级视觉/感觉运动网络到默认模式网络的渐进轴组织（Fig. 1a），这复制了近期在健康成年人中观察到的从初级皮层到跨模态皮层的连接组梯度研究结果。MDD组与HC组的组平均主梯度图空间模式高度相似（Spearman's ρ = 0.999，P < 0.0001，经空间自相关校正的置换检验，Supplementary Fig. 2）。直方图目视检查显示，相对于对照组范围，MDD组的初级-跨模态梯度两端出现收缩（Fig. 1b）。

具体而言，针对每个网络系统，我们通过跨体素的配对t检验，比较了MDD组与对照组组平均图之间的梯度分数。与HC组相比，MDD组在视觉网络和感觉运动网络中具有更高的梯度分数，但在其他子网络中分数较低（FDR校正 q < 0.05，Fig. 1c和 Supplementary Table 1）。

Fig. 1 Connectome gradient mapping in patients with MDD and controls. a The principal gradient was organized along a gradual axis from the primary visual/sensorimotor networks to the default mode network. Surface rendering was generated using BrainNet Viewer with the inflated cortical 32 K surface. b Global and c system-based histograms showing that the extreme values were contracted in the patients with MDD relative to those in the healthy controls. Arrows in c indicate the direction of the significant differences between the MDD patients and controls. The whole-brain voxels were assigned to eight systems according to a 7-system cortical parcellation and a subcortical system of the AAL atlas. VIS visual network, SMN sensorimotor network, DAN dorsal attention network,VAN ventral attention network, SUB subcortical regions, LIB limbic network, FPN frontoparietal network, DMN default mode network.

Supplementary Fig. 2 Spatial correlations of the group-averaged gradient maps between the control and MDD groups. Each dot represents a brain voxel. The spatial patterns of the group-averaged gradient maps were remarkably similar between the MDD and control groups, with Spearman’s ρ = 0.999, 0.998, and 0.998 for Gradients 1, 2, and 3, respectively (all P < 0.0001). These correlations were corrected for spatial autocorrelations by using a permutation test (N = 10,000).

Alterations in connectome gradients in MDD

组间统计比较显示，MDD组的初级-跨模态梯度所解释的功能连接组变异比例低于HC组（Cohen's d = -0.16, P = 0.0002，Fig. 2a 和Supplementary Table 5）。此外，与HC相比，MDD患者表现出更窄的梯度分数范围（d = -0.21，P = 0.0000008）和更低的空间变异（d = -0.20，P = 0.000002）（Fig. 2a和Supplementary Table 5）。在区域层面，与HC组相比，MDD组的梯度分数主要在默认模式网络中较低（76.6%），而主要在视觉网络（59.2%）和感觉运动网络（40.1%）中较高（绝对 d = 0.18–0.25，体素水平 P < 0.001，GRF校正 P < 0.05，Fig. 2b, Supplementary Table 6）。在全局或局部梯度指标上均未观察到显著的性别-组别交互效应。第二和第三梯度的结果见 Supplementary Figs. 3-4 和 Supplementary Tables 5-8。

Fig. 2 Statistical comparison of the gradient metrics. a Case-control differences in the global metrics of the principal gradient. b Voxelwise statistical comparisons between the healthy controls and patients with MDD and distribution of the regional case-control difference in different systems. Higher/lower values in MDD are presented as warm/cold colors. The statistical significance level was set as voxel-level P < 0.001 and Gaussian random field cluster level-corrected P < 0.05. c Case-control differences in the clustering coefficient (Cp) and correlations between the Cp and global metrics of the principal gradient across all patients. d Word clouds of cognitive functions associated with brain regions that exhibited higher (red) or lower (blue) gradient scores in MDD. The font size of a given cognitive term corresponds to the correlation coefficient (r) of the between-group Z-map of the principal gradient and meta-analytic map of that term generated by Neurosynth. The boxes below the word clouds indicate the correspondence between the font size and the correlation coefficient. All correlations are significant (FDR q < 0.05). ***P < 0.001. VIS visual network, SMN sensorimotor network, DAN dorsal attention network, VAN ventral attention network, SUB subcortical regions, LIB limbic network, FPN frontoparietal network, DMN default mode network.

Supplementary Fig. 3 Connectome gradient mapping in patients with MDD and controls. a The second gradient extended between the default mode and the ventral attention networks. b The third gradient separated the sensorimotor from the visual networks. The global and system-based histograms show that the extreme values in the patients with MDD were contracted relative to those in the controls in both gradients. Surface rendering was generated using BrainNet Viewer  with the inflated cortical 32K surface. VIS, visual network; SMN, sensorimotor network; DAN, dorsal attention network; VAN, ventral attention network; SUB, subcortical regions; LIB, limbic network; FPN, frontoparietal network; DMN, default mode network.

Supplementary Fig. 4 Statistical comparison of the second and third gradients between the MDD and control groups. a Case-control differences in the global gradient metrics. *, P < 0.05; ***, P < 0.001; n.s., not significant. b Case-control differences in the regional gradient scores, with higher/lower values in MDD presented as warm/cold colors. The significance level was set as voxel-level P < 0.001 and Gaussian random field cluster level-corrected P < 0.05. c Word clouds of cognitive functions associated with brain regions that exhibited higher (red) or lower (blue) gradient scores in MDD. The font size of the cognitive terms corresponds to the correlation coefficients (r) of the corresponding meta-analytic maps generated by Neurosynth.

Correlation between connectome gradients and network topology in MDD

MDD患者表现出比HC更低的聚类系数Cp（d = -0.14，P = 0.0008），表明MDD患者脑网络的功能分离度较低。此外，在MDD个体中，Cp与主梯度的全局指标相关（解释比率：r = 0.336，P < 0.001；梯度范围：r = 0.257，P < 0.001；空间方差：r = 0.356，P < 0.001，Fig.2c）。

Correlation between connectome gradients and network topology in MDD

MDD中主要梯度分数较高的脑区，与多项元分析认知术语相关，这些术语主要涉及感觉与知觉加工过程，例如视觉、感觉及视听加工（Fig.2d）。而主要梯度分数较低的脑区，则与记忆、社交互动、推理等高级认知术语相关（Fig.2d）。详细信息请参见 Supplementary Tables 9–11。

Gene expression profiles related to gradient alterations in MDD

PLS回归的前两个成分解释了MDD相关主要梯度变异的51.7%（成分1：P < 0.0001；成分2：P = 0.0037，经空间自相关校正的置换检验，Supplementary Fig. 5）。成分1代表一种转录表达模式，其特征为在后顶叶‑枕叶区域表达较高，而在前额叶区域表达较低（Fig. 3a）。成分2揭示的基因表达模式主要表现为在感觉运动区、视觉皮层及颞叶皮层表达较高，而在额顶叶皮层表达较低（Fig. 3b）。这两个成分的区域分布图与“初级‑跨模态”梯度的Z图谱呈正相关（成分1：r = 0.574, P< 0.0001；成分2：r = 0.456, P < 0.0001，经空间自相关校正的置换检验，Fig. 3a-b）。基因本体富集分析显示，按成分1权重升序排列的基因，在涉及跨突触信号传递的生物学过程及钙离子结合的分子功能方面显著富集（FDR校正 q < 0.05，Fig. 3c 和 Supplementary Table 12）。未观察到显著的细胞组分富集。在单独分析男性参与者或左半脑时，大多数功能条目仍保持显著（Supplementary Table 13-14）。按成分2权重排序的基因未显示显著富集。此外，来自原位杂交（ISH）数据集的MDD相关基因，其PLS权重显著高于其他疾病相关基因（除自闭症外，所有P < 0.05，Fig. 3d）。在MDD相关基因中，67%（12个中的8个）的表达模式与“初级‑跨模态”梯度的组间Z图谱相关（Supplementary Table15）。这一比例高于所有其他疾病类别（所有P < 0.0004，Fig. 3e）。

Fig. 3 Association between MDD-related gradient alterations and gene expression. a The first PLS component (PLS 1) identified a gene expression profile with high expression mainly in the posterior parietal-occipital areas but low expression in the prefrontal areas. The transcriptional profiles were positively correlated with the between-group Z-map of the principal gradient (permutation tests with spatial autocorrelation corrected, 10,000 times). The shadow indicates the 95% confidence intervals. Each dot represents a region. b The second PLS component (PLS 2) revealed a gene expression profile with high expression mainly in the sensorimotor, visual, and temporal cortices but low expression in the frontoparietal cortices. The transcriptional profiles were positively correlated with the between-group Z-map of the principal gradient. c Genes ranked in ascending order of the PLS 1 weight were enriched in the biological process of transsynaptic signaling and molecular function of calcium ion binding (FDR q < 0.05). d The PLS weight of predefined genes related to different disorders based on the in situ hybridization (ISH) gene list provided by the AHBA. The asterisk indicates a significant difference between MDD and a specific disorder. **P < 0.01; *P < 0.05. e The percentage of disorder-related genes showing significant correlations between the expression profile and the between-group Z-map of the principal gradient. AD Alzheimer’s disease, ASD autism, EP epilepsy, ID intellectual disability, PD Parkinson’s disease, SCZ schizophrenia.

Clinical relations to connectome gradients in MDD

在主要初级-超模态梯度上，青少年期发病患者（≤21岁，N=300）相比21岁以上发病患者（N=292），表现出更窄的梯度范围（d = 0.29, P = 0.0006）和更小的区域变异（d = 0.19, P = 0.018）（Fig. 4a）。使用18岁作为分界年龄进行验证，也得到了可重复的结果（Supplementary Table 16）。在用药与未用药患者之间，以及首次发作与复发患者之间，主要梯度的拓扑特征无显著差异（Supplementary Table 16）。基于体素的比较显示，这些临床分类组别在主要梯度的区域得分上没有显著差异。在所有患者中，初级梯度范围与HDRS评分相关（r = 0.080, P = 0.009，Fig.4b）。

Treatment outcome prediction of connectome gradients in MDD

患者基线时的主要梯度图能显著预测其经过8周抗抑郁治疗后的HDRS变化（r = 0.652, P < 0.001，单尾置换检验，Fig.4c）。贡献最大的特征位于默认模式网络（DMN，占SVR总特征权重的26.4%）、感觉运动网络（SMN，15.3%）和额顶网络（FPN，15.2%）（Fig.4d）。相比之下，患者基线时的FCS图不能预测其HDRS变化（r = -0.385, P = 0.902，单尾置换检验）。

Fig. 4 Clinical effects on the gradient topography and prediction of treatment outcomes in patients with MDD. a Group differences in the range and variance of the principal gradient between the patients with an onset age ≤ 21 years and those with an onset age > 21 years. ***P < 0.001; *P < 0.05. b The correlation between the range of the principal gradient and the HDRS across all patients. c Scatter plot presents the correlation between the observed HDRS change after 8-week antidepressant treatment and the predicted HDRS change derived from the SVR analysis (permutation-tests; P < 0.001). Each dot represents the data from one patient, and the dashes indicate the 95% prediction error bounds. d The absolute summed weights in 5-fold cross-validation were mapped onto the brain surface. Regions with higher/lower predictive power were colored in white/red. The radar map represents the distribution of predictive power in different systems. OA onset age, HDRS Hamilton depression rating scale, VIS visual network, SMN sensorimotor network, DAN dorsal attention network, VAN ventral attention network, SUB subcortical regions, LIB limbic network, FPN frontoparietal network, DMN default mode network.

Validation results

总体而言，使用不同验证策略观察到的MDD相关的主要连接组梯度改变，与我们的主要发现高度相似：全局指标的Jaccard指数为0.90 ± 0.12，区域梯度得分的Jaccard指数为0.70 ± 0.17（Supplementary Figs. 7-8 和 Supplementary Tables 18–20）。在考虑不同验证策略时，MDD亚组间在梯度范围和变异上的差异依然显著（Supplementary Tables 21）。

Discussion

本研究首次报告了MDD患者的连接组梯度功能障碍及其与转录谱和治疗结果的关联。这些发现深化了我们对感觉-认知缺陷背后神经生物学机制的理解，并为MDD的治疗评估提供了潜在生物标志物。

在MDD患者中，主梯度解释率较低代表功能连接组的连接变异度较小，而梯度范围变窄和方差减小则表明初级感觉区与跨模态脑区之间的连接模式分化程度降低。DMN在皮层几何空间中位于距初级感觉系统最远的位置，这与其在嵌入梯度轴上的分布特征相符。物理距离与连接差异性的最大化差异确保了从具体刺激映射到抽象概念整合的完整加工路径，同时通过增大初级感觉区与跨模态脑区的分化度来避免输入噪声干扰，促进抽象认知的形成。我们的荟萃分析证实，MDD相关的焦点梯度改变位于涉及多领域认知功能（包括感觉知觉加工与高阶认知功能）的脑区，这些功能在MDD患者中已被报道存在损伤。因此，我们的研究结果揭示了连接组梯度破坏与MDD感觉认知障碍共现之间的潜在联系。我们还发现，主梯度拓扑结构的改变与MDD脑网络功能分离度（以聚类系数衡量）降低相关。这种功能分离度的减弱代表了网络配置向随机化方向的转变，既往MDD研究也观察到此现象。本研究首次建立了MDD网络梯度改变与拓扑结构变化间的关联。

值得注意的是，DMN的主梯度评分对我们预测抗抑郁治疗结局的模型贡献显著。这一发现与先前多项研究具有可比性：DMN可区分药物治疗的缓解者与非缓解者，并能预测患者对艾司西酞普兰的治疗反应。我们的研究进一步拓展了这一认知——不仅是DMN本身的连接特性，其与其他神经系统的分化模式同样可能成为抑郁症临床结局的潜在标志物。需特别说明的是，本研究中主梯度在个体水平平均解释12%的连接组方差，虽低于群体水平矩阵分解得到的梯度解释率，但与某些个体水平分析结果具有可比性。

我们的连接组-转录组关联分析建立了MDD相关连接组梯度变化与跨突触信号传递及钙离子结合相关基因表达富集之间的联系。跨突触信号传递是最基础的生物过程之一，参与指导突触形成、调控突触可塑性等一系列关键分子功能。该信号系统在多条关键通路中的紊乱会影响突触形成与稳定性，在抑郁症病理机制中发挥关键作用。针对死后脑组织与啮齿类模型的研究表明，慢性应激暴露通过降低海马与前额叶皮层内细胞外信号调节激酶（ERK）和Akt等下游通路活性，破坏脑源性神经营养因子（BDNF）-原肌球蛋白相关激酶B（TrkB）受体信号通路。这些信号通路的紊乱会降低BDNF的表达与功能，进而导致抑郁症相关脑区的神经元萎缩。

除跨突触信号传递外，钙离子结合是对细胞内信号传导至关重要的分子功能。钙离子结合既可发生于离子通道激活引发的信号转导过程，也可作为第二信使参与涉及突触可塑性的广泛生理通路。死后研究证据显示，MDD患者背外侧前额叶皮层中钙结合蛋白免疫反应性GABA能神经元密度显著降低。目前，在体测量脑区基因表达仍极为困难。因此，我们的研究结果为解释MDD中微观尺度生物学事件与宏观网络改变之间的关系提供了初步线索。

Limitations and future research

首先，本研究为回顾性研究，未对患者的认知功能进行直接测量。作为替代方案，我们通过Neurosynth数据库研究了梯度变异图谱与元分析认知术语之间的关联。这些结果应被视为MDD中间接脑-认知关联的证据。其次，参与预测分析的所有患者均为艾司西酞普兰治疗有效者，因治疗无效者已中断用药或调整治疗方案。未来研究需纳入更多治疗无效患者以建立难治性抑郁症的预测模型。第三，本研究数据集未收集与MDD病理机制相关的若干关键变量，如睡眠障碍、社会歧视和慢性压力等。未来研究应记录这些变量以评估其对MDD功能连接组的影响。第四，AIBS提供的基因表达数据来源于未确诊MDD的捐赠者样本，且存在个体间变异性。需要更大规模的MDD患者全脑基因表达数据样本以进一步表征和验证连接组-转录组关系。第五，本研究采用ComBat方法校正多中心梯度测量的异质性，但潜在的非线性效应及中心-组别交互作用仍需通过流动受试者数据集和非线性模型等方法加以阐明。最后，本研究观察到的组间梯度差异效应值相对较小（d=0.16–0.21），但与ENIGMA项目和英国生物样本库既往大型MDD影像学研究结果具有可比性。效应值较小可能源于MDD患者群体内部的高度异质性。采用多变量统计方法并考虑MDD亚型分类，可为提升统计效力提供更有效的策略。