心脏代谢健康与身体机能的强弱与大脑结构及神经递质系统的特定模式相对应

《PLOS Biology》：Cardiometabolic health and physical robustness map onto distinct patterns of brain structure and neurotransmitter systems

　　非传染性疾病风险因素与全脑皮质厚度、灰质体积的多变量关联分析，采用正则化典型相关分析（RCCA）揭示两个显著潜在维度： cardiometabolic health（影响前额叶、岛叶等区域CT增厚及颞叶、运动区GMV增加）和 physical robustness（男性主要关联前额叶CT增厚及颞叶GMV增加），两者均与神经递质系统（如5-HT1a、DAT、mGluR5等）及炎症标志物CRP存在关联。

　　非传染性疾病（Non-Communicable Diseases, NCDs）的风险和保护因素与大脑健康之间的联系，近年来受到越来越多的关注。这些因素包括高血压、高体重指数（BMI）、饮食、吸烟、身体活动等。尽管这种关联已被广泛认可，但具体的机制和影响仍然模糊不清，阻碍了其在精准大脑健康领域的应用。本研究旨在通过多变量分析方法，探索这些风险和保护因素如何与大脑结构特征，如皮层厚度（CT）和灰质体积（GMV）相互作用，并从系统层面理解这种关联，从而推动对大脑健康与身体健康的综合研究。

### 研究背景与意义

非传染性疾病是当今全球公共健康的主要挑战之一，涵盖了心血管、代谢、精神和神经疾病等多个类别。这些疾病共享一些风险因素，如烟草使用、不健康饮食、缺乏身体活动、过度饮酒、高血压、睡眠问题、肥胖以及空气污染等。由于许多非传染性疾病涉及精神和神经系统，因此这些风险因素同样影响大脑健康。然而，尽管已有大量研究关注这些风险因素与大脑结构之间的关系，其结果仍然存在不一致，且多数研究采用的是单变量或双变量分析方法，难以全面揭示多变量风险因素与大脑结构之间的复杂联系。

为了更好地理解这种关联，本研究采用了多变量分析方法，特别是通过“正则化典型相关分析”（Regularized Canonical Correlation Analysis, RCCA）来探索风险因素与大脑结构之间的广泛联系。这种方法不仅能够捕捉个体间在大脑结构上的差异，还能评估模型的可推广性。同时，本研究还结合了大脑功能、分子特征以及神经递质系统等多层面的数据，以获得更全面的系统视角。此外，研究还探讨了风险因素模式与外周炎症标志物之间的关系，例如C反应蛋白（CRP），以进一步理解大脑健康与免疫炎症之间的潜在联系。

### 研究方法

本研究的数据来源于英国生物银行（UK Biobank），其中包括7,370名年龄在46至81岁之间的受试者，其中男性和女性各占一半，确保样本在性别上的平衡。研究中使用的变量包括身体组成指标（如BMI、体脂率、肌肉质量等）、饮食、身体活动、空气污染、睡眠质量、酒精摄入和吸烟情况等，共计68个变量。为了确保数据的完整性，排除了那些有缺失值或分布偏斜的变量。

为了探索风险因素与大脑结构之间的多变量关系，研究采用了RCCA方法。RCCA是一种能够发现多个变量之间潜在联系的数据驱动分析方法，它通过寻找大脑变量和风险因素变量之间的线性组合，最大化它们之间的典型相关系数。此外，研究还使用了交叉验证策略，以确保模型的稳定性和可推广性。研究还对不同大脑结构测量方式（如原始CT、比例CT和校正后的CT）进行了比较，以评估大脑大小校正对结果的影响。

为了进一步解释这些潜在维度，研究将其与多种神经生物学特征进行比较，包括大脑功能、结构和神经递质系统。这些比较通过“旋转检验”（spin test）完成，这是一种可以处理大脑数据空间依赖性的统计方法。此外，研究还通过Spearman相关性分析，探讨了风险因素模式与外周炎症标志物CRP之间的关系。

### 研究结果

研究发现，风险因素与大脑结构之间存在两个显著且部分可重复的潜在维度。第一个维度与心血管代谢健康密切相关，表现为大脑结构中某些区域的CT和GMV变化。这一维度在男性和女性样本中均保持稳定，并且在原始CT、比例CT和校正后的CT分析中也具有较高的可重复性。具体而言，更好的心血管代谢健康与大脑中某些区域（如岛叶、扣带回皮层、颞叶、顶叶和枕叶）的CT增加相关，而与一些其他区域（如初级感觉皮层、前额叶和顶叶）的CT减少相关。在GMV方面，该维度同样表现出显著的关联，尤其是在运动皮层和颞叶，以及部分前额叶和顶叶区域的GMV减少。

第二个潜在维度则与身体的强壮程度（包括非脂肪质量与肌肉力量）相关，主要在男性样本中表现出稳定性。这一维度在原始CT分析中具有显著相关性，但在女性样本中则不显著。此外，该维度在GMV分析中表现出较为广泛的稳定性，与多个大脑区域的GMV变化相关，如前额叶、顶叶、颞叶和中线前扣带回。值得注意的是，该维度在CT和GMV分析中表现出不同的稳定性，这可能反映了不同风险因素对大脑结构的影响具有性别差异。

研究还发现，这两个潜在维度均与多种神经递质系统的分布存在显著关联。例如，心血管代谢健康维度与血清素受体5-HT1a、多巴胺转运体DAT、GABAa受体和乙酰胆碱转运体VAChT的分布显著相关。而身体强壮维度则与谷氨酸受体mGluR5、多巴胺受体D2、血清素受体5-HT1a、组胺受体H3、阿片受体MOR和KOR，以及大麻素受体CB1等显著相关。这些结果表明，风险因素不仅影响大脑结构，还可能通过神经递质系统的调节作用影响大脑功能和行为表现。

此外，研究还发现，心血管代谢健康维度与CRP之间存在显著的负相关（r = -0.39, p < 0.001），表明低等级慢性炎症可能在心血管代谢健康与大脑健康之间的关联中发挥重要作用。然而，身体强壮维度与CRP之间的相关性较弱（r = -0.08, p = 0.04），说明炎症可能在不同风险因素对大脑健康的影响中扮演不同的角色。

### 讨论与意义

本研究揭示了风险因素与大脑结构之间的多层面和多变量联系，强调了从系统角度理解健康问题的重要性。传统的分类方法往往将精神和身体疾病视为独立的类别，而本研究的结果表明，这些疾病之间可能存在复杂的相互作用。例如，心血管代谢健康不仅影响大脑结构，还可能通过神经递质系统的调节作用影响大脑功能和行为表现。这种复杂的相互作用可能涉及到一系列生理和病理机制，包括炎症、代谢异常和神经递质失衡等。

研究还指出，不同风险因素对大脑结构的影响可能具有性别差异。例如，男性样本中，身体强壮维度与CT和GMV的变化均显著相关，而女性样本中则主要与GMV相关。这种差异可能与男性和女性在风险因素暴露上的不同有关，如男性更易受到空气污染和吸烟的影响，而这些因素可能对大脑结构产生更大的影响。此外，研究还发现，久坐行为可能对大脑健康产生负面影响，尤其是在高阶认知相关的大脑区域，如前额叶皮层。

这些结果不仅有助于理解风险因素如何影响大脑健康，还为未来的临床实践提供了新的视角。传统的临床方法往往关注单一的大脑或身体指标，而本研究强调了从整体健康角度出发的重要性。通过整合大脑和身体健康的数据，可以更全面地评估个体的健康状况，并为疾病的早期诊断和干预提供新的依据。

### 结论

本研究发现，心血管代谢健康和身体强壮性分别与大脑结构中的CT和GMV变化存在显著的潜在维度。这些维度不仅与大脑结构的变化相关，还与多种神经递质系统的分布有关。此外，心血管代谢健康维度与外周炎症标志物CRP之间存在显著的负相关，表明低等级慢性炎症可能在这一关联中起关键作用。这些结果强调了大脑健康与身体健康的多层面相互作用，支持了将两者整合在临床实践中的重要性。未来的研究应进一步探讨这些风险因素对不同大脑区域的具体影响，以更深入地理解其在临床中的意义。