【摘要】近日，华南理工大学生物医学科学与工程学院的吴凯教授与广州医科大学附属脑科医院的吴逢春主任团队，在神经影像学领域国际知名学术期刊NeuroImage上在线发表了题为“The brain-gut microbiota network (BGMN) is correlated with symptom severity and neurocognition in patients with schizophrenia”的研究论文，首次构建了个体化脑-肠-微生物网络，揭示了精神分裂症患者大脑与肠道微生物之间的关联，及其与患者症状严重程度及神经认知功能的关系。

精神分裂症（schizophrenia, SZ）是一种严重的精神疾病，主要表现为幻觉、妄想、认知功能下降、思维紊乱，以及感知和社交互动方面的障碍。越来越多的证据表明，SZ不仅仅是一种大脑疾病，更是涉及全身异常的系统性疾病。其中，大脑与肠道微生物之间的双向交流与SZ的发生和发展密切相关。然而，尽管已有一些探索性研究，但仍然不足以揭示大脑与肠道微生物之间的复杂相互作用及其与SZ的关联。近期的研究发现，采用网络分析等方法整合多生物学数据，或能进一步揭示SZ发生和发展的生理机制。 

基于此，本研究纳入了43名SZ患者和55名健康对照，收集了所有被试的静息态功能磁共振成像数据和肠道微生物数据，并提取了脑影像指标、脑功能网络属性、肠道微生物丰度和肠道微生物网络属性四种特征。其次，通过矩阵乘法结合大脑和肠道特征，构建了个体化脑-肠-微生物网络（brain-gut microbiota network, BGMN），并基于其连接矩阵采用SVM算法实现SZ患者和健康对照的分类。最后，还分析了最具区分性特征与SZ症状严重程度及MATRICS共识认知成套测验（MATRICS consensus cognitive battery, MCCB）得分之间的相关性。研究技术路线如图1所示。

图1. 研究方法及技术路线 

研究发现，基于所有大脑和肠道特征构建的BGMN具有最佳分类性能，准确率为0.90，曲线下面积（area under the curve, AUC）为0.97（图2）。

图2. 基于不同特征组合策略分类精神分裂症患者和健康对照的ROC曲线

此外，最具区分性的脑-肠道微生物连接主要为粪肠球菌（Faecalibacterium）属与视觉系统和皮层下区域的连接，以及科林斯氏菌（Collinsella）属与默认网络及皮层下皮质的连接（图3）。

图3. (A) 每个肠道微生物的连接数；(B) 大脑子网络和肠道微生物连接权重的热图

进一步分析发现，最具区分性的连接与SZ患者的MCCB得分显著相关。其中，包含Collinsella属的部分连接与MCCB中工作记忆和注意力/警觉性得分显著相关，而包含Faecalibacterium属的部分连接则与MCCB中视觉学习得分显著相关（图4）。

图4. (A) 在最佳组合下，SZ患者的MCCB评分与BGMN连接矩阵之间的相关性；(B) 在最佳组合下，健康对照中MCCB评分与BGMN连接矩阵之间的相关性

研究结果表明，个体化BGMN不仅在改善SZ诊断的准确性和敏感性方面具有潜力，还可以帮助深入解析SZ的发生和发展所涉及的复杂生理机制。通过多组学数据整合与网络分析方法，能够识别到潜在的生物标志物，为SZ的早期诊断和风险评估提供新的手段，并为进一步研究大脑与肠道微生物之间的交互作用在SZ中的关键作用奠定基础。

华南理工大学生物医学科学与工程学院已毕业的硕士研究生彭润霖和博士研究生王玮为共同第一作者，广州医科大学附属脑科医院的吴逢春主任和华南理工大学生物医学科学与工程学院的吴凯教授为共同通讯作者。本研究得到了国家重点研发计划（2023YFC2414500, 2023YFC2414504）、国家自然科学基金（81971585, 72174082, 82271953, 82301688）及广东省自然科学基金杰出青年基金（2021B1515020064）等项目的资助。

近年来，吴凯教授和吴逢春主任团队聚焦于脑重大疾病（精神分裂症、抑郁症、双相情感障碍等）的脑结构及功能、肠道菌群的损伤机制以及智能辅助诊断领域已展开一系列研究工作。相关研究发表在NeuroImage、Human Brain Mapping、Journal of Psychiatric Research、Scientific Reports等国际学术期刊上。

课题组前期相关论文：

[1] Ke PF, Xiong DS, Li JH, et al. An integrated machine learning framework for a discriminative analysis of schizophrenia using multi-biological data. Sci Rep. 2021;11(1):14636. doi:10.1038/s41598-021-94007-9.

[2] Li S, Song J, Ke P, et al. The gut microbiome is associated with brain structure and function in schizophrenia. Sci Rep. 2021;11(1):9743. doi:10.1038/s41598-021-89166 -8.

[3] Li H, Li H, Zhu Z, et al. Association of serum homocysteine levels with intestinal flora and cognitive function in schizophrenia. J Psychiatr Res. 2023;159:258-265. doi:10.1016/j.jpsychires.2023.01.045.

[4] Feng S, Huang Y, Li H, et al. Dynamic effective connectivity in the cerebellar dorsal dentate nucleus and the cerebrum, cognitive impairment, and clinical correlates in patients with schizophrenia. Schizophr Res. 2024;271:394-401. doi:10.1016/j.schres.2024.05.003.

[5] Feng S, Huang Y, Lu H, et al. Association between degree centrality and neurocognitive impairments in patients with Schizophrenia: A Longitudinal rs-fMRI Study. J Psychiatr Res. 2024;173:115-123. doi:10.1016/j.jpsychires.2024.03.007.

[6] Li H, Huang Y, Liang L, et al. The relationship between the gut microbiota and oxidative stress in the cognitive function of schizophrenia: A pilot study in China. Schizophr Res. 2024;267:444-450. doi:10.1016/j.schres.2024.03.053.

[7] Liang L, Li S, Huang Y, et al. Relationships among the gut microbiome, brain networks, and symptom severity in schizophrenia patients: A mediation analysis. Neuroimage Clin. 2024;41:103567. doi:10.1016/j.nicl.2024.103567.

[8] Wang H, Peng R, Huang Y, et al. MO-GCN: A multi-omics graph convolutional network for discriminative analysis of schizophrenia. Brain Res Bull. 2025. doi:10.1016/j.brainresbull.2025.111199.