发布时间：2020-06-18
本报讯（见习记者何静）中国科学院脑科学与智能技术卓越创新中心王征研究团队，与中国科学院自动化研究所赫然研究团队合作，在国际上首次设计猴—人跨物种的机器学习分析流程，利用转基因猕猴模型特征，构建临床精神疾病患者的分类器模型，进而深入解析人类自闭症和强迫症的神经环路机制，为精神疾病的影像学精准诊断提供了新证据，开辟了利用非人灵长类模型服务精神疾病的临床应用需求的新途径。相关研究成果6月17日在线发表于《美国精神病学杂志》。
非人灵长类模式动物与人类在脑结构与功能上较为接近，转基因灵长类动物模型能够表现出与人类临床患者类似的症状表型。研究人员首先对源自5只转基因猕猴和11只野生型猕猴的脑功能图谱数据进行脑区筛选，识别出9个核心脑区；随后将此9个脑区一一映射到人类大脑上，并用脑区间的功能连接形成特征集合，构建稀疏逻辑回归分类器分别用于自闭症、强迫症和注意力缺陷多动症患者的诊断分类。
通过整合灵长类动物模型和临床精神疾病患者的功能磁共振影像数据，研究人员发现，基于转基因猕猴特征构建的分类模型，对部分自闭症患者和正常人的区分准确率高达82.14%，显著高于基于自闭症和强迫症病人自身特征构建分类器的性能。当将同样的9个脑区拓展到强迫症影像数据时，研究人员发现猕猴特征构建分类模型仍然能达到78.36%的准确率。
“我们希望此项以单一疾病基因背景的灵长类动物模型为基础的研究成果，为临床影像学诊断提供更加精准和客观的依据。”王征说。
（原载于《中国科学报》 2020-06-18 第4版 综合)
http://news.sciencenet.cn/sbhtmlnews/2020/6/355941.shtm?id=355941
附件下载： 
