深部脑刺激胼胝体下扣带回治疗难治性抑郁症的长期疗效
跟BrainNews 一起做一件有意义的事
众筹| 一年时间，100篇，我们一起总结抑郁症的研究进展
免费分享给所有人第032期
1，标题：深部脑刺激胼胝体下扣带回治疗难治性抑郁症的长期疗效
译者：Lenore
目的：自2005年以来，对胼胝体下扣带回的深部脑刺激（Deep brain stimulation of the subcallosal cingulate, SCC DBS）作为重度及难治性抑郁症的潜在治疗方法已有许多研究。本研究作者采用了非盲的长期随访设计，对参加过SCC DBS疗法治疗难治性抑郁症临床试验的参与者进行了调查。
结果：在2-8年的随访期内，治疗的反应率和缓解率分别维持在≥50％和≥30％。四分之三的被试在治疗期间至少有一半的时间内符合治疗反应标准，所有患者中有21％从第一年开始就表现出对治疗的持续反应。在28名被试中，有14名完成了≥8年的随访，11名完成了≥4年的随访，3名在8年之内退出了研究。疗法本身通常来说安全并有着良好耐受性，且急性或慢性刺激皆无副作用。医疗或外科并发症的发生率与DBS在其他适应症研究中观察到的发生率一致。研究过程中没有出现自杀现象。
结论：在>8年的观察中，大多数被试对SCC DBS产生了有效且持续的抗抑郁反应。
关键词：单相情绪障碍；深部脑刺激；结果调查；胼胝体下扣带回；随访
难治性抑郁症患者经过8年的胼胝体下扣带回深部脑刺激后的各组疗效
参考文献：Crowell, A. L., Riva-Posse, P., Holtzheimer, P. E., Garlow, S. J., Kelley, M. E., Gross, R. E., ... & Mayberg, H. S. (2019). Long-Term Outcomes of Subcallosal Cingulate Deep Brain Stimulation for Treatment-Resistant Depression. American Journal of Psychiatry. doi: 10.1176/appi.ajp.2019.18121427
2，标题：自杀患者前扣带回皮层中星形胶质细胞和少突胶质细胞之间间隙连接偶联减少的证据
译者：Sheena
神经胶质功能障碍是情绪障碍的主要病理生理特征。虽然星形胶质细胞（AS）和少突胶质细胞谱系（OL）的功能与抑郁症相关，但从未在这种情况下评估这些胶质细胞类型之间的相互作用。AS是有力的髓鞘调节剂，部分通过AS特异性（Cx30和Cx43）和OL特异性（Cx32和Cx47）连接蛋白的异型偶联形成的间隙连接（GJ）通道。因此，本研究旨在解决抑郁自杀者的前扣带回皮层（ACC）中AS / OL偶联的完整性。使用免疫荧光和共聚焦成像，我们表征了Cx30的分布，并将其表达映射到来自抑郁自杀者（N = 48）和匹配的对照（N = 23）的死后脑样本中的OL体，髓鞘轴突和脑血管。还通过我们小组先前生成的RNA序列筛选了GJ nexus关键成分的差异基因表达，并通过实时定量PCR进行了验证。我们表明，Cx30表达本地化到OL细胞和髓鞘纤维在男性抑郁自杀者ACC的深皮质层中减少。这种作用与OL特异性连接蛋白的表达降低以及GJ的脚手架，运输和功能所必需的主要连接蛋白相互作用蛋白的下调有关。这些结果提供了情绪障碍患者的ACC中AS / OL GJ介导的沟通受损的第一个证据。神经胶质耦合的这些变化可能会对脑功能产生重大影响，并且可能导致先前在该脑区域报道的OL功能改变。
关键字：星胶；少突胶质细胞；自杀
cx30免疫反应性在人前扣带回皮层中的分布
参考文献：Tanti, A., Lutz, P.-E., Kim, J., O’Leary, L., Théroux, J.-F., Turecki, G., & Mechawar, N. (2019). Evidence of decreased gap junction coupling between astrocytes and oligodendrocytes in the anterior cingulate cortex of depressed suicides. Neuropsychopharmacology.
3，标题：选择性有机阳离子转运体阻断剂对抑郁小鼠模型的抗抑郁作用研究
译者：格式化
目前，临床上常用的一线抗抑郁药主要是通过阻断脑内单胺再摄取发挥抗抑郁效果。然而，在近三分之一的抑郁症患者中存在起效慢、疗效有限等问题。在本研究中发现一种前药靶向有机阳离子转运体（OCT）的开发，这种非典型的单胺转运体参与与情绪的调节。利用分子模型，本研究筛选出一种选择性的OCT2阻断剂，并对其进行了改进，以增加其脑渗透性。在7周皮质酮暴露诱发的慢性抑郁症的啮齿动物模型中测试了这种化合物H2-氰基的抗抑郁效果。在雄性小鼠中，延长H2氰基给药时间，对几种典型的抑郁症状均产生积极影响，包括快感缺失、焦虑、社交回避和记忆障碍等。重要的是，在这个模型中，H2-氰胺与经典的抗抑郁药氟西汀相比，具有更好的抗快感缺失作用和抗焦虑作用。抑郁样行为的综合评分显示，与氟西汀治疗3周的小鼠相比，H2-氰基处理的小鼠抑郁评分更低。在反复给予H2-氰基后，增加腹侧被盖区多巴胺能神经元的放电，这可能是其快速抗抑郁效果产生的基础。像氟西汀一样，H2-氰基也调节了一些早期报导的参与抗抑郁反应的细胞内信号通路。综合以上结果表明，OCT阻断剂可以作为抗抑郁药物研发的靶点。
关键词：有机阳离子转运体；H2-氰基；腹侧被盖区
参考文献：Orrico-Sanchez, A., et al., Antidepressant efficacy of a selective organic cation transporter blocker in a mouse model of depression. Mol Psychiatry, 2019.
4，标题：治疗抵抗性抑郁症和外周C反应蛋白
译者：He
背景: C反应蛋白(CRP)是重度抑郁症(MDD)的候选生物标志物，但目前尚不清楚外周CRP水平如何与该疾病的异质临床表型相关。
目的:探讨CRP在MDD中的作用及其表型相关性。
方法:我们招募了102名抑郁症治疗抵抗性依旧抑郁的患者，48名抑郁治疗反应不抑郁的患者，48名没有接受药物治疗的抑郁症患者和54名健康志愿者。测量外周静脉血高敏感性CRP、体重指数(BMI)和进行抑郁、焦虑、儿童创伤问卷评估。评估CRP组间差异，偏最小二乘法(PLS)分析探讨CRP与特定临床表型的关系。
结果:与健康志愿者相比，抗治疗组BMI -纠正后的CRP显著升高(P = 0.007)；但与治疗反应组和未治疗组的差异不显著。PLS产生了一个最优的双因素解释表明了34.7%的变异在临床措施和36.0%的变异在CRP。与CRP密切相关且偏重于第一PLS成分的临床表型为：植物性神经紊乱抑郁、身体质量指数(BMI)、焦虑状态、童年时感觉不被爱或希望有一个不同的童年。
结论：CRP在MDD患者中升高，在治疗抵抗患者中升高更多。与CRP升高相关的其他表型包括儿童逆境和特定的抑郁和焦虑症状。我们认为，MDD患者的促炎生物标志物(如CRP)具有独特的临床特征，可能对抗炎药物二线治疗有反应。
关键词：C反应蛋白；临床表型；炎症
高敏感性CRP与临床表型关系的偏最小二乘分析:前两个PLS成分的临床(X)和CRP (Y)变量的空间图。以粗体命名的临床变量通过了CRP重要影响的两个标准;以普通字体命名的变量通过了第一个条件，但是没有通过第二个条件。
参考文献：Samuel R. Chamberlain et al. Treatment-resistant depression and peripheral C-reactive protein. The British Journal of Psychiatry (2019) 214, 11–19. doi: 10.1192/bjp.2018.66
5，标题：基于多任务深度学习方法对老年抑郁症的个性化预测
译者：Navy
引言：抑郁症是老年人的主要公共健康问题之一。有效的抑郁风险预测模型可以提供有关疾病进展的见识，并有可能为及时的针对性干预提供信息。因此，迫切需要研究可以预测老年人抑郁症发作时间的方法，主要是可以判断发展进程的模式。
目标：本研究旨在利用美国22年纵向调查数据，开发一种用于个体化抑郁症预测的最新深度学习模型。
方法：研究者从密歇根大学健康与退休研究中心获得了为期22年的纵向调查数据，该数据包括1992年至2014年美国20,000名老年人的信息。为了捕获风险因素之间的时间和高级交互作用，利用具有多任务结构的递归神经网络框架提出了深度学习模型。C统计量和平均绝对误差用于评估所提出模型和一组基线模型的预测准确性。
结果：使用22年纵向调查数据的实验表明：（a）机器学习模型可以准确预测老年人的抑郁症发作；（b）危险因素的时间模式与抑郁症的发作有关；（c）与基线模型相比，多任务深度学习模型表现出更高的性能。
结论：结果表明，基于深度学习的预测模型能够捕获风险因素之间的时间和高阶交互，而传统的回归模型通常会忽略这些能力。本研究揭示了使用机器学习模型能够很好地预测老年人抑郁症的发作。实际上，本研究所提出的方法可以作为决策支持系统来实施，以帮助临床医生做出决策并为老年人提供可行的干预策略。
关键词：抑郁症的预测；抑郁症；深度学习；患者疾病进展模型
参考文献：Zhongzhi Xu, et al., Individualized prediction of depressive disorder in the elderly: A multitask deep learning approach, International Journal of Medical Informatics 132 (2019) 103973.
校对/排版：Simon/小时 （brainnews编辑部）前文阅读
1，031期抑郁症研究简报｜青春期后期抑郁症状发展轨迹的预测因子
2，030期抑郁症研究简报｜终生重度抑郁症的灰质体积变化
