脑活动网络预测抑郁症的脆弱性

根据杜克大学神经科学家和电气工程师的一项新研究，利用大脑不同区域之间的电子振动可能提供一种预测和预防抑郁症的新方法。

研究人员发现不同的网络脑电活动这些老鼠在压力事件后比那些适应力更强的老鼠更容易出现类似抑郁的症状。

如果在人类中复制，这些结果可能是迈向考验的第一步，以预测一个人缺乏发展抑郁症的精神疾病。

“我们基本上创造了什么是抑郁症的电气图大脑杜克大学医学院(Duke University School of Medicine)精神病学和行为科学、神经生物学和生物医学工程副教授Kafui Dzirasa博士说。“我们希望这可以作为抑郁症的预测信号，就像血压可以作为谁最终会患心脏病或中风的预测信号一样。”

该研究似乎在日志中展出了3月1日细胞。

大多数人不时体验主要的生活压力。亲人的死亡，失去工作或具有挑战性的医学诊断可能会导致悲伤，悲伤，焦虑或愤怒等困难情绪。但是，虽然有些人能够相对较快地从这些压力源回来，但其他人继续体验精神疾病比如抑郁或焦虑。

在过去的三十年里，神经科学家使用成像和电监测来研究个体大脑区域的活动是如何使个体容易患上精神疾病的。

2010年，齐鲁萨和他的研究生导师米格尔·尼可莱利斯(Miguel Nicolelis)博士开发了一种技术，不仅可以监测小鼠大脑的一个区域，而且可以同时监测多个区域的电活动。研究结果揭示了大脑的不同区域如何协同工作来创造特定的精神状态。

“你可以把大脑的不同区域想象成一个管弦乐队中的单个乐器，”Dzirasa说。“我们感兴趣的不仅仅是每种乐器在做什么，而是这些乐器如何相互协调来产生音乐。”

在实验中，将每个测试小鼠置于具有较大更富侵蚀的小鼠的笼中。在居住在这个幽灵室内十天之后，许多小鼠产生了类似于人类的抑郁症的症状，包括焦虑，社会避免和睡眠困难。

在经历这种压力之前和之后，Dzirasa和博士后的Rainbo Hultman在七个不同的脑区中测量了脑活动，这些地区已与抑郁症有关，包括前额叶皮质，杏仁醛和海马。

利用杜克大学同事凯尔·乌尔里希(Kyle Ulrich)、大卫·卡尔森(David Carlson)和劳伦斯·卡琳(Lawrence Carin)开发的机器学习技术，该团队为每只老鼠构建了大脑“音乐”。他们发现，在压力测试前后，出现类似抑郁症状的老鼠表现出的大脑活动模式与那些更有弹性的老鼠不同。

Dzirasa说，结果对于治疗以及预防抑郁症是有用的。

“迄今为止，最有效的抑郁疗法仍然是电耦合治疗，但它具有很多副作用，”Dzirasa说。“可能有可能以正确的方式瞄准电力，以创造一种治疗，这些治疗与各地的电力有相同的副作用。”

威尔康奈尔医学院神经科学和精神病学助理教授Conor Liston没有参与这项研究，他说，监测脑电活动网络不仅有助于理解抑郁症，还有助于理解其他形式的精神疾病。

“许多科学家认为，定义最精神病条件的行为和临床症状 - 不仅仅是抑郁症——是由大脑网络层面的变化驱动的，”Liston在一封电子邮件中说。“这份报告定义了一种新的方法，将机器学习和其他最先进的统计方法与老鼠的多回路记录相结合，这可能会激励研究人员应用类似的方法来推进我们对其他精神疾病背后的神经生物学的理解。”

---

---