深部腦刺激胼胝體下扣帶回治療難治性抑鬱症的長期療效
跟BrainNews 一起做一件有意義的事
衆籌| 一年時間，100篇，我們一起總結抑鬱症的研究進展
免費分享給所有人第032期
1，標題：深部腦刺激胼胝體下扣帶回治療難治性抑鬱症的長期療效
譯者：Lenore
目的：自2005年以來，對胼胝體下扣帶回的深部腦刺激（Deep brain stimulation of the subcallosal cingulate, SCC DBS）作爲重度及難治性抑鬱症的潛在治療方法已有許多研究。本研究作者採用了非盲的長期隨訪設計，對參加過SCC DBS療法治療難治性抑鬱症臨牀試驗的參與者進行了調查。
結果：在2-8年的隨訪期內，治療的反應率和緩解率分別維持在≥50％和≥30％。四分之三的被試在治療期間至少有一半的時間內符合治療反應標準，所有患者中有21％從第一年開始就表現出對治療的持續反應。在28名被試中，有14名完成了≥8年的隨訪，11名完成了≥4年的隨訪，3名在8年之內退出了研究。療法本身通常來說安全並有着良好耐受性，且急性或慢性刺激皆無副作用。醫療或外科併發症的發生率與DBS在其他適應症研究中觀察到的發生率一致。研究過程中沒有出現自殺現象。
結論：在>8年的觀察中，大多數被試對SCC DBS產生了有效且持續的抗抑鬱反應。
關鍵詞：單相情緒障礙；深部腦刺激；結果調查；胼胝體下扣帶回；隨訪
難治性抑鬱症患者經過8年的胼胝體下扣帶回深部腦刺激後的各組療效
參考文獻：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，標題：自殺患者前扣帶回皮層中星形膠質細胞和少突膠質細胞之間間隙連接偶聯減少的證據
譯者：Sheena
神經膠質功能障礙是情緒障礙的主要病理生理特徵。雖然星形膠質細胞（AS）和少突膠質細胞譜系（OL）的功能與抑鬱症相關，但從未在這種情況下評估這些膠質細胞類型之間的相互作用。AS是有力的髓鞘調節劑，部分通過AS特異性（Cx30和Cx43）和OL特異性（Cx32和Cx47）連接蛋白的異型偶聯形成的間隙連接（GJ）通道。因此，本研究旨在解決抑鬱自殺者的前扣帶回皮層（ACC）中AS / OL偶聯的完整性。使用免疫熒光和共聚焦成像，我們表徵了Cx30的分佈，並將其表達映射到來自抑鬱自殺者（N = 48）和匹配的對照（N = 23）的死後腦樣本中的OL體，髓鞘軸突和腦血管。還通過我們小組先前生成的RNA序列篩選了GJ nexus關鍵成分的差異基因表達，並通過實時定量PCR進行了驗證。我們表明，Cx30表達本地化到OL細胞和髓鞘纖維在男性抑鬱自殺者ACC的深皮質層中減少。這種作用與OL特異性連接蛋白的表達降低以及GJ的腳手架，運輸和功能所必需的主要連接蛋白相互作用蛋白的下調有關。這些結果提供了情緒障礙患者的ACC中AS / OL GJ介導的溝通受損的第一個證據。神經膠質耦合的這些變化可能會對腦功能產生重大影響，並且可能導致先前在該腦區域報道的OL功能改變。
關鍵字：星膠；少突膠質細胞；自殺
cx30免疫反應性在人前扣帶回皮層中的分佈
參考文獻：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，標題：選擇性有機陽離子轉運體阻斷劑對抑鬱小鼠模型的抗抑鬱作用研究
譯者：格式化
目前，臨牀上常用的一線抗抑鬱藥主要是通過阻斷腦內單胺再攝取發揮抗抑鬱效果。然而，在近三分之一的抑鬱症患者中存在起效慢、療效有限等問題。在本研究中發現一種前藥靶向有機陽離子轉運體（OCT）的開發，這種非典型的單胺轉運體參與與情緒的調節。利用分子模型，本研究篩選出一種選擇性的OCT2阻斷劑，並對其進行了改進，以增加其腦滲透性。在7周皮質酮暴露誘發的慢性抑鬱症的齧齒動物模型中測試了這種化合物H2-氰基的抗抑鬱效果。在雄性小鼠中，延長H2氰基給藥時間，對幾種典型的抑鬱症狀均產生積極影響，包括快感缺失、焦慮、社交回避和記憶障礙等。重要的是，在這個模型中，H2-氰胺與經典的抗抑鬱藥氟西汀相比，具有更好的抗快感缺失作用和抗焦慮作用。抑鬱樣行爲的綜合評分顯示，與氟西汀治療3周的小鼠相比，H2-氰基處理的小鼠抑鬱評分更低。在反覆給予H2-氰基後，增加腹側被蓋區多巴胺能神經元的放電，這可能是其快速抗抑鬱效果產生的基礎。像氟西汀一樣，H2-氰基也調節了一些早期報導的參與抗抑鬱反應的細胞內信號通路。綜合以上結果表明，OCT阻斷劑可以作爲抗抑鬱藥物研發的靶點。
關鍵詞：有機陽離子轉運體；H2-氰基；腹側被蓋區
參考文獻：Orrico-Sanchez, A., et al., Antidepressant efficacy of a selective organic cation transporter blocker in a mouse model of depression. Mol Psychiatry, 2019.
4，標題：治療抵抗性抑鬱症和外周C反應蛋白
譯者：He
背景: C反應蛋白(CRP)是重度抑鬱症(MDD)的候選生物標誌物，但目前尚不清楚外周CRP水平如何與該疾病的異質臨牀表型相關。
目的:探討CRP在MDD中的作用及其表型相關性。
方法:我們招募了102名抑鬱症治療抵抗性依舊抑鬱的患者，48名抑鬱治療反應不抑鬱的患者，48名沒有接受藥物治療的抑鬱症患者和54名健康志願者。測量外周靜脈血高敏感性CRP、體重指數(BMI)和進行抑鬱、焦慮、兒童創傷問卷評估。評估CRP組間差異，偏最小二乘法(PLS)分析探討CRP與特定臨牀表型的關係。
結果:與健康志願者相比，抗治療組BMI -糾正後的CRP顯著升高(P = 0.007)；但與治療反應組和未治療組的差異不顯著。PLS產生了一個最優的雙因素解釋表明了34.7%的變異在臨牀措施和36.0%的變異在CRP。與CRP密切相關且偏重於第一PLS成分的臨牀表型爲：植物性神經紊亂抑鬱、身體質量指數(BMI)、焦慮狀態、童年時感覺不被愛或希望有一個不同的童年。
結論：CRP在MDD患者中升高，在治療抵抗患者中升高更多。與CRP升高相關的其他表型包括兒童逆境和特定的抑鬱和焦慮症狀。我們認爲，MDD患者的促炎生物標誌物(如CRP)具有獨特的臨牀特徵，可能對抗炎藥物二線治療有反應。
關鍵詞：C反應蛋白；臨牀表型；炎症
高敏感性CRP與臨牀表型關係的偏最小二乘分析:前兩個PLS成分的臨牀(X)和CRP (Y)變量的空間圖。以粗體命名的臨牀變量通過了CRP重要影響的兩個標準;以普通字體命名的變量通過了第一個條件，但是沒有通過第二個條件。
參考文獻：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，標題：基於多任務深度學習方法對老年抑鬱症的個性化預測
譯者：Navy
引言：抑鬱症是老年人的主要公共健康問題之一。有效的抑鬱風險預測模型可以提供有關疾病進展的見識，並有可能爲及時的針對性干預提供信息。因此，迫切需要研究可以預測老年人抑鬱症發作時間的方法，主要是可以判斷髮展進程的模式。
目標：本研究旨在利用美國22年縱向調查數據，開發一種用於個體化抑鬱症預測的最新深度學習模型。
方法：研究者從密歇根大學健康與退休研究中心獲得了爲期22年的縱向調查數據，該數據包括1992年至2014年美國20,000名老年人的信息。爲了捕獲風險因素之間的時間和高級交互作用，利用具有多任務結構的遞歸神經網絡框架提出了深度學習模型。C統計量和平均絕對誤差用於評估所提出模型和一組基線模型的預測準確性。
結果：使用22年縱向調查數據的實驗表明：（a）機器學習模型可以準確預測老年人的抑鬱症發作；（b）危險因素的時間模式與抑鬱症的發作有關；（c）與基線模型相比，多任務深度學習模型表現出更高的性能。
結論：結果表明，基於深度學習的預測模型能夠捕獲風險因素之間的時間和高階交互，而傳統的迴歸模型通常會忽略這些能力。本研究揭示了使用機器學習模型能夠很好地預測老年人抑鬱症的發作。實際上，本研究所提出的方法可以作爲決策支持系統來實施，以幫助臨牀醫生做出決策併爲老年人提供可行的干預策略。
關鍵詞：抑鬱症的預測；抑鬱症；深度學習；患者疾病進展模型
參考文獻：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.
校對/排版：Simon/小時 （brainnews編輯部）前文閱讀
1，031期抑鬱症研究簡報｜青春期後期抑鬱症狀發展軌跡的預測因子
2，030期抑鬱症研究簡報｜終生重度抑鬱症的灰質體積變化
