XiaoMi-AI文件搜索系统
World File Search Systemschizophrenia
生酮代谢疗法对精神分裂症和双相情感障碍心理健康和代谢结果的影响：一种随机对照临床试验方案
1汤斯维尔大学医院和健康服务局，心理健康服务小组，昆士兰州卫生组织，澳大利亚昆士兰州汤斯维尔，澳大利亚汤斯维尔，2精神神经科学实验室，澳大利亚澳大利亚热带健康与医学研究所，公共卫生，医学和兽医学院，医学和兽医学院，詹姆斯维尔大学，詹姆斯维尔，澳大利亚汤斯维尔，澳大利亚，QLD，QLD，QLD，澳大利亚，医学院，医学院，医学院，医学院，Q.科学，詹姆斯·库克大学（James Cook University，James Cook University，澳大利亚汤斯维尔，澳大利亚汤斯维尔，5个母校医院，Aurora Healthcare和James Cook University，Townsville，QLD，澳大利亚，6个环境与生命科学学院，工程学，科学与环境学院，纽卡斯尔大学，卡拉格尔大学，卡拉格尔大学，新南威尔士州卡拉格汉，澳大利亚，澳大利亚，澳大利亚，澳大利亚，澳大利亚，邮政工程师，纽约市，澳大利亚7号。昆士兰州，澳大利亚，9号临床脑科学中心，爱丁堡大学，爱丁堡大学，英国爱丁堡大学，10代谢精神病学，精神病学和行为科学系，斯坦福大学医学院，加利福尼亚州帕洛阿尔托大学医学院，加利福尼亚州帕洛阿尔托，加利福尼亚州，美国，美国，11个麦克莱恩医院，美国哈佛大学，美国马萨诸塞州贝尔蒙特医学院
毒蕈碱类药物为精神分裂症药物研发注入新活力
2024 年 7 月 30 日 — 针对毒蕈碱受体的药物可以为这种异质性疾病提供急需的新治疗方案。在两项名为 EMERGENT-2 的关键 III 期试验中...
使用亚型和分期推断算法确定 4291 名精神分裂症患者的神经结构亚群
机器学习可用于根据精神障碍的共同生物学基础来定义精神疾病的亚型。在这里，我们分析了来自 ENIGMA、非 ENIGMA 队列和公共数据集的 41 个国际队列中 4,222 名精神分裂症患者和 7038 名健康受试者的横断面大脑图像。使用亚型和阶段推断 (SuStaIn) 算法，我们通过绘制精神分裂症中灰质变化的空间和时间“轨迹”来识别两个不同的神经结构亚型。亚型 1 的特征是早期皮质为主的损失和纹状体扩大，而亚型 2 显示海马、纹状体和其他皮质下区域早期皮质下为主的损失。我们确认了这两种神经结构亚型在欧洲、北美和东亚等不同样本地点的可重复性。这种基于成像的分类法有可能识别具有共同神经生物学属性的个体，从而表明基于生物因素重新定义现有疾病结构的可行性。
精神分裂症中移动认知措施的数字表型相关：多站点全球心理健康可行性试验
精神分裂症的传统认知评估是耗时的，需要进行专业培训，从而使常规评估具有挑战性。为了克服这些局限性，本研究研究了利用基于智能手机的评估来捕获认知功能和数字表型数据的可行性和优势，并将这些结果与黄金标准措施进行比较。我们对76位独立人士的数据进行了二次分析，这些数据是在三个地点（波士顿的一个，印度的两个）招募的精神分裂症。开源的Mindlamp智能手机应用程序捕获了数字phe-notyping数据，并在长达12个月内对注意力 /记忆进行了A / B评估。智能手机认知任务具有正态分布的潜力，这些得分与简短评估精神分裂症中的COGNITION的结果相关，尤其是数字跨度和符号编码任务（R2 = 0.21）。观察到了智能手机衍生的认知评分和与健康相关的行为（例如睡眠持续时间模式）之间的小相关性（R2 = 0.29）。基于智能手机的认知评估显示出有望作为跨文化工具，可以捕获有关精神分裂症患者瞬时状态的相关数据。与睡眠有关的认知结果表明了数字表型数据的功能应用，以及这种多模式数据方法在研究中的潜力。
精神分裂症中神经退行性的生物标志物
抽象的问题是否是精神分裂症老年人观察到的痴呆率增加的基础？与普通人群相比，精神分裂症患者的痴呆症患病率更高。这可能反映出患神经退行性疾病（例如血管痴呆或阿尔茨海默氏病）（AD）的风险更高。另外，这可能反映了认知储备较低的人群中与年龄相关的非病理，与年龄有关的认知下降。研究选择和分析我们审查了验证后发现，海马MRI体积或脑脊液（CSF）标记的论文，精神分裂症患者与认知障碍（年龄≥45岁）之间的AD的标记。随后，我们对淀粉样蛋白β斑块（APS）或神经原纤维缠结（NFTS）进行了对正常对照患者的淀粉样蛋白β斑块（AP）或神经原纤维缠结（NFT）的荟萃分析。研究结果没有研究发现，与对照组相比，精神分裂症患者的AP或NFT显着增加。将精神分裂症患者与AD组的APS或NFT进行比较的所有后验尸研究发现AD中的APS或NFT明显更多。没有研究发现精神分裂症患者和对照组患者之间CSF总tau或磷酸化的tau存在显着差异。与对照组相比，精神分裂症患者和对照组之间比较了精神分裂症患者和对照组中CSFAβ42的研究显着降低。海马体积发现混合在一起。结论研究与对照组相比，认知受损个体中与AD相关病理的率更高。在人群研究中鉴定出的痴呆症率较高可能反映了用于诊断痴呆症的临床诊断工具缺乏特异性。
跨队列可复制的静息状态功能连接在预测精神分裂症症状和认知方面的作用
Abram, SV, Wisner, KM, Fox, JM, Barch, DM, Wang, L., Csernansky, JG, MacDonald, AW, & Smith, MJ (2017)。额颞叶连接可预测精神分裂症患者的认知共情缺陷和体验性负面症状。人脑映射，38 (3)，1111 – 1124。https://doi.org/10.1002/hbm.23439 Abubacker, NF, Azman, A., Doraisamy, S., Azmi Murad, MA, Elmanna, MEM, & Saravanan, R. (2014)。乳腺医学图像语义注释中关联规则挖掘的基于相关性的特征选择。计算机科学讲义，482 – 493。https://doi.org/10.1007/978-3-319-12844-3_41 Adhikari, BM、Hong, LE、Sampath, H.、Chiappelli, J.、Jahanshad, N.、Thompson, PM、Rowland, LM、Calhoun, VD、Du, X.、Chen, S. 和 Kochunov, P. (2019)。精神分裂症中的功能性网络连接障碍和核心认知缺陷。 Human Brain Mapping，40 (16), 4593 – 4605。https://doi.org/10.1002/hbm.24723 Baker, JT, Holmes, AJ, Masters, GA, Yeo, BTT, Krienen, F., Buckner, RL, & Öngür, DJ (2014)。精神分裂症和精神病性躁郁症患者的皮质关联网络破坏。JAMA Psy-chiatry，71 (2), 109 – 118。https://doi.org/10.1001/jamapsychiatry。 2013.3469 Beaty, RE, Kenett, YN, Christensen, AP, Rosenberg, MD, Benedek, M., Chen, Q., Fink, A., Qiu, J., Kwapil, TR, Kane, MJ, & Silvia, PJ (2018). 通过大脑功能连接对个人创造力进行稳健预测。美国国家科学院院刊，115 (5), 1087 – 1092。https://doi.org/10.1073/pnas.1713532115 Berman, RA, Gotts, SJ, McAdams, HM, Greenstein, D., Lalonde, F., Clasen, L., Watsky, RE, Shora, L., Ordonez, AE, Raznahan, A., Martin, A., Gogtay, N., & Rapoport, J. (2016). 感觉运动和社会认知网络中断是儿童期发病的精神分裂症症状的基础。 Brain , 139 (1), 276 – 291。https://doi.org/10.1093/brain/ awv306 Binder, JR、Desai, RH、Graves, WW 和 Conant, LL (2009)。语义系统在哪里？对 120 项功能神经影像学研究的评论与荟萃分析。大脑皮层 , 19 (12), 2767 – 2796。https://doi.org/10.1093/cercor/bhp055 Bonnici, HM、Kumaran, D.、Chadwick, MJ、Weiskopf, N.、Hassabis, D. 和 Maguire, EA (2012)。解码内侧颞叶中的场景表征。海马, 22 (5), 1143 – 1153。https://doi. org/10.1002/hipo.20960 Brady, R.、Tandon, N.、Keshavan, M. 和 Ongur, D. (2017)。精神分裂症的阴性症状和额顶叶回路功能障碍。生物精神病学, 81 (10), S111。https://doi.org/10.1016/j.biopsych.2017. 02.285 Briggs, RG、Chakraborty, AR、Anderson, CD、Abraham, CJ、Palejwala, AH、Conner, AK、Pelargos, PE、O'Donoghue, DL、Glenn, CA 和 Sughrue, ME (2019)。下额回的解剖学和白质连接。临床解剖学，32 (4), 546 – 556。https://doi.org/10.1002/ca.23349 Cai, M., Ji, Y., Zhao, Q., Xue, H., Sun, Z., Wang, H., Zhang, Y., Chen, Y., Zhao, Y., Zhang, Y., Lei, M., Wang, C., Zhuo, C., Liu, N., Liu, H., & Liu, F. (2024)。精神分裂症中的同源功能连接中断及其相关基因表达。神经影像，289，120551。https://doi.org/10.1016/j.neuroimage。 2024.120551 Chen, J., Müller, VI, Dukart, J., Hoffstaedter, F., Baker, JT, Holmes, AJ, Vatansever, D., Nickl-Jockschat, T., Liu, X., Derntl, B., Kogler, L., Jardri, R., Gruber, O., Aleman, A., Sommer, IE, Eickhoff, SB, & Patil, KR (2021). 任务定义大脑网络的内在连接模式允许个体预测认知症状
功能性脑状态中的能量与青少年性精神分裂症的认知相关
青少年发作的精神分裂症（AOS）是一种相对罕见且研究不足的精神分裂症，与成人发作的精神分裂症相比，认知障碍更严重，预后较差。几项神经影像学研究报道了区域激活的变化，这些区域激活解释了各个区域（一阶模型）的活性和功能连接性，这些连通性揭示了与对照组相比，AOS的成对共激活（二阶模型）。成对的最大熵模型（也称为ISING模型）可以同时集成一阶和二阶项，以阐明神经动力学的全面图片，并将单个和成对的活动度量捕获到一个称为能量的单个数量中，这与状态出现的概率成反比。，我们将MEM框架应用于与53位健康对照受试者相比，在执行Penn条件排除测试（PCET）的同时，在23个AOS个体上收集的任务功能MRI数据，该数据衡量了与成人精神分裂症相比，AOS反复证明的执行功能。与预期的对照组相比，AOS的PCET性能的准确性显着降低。在fMRI过程中，参与者获得的平均累积能量与任务绩效负相关，并且该关联比任何一阶关联都更强。在这两种情况下的能量景观都具有吸引子，它们与两个不同的子网相对应，即额叶和帕特托运动。AOS组的单个试验轨迹还显示出与AOS之间的浅层吸引子盆地的一致性变化更高。AOS受试者在较高的能量状态下花费了更多的时间，这些时间代表了较低的发生概率，并且与执行功能受损和精神病理学的严重程度相关，这表明与在较高概率发生的较低能量状态下花费更多时间的对照组相比，神经动力学的效率可能较低，因此神经动力学效率更高，因此，神经动力学效率更高。吸引子盆地在对照组中的含量大于AOS。此外，额叶盆地的大小与对照中的认知性能显着相关，但在AOS中无关。这些发现表明，AOS的神经动力学具有更频繁地发生具有较浅吸引子的状态，这与控制受试者中吸引者相关的执行功能缺乏关系，这表明AOS能力降低了AOS产生任务有效的大脑状态。
与抑郁和精神分裂症相关的脑形态基因的新型错义变体
心理和认知障碍在现代社会中越来越关注，影响到2022年全球超过10亿人口。了解对精神疾病的敏感性和开发及时诊断，预防和治疗的方法是必不可少的。遗传因素越来越多地被认为是大多数精神疾病（2）的易感因素（2），并且脑形态发生受损被认为是重要的根本原因（3，4）。大脑发育是一个复杂的多阶段过程，依赖于各种细胞和分子参与者的协调作用（5，6）。涉及大脑发育的基因的失调或功能障碍，包括编码神经营养因素，引导分子，生长因子受体，间细胞间粘附分子等，以及其他可能会改变脑结构或接线，使人对精神和认知灾害的易感性。例如，在墨西哥人美国人（7）（7）中，基因组变体（例如RS11030103-G，RS6265-T和RS28722151-G）与脑衍生的神经营养因子（BDNF）基因在脑衍生的神经营养因子（BDNF）基因（MDD）中相关（7）。同样，在神经生长因子（NGF）基因内的变体RS2856813-G和RS6678788-T与美国人群中女性的主要情感障碍有关（8）。这强调了在该领域进行更广泛研究的必要性。识别这种基因，阐明其遗传变异的功能意义，并为在精神分裂症的背景下，在编码受体酪氨酸激酶ERBB4（RS707284-G和RS7598440-A）的基因中的单核苷酸基因组变异（SNP）以及引导分子EFNB1（RS1048948033-A和RS）在犹太人群（9）和颅骨综合征中（分别以脑局部和智力障碍为特征的疾病）（10）（10）。尽管最初在1891年提出了精神障碍的形态发生理论，并随后受到大量证据的支持，但我们对单个分子对塑造人类精神活动和精神健康的特定贡献的理解仍然受到限制。
miR-99b-5p在小胶质细胞中对ZBP1的调节控制小鼠精神分裂症症状的发展
当前的精神分裂症治疗方法主要集中在基因组的蛋白质编码部分上。在这种情况下，microRNA的角色受到了更少的关注。在本研究中，我们分析了精神分裂症患者的血液和尸体后大脑中的微肿瘤组，表明在前额叶皮层和患者血液中miR-99b-5p的表达都被下调。降低小鼠中的miR-99b-5p量会导致精神分裂症样表型和与小胶质细胞突触修剪有关的炎症过程。小胶质miR-99b-5p填充的闪光反应需要Z-DNA结合蛋白1（ZBP1），我们将其识别为一种新型的miR-99b-5p靶标。反义寡核苷酸针对ZBP1改善miR-99b-5p抑制作用的病理作用。我们的发现表明，小胶质细胞中新型的miR-99b-5p-ZBP1途径可能有助于精神分裂症的发病机理。
用于预测重症监护症患者急性肾脏损伤的机器学习
全球精神分裂症的负担为23.6（95％置信区间：20.2-27.2）数百万[1]，印度精神分裂症的患病率为0.3％（95％置信区间：0.2-0.3％）[2]。对抗精神病药疗法的反应是高度可变的，不可能预测那些会或不会反应药物的患者。此外，这些患者中约有30％具有治疗性[3]。在几项研究中，已经发现，接受抗精神病药多药物的患者比例在15.9-60.5％的范围内接受氯氮平，这是最后一个药物治疗胜地[4]。对这些患者的治疗给患者，护理人员和卫生系统造成了巨大负担。典型和非典型抗精神病药主要来自多巴胺（D 2）和5-羟色胺（5-HT 2A）受体的拮抗作用。这些化合物中的许多都与常见和杂物不利影响有关[例如代谢综合征，高嗜血杆菌血症（女性）症状症状，抗胆碱能作用，镇静等。][5]对依从性产生负面影响。药物基因组学（PGX）因子在决定对抗精神病药的治疗反应中起着重要作用[3]。多项研究研究了PGX方法，以鉴定基因型特异性剂量并预测抗精神病药反应和/或不良反应[6]。目前，美国食品药品监督管理局在其药物标记9种抗精神病药中提供了有关PGX生物标志物的信息[7]。具有PGX信息的药物标签可用于特定的抗心理。同样，药物基因组学知识基网站列出了十种抗精神病药，在该抗精神病药中，建议细胞色素2d6（CYP2D6）代谢物的患者谨慎行事[8]。荷兰皇家协会在药房 - 含量药物遗传学工作组的促进协会提供了基于六种抗精神病药的CYP2D6基因型的PGX药物给药指南[9]。但是，也报道了负结果。在丹麦人群中，发现常规的CYP测试不会影响抗精神病药物治疗的持续性[10]。药物优化干预措施（例如PGX辅助治疗）基于精神病患者在多药疾病中的精确医学的概念是复杂且有限的；有必要采用更全面和综合的方法[11，12]。几项观察性研究报告了遗传变异与治疗反应之间的关联。但是，有限的研究使用PGX作为一种介入的工具来帮助选择抗精神病药及其剂量以优化精神分裂症治疗。在种族多样化的印度背景下，这尤其重要，因为抗精神病药物的差异药代动力学和小型动力学会导致对其作用产生重大影响。此外，评估在印度这样的中低收入国家的精神分裂症中PGX辅助治疗的成本效益也很重要。最后，重要的是从患者，护理人员和精神科医生对实施PGX-