“数据”心脏疾病或可催生脑部疾病？北卡团队确定80个心脑基因组位点，助力多器官成像技术的应用

今天，很高兴为大家分享来自DeepTech深科技的心脏疾病或可催生脑部疾病？北卡团队确定80个心脑基因组位点，助力多器官成像技术的应用，如果您对心脏疾病或可催生脑部疾病？北卡团队确定80个心脑基因组位点，助力多器官成像技术的应用感兴趣，请往下看。

来源：DeepTech深科技

作为支持人体活动的重要器官，大脑和心脏既神秘又精密。长期以来，传统医学将这两个器官视为独立实体开展了大量研究。

事实上，通过血液和基因等因素，各个器官会发生互相作用。近年来，当针对单个器官的研究逐渐陷入边际效应时，一条独特的研究道路引起了人们的广泛关注，那就是脑与心之间错综复杂的关系。

随着该类研究的逐渐深入，人们发现心脏健康和大脑健康是密切相关的。研究表明，一些心血管疾病或能为部分脑部疾病提供病理生理学的解释。

心血管疾病可能会导致中风、痴呆和认知障碍等疾病。比如：心脏房颤，会增加痴呆病症的发生概率，也可能会导致沉默性脑损伤；心力衰竭，可能会导致脑灌注减少，进而造成认知障碍性疾病，最终发展成痴呆。

从另一方面来说，在心血管疾病的发生和发展中，心理障碍和负面心理因素也会起到重要作用。

有研究发现，对于患有精神分裂症、躁郁症、癫痫或抑郁症的精神疾病患者来说，他们患上心血管疾病的发病率也比其他人更高。

并且，当面临急性心理应激时，会导致患者出现血管炎症反应和白细胞游走，这可能会增加动脉粥样硬化的风险。

总之，多项研究均证明脑心之间存在难以分割的联系，这坚定了美国北卡罗来纳大学教堂山分校教授朱宏图课题组深入研究脑心关系的想法。

但是，其也发现由于数据的缺乏，几乎所有关于脑心相互作用和相关影响因素的研究，都集中在一个或几个特定疾病上，部分研究使用的数据样本量相对较小。

对于心脏和大脑在结构和功能上的联系，整个图景依然非常模糊，因此需要基于更多数据和更多视角的研究。

前不久，针对来自英国生物样本库（UKB，UK Biobank）的 4 万多位个体的多器官成像数据，朱宏图团队进行了工程化处理和分析。

他们从表型和基因的角度，理解了大脑与心脏之间的联系，覆盖智力水平低下、认知功能障碍、厌食症、双相情感障碍、精神分裂症、中风和二型糖尿病等多种疾病。

其还使用全基因组关联（Genome-Wide Association Studies，GWAS）技术，识别出可以同时影响大脑和心脏健康的基因特征，为脑心关联研究提供了基于大样本的数据分析结果。

此外，他们使用的成像数据，主要基于磁共振成像和心血管磁共振成像两种技术。

磁共振成像（MRI，Magnetic Resonance Imaging），是对包括大脑和心脏在内的人体器官状态进行图像评估的技术，它可以生成各种生物标记。

其中，脑部 MRI 技术可以提供关于脑部结构和功能的详细信息。在临床应用上，脑部 MRI 可以帮助发现多种类型的脑部异常。

心血管磁共振成像（CMR，Cardiovascular Magnetic Resonance），也已被广泛用于心脏结构和功能的评估，为了解心血管疾病患者的病理状态提供了重要依据。

并且，有研究发现从 CMR 和脑部 MRI 中提取的特征，具有中度到高度的遗传性。

左心室质量，是心脏学的一个重要参数，这一参数也能从 CMR 中提取得到。左心室质量，可以体现出左心室的大小、厚度和整体健康状况等信息。

左心室质量的参数大小，会受到基因因素的高度影响。此前，已有其他课题组分别针对 CMR 和脑部 MRI 特征开展过几项研究，结果发现左心室质量与脑部、以及心脏结构存在遗传变异的相关性。

而在此次研究之前，朱宏图团队曾分析过静息态功能磁共振成像的数据，借此揭示了大脑功能与脑部疾病之间的基因关系，相关论文于 2022 年发表在 Nature Genetics 上。

但是，这些研究都是针对单个器官进行的。在利用多器官 MRI 技术来探索脑心关联并确定心脏和大脑的共享遗传特征上，仍是一片“科研无人区”。原因之一在于数据收集难度高，且大规模数据的处理极为复杂。

多年来，朱宏图课题组深耕于脑部成像数据和基因数据统计学，这让他们有能力承担更大规模的复杂型脑心关联性研究。

为了开拓新的方向，最直观的想法就是去做另一个器官的成像分析。在浏览相关文献之后，他们打算研究心脏图像数据，并定下了研究脑心系统的课题。

当时，已经有人提出“脑心同治”理论，但是亟需更多证据对其进行验证。假如能够对其进行证实，脑心同治将被逐渐用于临床治疗之中。

在对相关数据进行分析之后，他们开始研究从心脏图像中提取特征的技术。

阅读大量文献之后，该团队决定使用英国帝国理工学院高级讲师 Wenjia Bai 课题组的心脏图像分析技术，来提取与心脏相关的特征。

然后，将从大脑和心脏图像中提取出来的特征进行整合，并与基因数据进行匹配。

不久之后，大脑图像特征与心脏图像特征之间的相关性得以证明。课题组还采取 GWAS 分析技术，来从基因角度对这些关联性加以解释。

期间，由该团队的李腾飞教授、以及目前已经毕业的赵秉鑫博士，带领课题组其他成员负责数据清洗、标注等。

总而言之，此次成果能够助力于揭示心脏和大脑之间的相互作用、共享的遗传效应以及可能的病理机制。

脑心共享的遗传因素的发现，也能为临床实践提供新的视角。同时，了解心脏和大脑之间的联系，对于防治心脑血管疾病具有重要作用。

其潜在应用前景具体如下：

其一，能用于疾病风险预测。借助心脏特征和大脑特征之间的遗传关联以及相互作用，该研究为心血管疾病和脑部疾病的风险预测提供了新的生物标记，能对疾病风险做出更准确和更个性化的评估。

其二，能为临床实践提供新视角。心脏和大脑之间的相互作用、以及共享的遗传因素，可以为防治心脑血管疾病提供新的视角。

其三，能助力于个性化医学的发展。在深入了解心脏和大脑之间的关系以及基因在其中发挥的作用之后，医生可以更好地制定个性化的医疗方案。

其四，能带来多器官成像技术的应用。本次研究使用脑部 MRI 和心脏 MRI 多器官成像技术，来探索心脏和大脑之间的关系。这种方法同样适用于探索其他器官之间的关系。

不过，此次使用的数据大部分来自于欧洲血统的人群。假如可以收集来自更多种族人群的数据，则将获得更加具有全球多样性的结果。目前，该团队正在考虑使用 UKB 的数据继续研究大脑与身体中其他器官的联系。

此外，生物统计学也能助力于 AI。在数据支持上，生物统计学具有巨大的优势。之前，人们对于 AI 的关注主要集中在算法改进上，往往忽略了训练数据集和测试数据集的过程，以至于失去对于数据质量的把控。

ChatGPT 的面世，让人们开始关注数据集质量的重要性。生物统计学，是一门将统计学用于生物医学领域的学科。目前，该学科已经拥有一套有效的数据收集、处理和管理方法。

在 AI 的发展进程中，增大数据量并不是一把“万能钥匙”，因为不是所有问题都能通过增加数据量来解决。

对于处理大数据来说，尽管 GPU 可以带来算力的大幅提升。但是，数据量的增加会给服务器和处理器造成巨大的负担。

因此，一个合适的数据采集方法、合理的样本大小和聪明的抽样策略，可以提高数据的质量和代表性，这无疑将提高 AI 训练的质量，减轻硬件需求上的压力。同时这也正是生物统计学的专长所在。

目前，生物统计学领域已经拥有多款统计分析方法和建模技术。这些方法背后的思路，或能用于 AI 领域中的数据分析和模型开发。

同时，生物统计学可以帮助 AI 研究者开展统计检验测试，以评估 AI 算法的性能。哪怕对于数据质量存有疑问，采用生物统计学中的异常值检验方法，也能帮助 AI 研究者针对数据进行评估与监管。

1.Zhao, B., Li, T., Fan, Z., Yang, Y., Shu, J., Yang, X., ... & Zhu, H. (2023). Heart-brain connections: Phenotypic and genetic insights from magnetic resonance images.Science, 380(6648), abn6598.

排版：罗以

好了，关于心脏疾病或可催生脑部疾病？北卡团队确定80个心脑基因组位点，助力多器官成像技术的应用就讲到这。