AKT1基因在精神分裂症脑网络功能异常中的调控机制研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81701325
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H1005.精神分裂症及精神病性障碍
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Schizophrenia is a common severe mental disorder. Approximately one-third of patients with schizophrenia do not respond adequately to treatment and are considered treatment-resistant. The neuropathological mechanism of treatment-resistant schizophrenia remains to be elucidated. Interdisciplinary research in gene-neuroimaging has provided a vast body of evidence on intermediate phenotypes of risk genes and brain networks in schizophrenia. The interaction between the functional integration of the salience network, default mode network and central executive network, and the protein kinase B1 (AKT1) gene has been demonstrated to be closely related to occurrence and development of clinical symptoms of schizophrenia. However, there is no related research to further explore or verify these findings. Our study will conduct an in-depth exploration at a gene-brain network-behavior level to examine: ① the features of the AKT1 polymorphism and of the integration mode of salience-default mode-central executive network in treatment-resistant patients and in good responders, ② the interaction pattern between the AKT1 gene and salience-default mode-central executive network in schizophrenia, and ③ the association between the AKT1 gene, the salience-default mode-central executive network, and clinical symptoms and cognitive functions in schizophrenia. The study aims to contribute to new strategies of identifying intermediate phenotypes of treatment-resistant schizophrenia and to further understanding of the neuropathological mechanism of schizophrenia.
精神分裂症是一种常见的重性精神障碍,即使经过充分治疗仍有约1/3成为难治性患者,难治性精神分裂症的病理机制急需阐明。在寻找精神分裂症风险基因和脑网络中间表型的研究中,基因-影像学跨学科研究提供了大量研究证据。学术界推测蛋白激酶B1(AKT1)基因可能参与了突显网络、默认网络、中央执行网络之间的功能整合,与精神分裂症的发生和发展紧密相关,然而迄今为止尚无相关研究对这一假设进行深入探索和验证。本研究拟从基因-脑网络-行为三个层面深入探索:①有效精神分裂症患者与难治性患者AKT1基因多态性特征及突显-默认-中央执行网络的整合模式特征;②精神分裂症中AKT1基因影响突显-默认-中央执行网络整合模式的病理机制;③AKT1基因、突显-默认-中央执行网络整合模式与精神分裂症临床症状及认知功能的相互关系。本研究的预期成果将为寻找难治性精神分裂症的中间表型和深入理解精神分裂症的神经病理机制提供新的视角。

结项摘要

精神分裂症全球患病率高达1.0%,仅中国约有1000万精神分裂症患者。患者中又有高达1/3的比例是难治性精神分裂症,急需阐明难治性精神分裂症的机制。精神分裂症风险基因蛋白激酶 B1(AKT1)基因与核心脑网络如中央执行网络、默认网络和突显网络与精神分裂症的治疗效果可能存在紧密联系。本项目发现精神分裂症风险基因DISC1三个位点与诊断具有交互效应,Rs821617与诊断的交互效应脑区位于:楔前叶、基底节(壳核与苍白球)、感觉运动皮层(中央前回与中央后回)III和视觉皮层(枕中回与距状沟);rs821616 与诊断交互效应脑区位于颞中回(延伸至颞上回)和中央后回;rs2738880与诊断的交互效应体现在颞下回。本研究首次揭示了 DISC1 基因突变对精神分裂症患者静息态下脑功能局部一致性的影响,进一步支持DISC1突变可能是精神分裂症的脑功能异常的遗传学基础。运用动态功能连接(dynamic functional connectivity, dFC)分析,首次发现和健康人相比,精神分裂症表现出一系列皮层下区域的局部dFC,丘脑-感觉运动皮层之间dFC及涉及视觉网络、注意网络、边缘系统的dFC时间变异度的显著上升,以及默认网络的dFC时间变异度的显著下降。以上发现为我们深入理解精神分裂症的病理机制和定位潜在的干预靶点提供了重要的科学依据。

项目成果

期刊论文数量(13)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Connectomic Underpinnings of Working Memory Deficits in Schizophrenia: Evidence From a replication fMRI study.
精神分裂症工作记忆缺陷的连接组学基础:来自复制功能磁共振成像研究的证据。
  • DOI:
    10.1093/schbul/sbz137
  • 发表时间:
    2020-02
  • 期刊:
    Schizophrenia Bulletin
  • 影响因子:
    6.6
  • 作者:
    Yang Jie;Pu Weidan;Wu Guowei;Chen Eric;Lee Edwin;Liu Zhening;Palaniyappan Lena
  • 通讯作者:
    Palaniyappan Lena
Resilience and Cognitive Function in Patients With Schizophrenia and Bipolar Disorder, and Healthy Controls.
精神分裂症和双相情感障碍患者以及健康对照者的适应能力和认知功能
  • DOI:
    10.3389/fpsyt.2018.00279
  • 发表时间:
    2018
  • 期刊:
    Frontiers in psychiatry
  • 影响因子:
    4.7
  • 作者:
    Deng M;Pan Y;Zhou L;Chen X;Liu C;Huang X;Tao H;Pu W;Wu G;Hu X;He Z;Xue Z;Liu Z;Rosenheck R
  • 通讯作者:
    Rosenheck R
Effects of DISC1 Polymorphisms on Resting-State Spontaneous Neuronal Activity in the Early-Stage of Schizophrenia.
DISC1 多态性对精神分裂症早期静息态自发神经元活动的影响
  • DOI:
    10.3389/fpsyt.2018.00137
  • 发表时间:
    2018
  • 期刊:
    Frontiers in psychiatry
  • 影响因子:
    4.7
  • 作者:
    Gou N;Liu Z;Palaniyappan L;Li M;Pan Y;Chen X;Tao H;Wu G;Ouyang X;Wang Z;Dou T;Xue Z;Pu W
  • 通讯作者:
    Pu W
Abnormal Thalamocortical Circuit in Adolescents With Early-Onset Schizophrenia
早发性精神分裂症青少年丘脑皮质回路异常
  • DOI:
    10.1016/j.jaac.2020.07.903
  • 发表时间:
    2020
  • 期刊:
    Journal of the American Academy of Child & Adolescent Psychiatry
  • 影响因子:
    13.3
  • 作者:
    Zhang Manqi;Palaniyappan Lena;Deng Mengjie;Zhang Wen;Pan Yunzhi;Fan Zebin;Tan Wenjian;Wu Guowei;Liu Zhening;Pu Weidan
  • 通讯作者:
    Pu Weidan
Morphological Profiling of Schizophrenia: Cluster Analysis of MRI-Based Cortical Thickness Data
精神分裂症的形态学分析:基于 MRI 的皮质厚度数据的聚类分析
  • DOI:
    10.1093/schbul/sbz112
  • 发表时间:
    2019-04
  • 期刊:
    Schizophrenia Bulletin
  • 影响因子:
    6.6
  • 作者:
    Pan Yunzhi;Pu Weidan;Chen Xudong;Huang Xiaojun;Cai Yan;Tao Haojuan;Xue Zhiming;Mackinley Michael;Limongi Roberto;Liu Zhening;Palaniyappan Lena
  • 通讯作者:
    Palaniyappan Lena

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

一种无线传感器网络基于最小路由密钥集的高效节点俘获攻击算法
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    Security and Communication Networks
  • 影响因子:
    --
  • 作者:
    吴国伟;陈晓杰;Mohammad S. Obaidat;林驰
  • 通讯作者:
    林驰
牵连观念访谈表中文版在精神障碍病人中的信效度初步分析
  • DOI:
    10.16128/j.cnki.1005-3611.2017.04.013
  • 发表时间:
    2017
  • 期刊:
    中国临床心理学杂志
  • 影响因子:
    --
  • 作者:
    苟宁芝;黄凯茵;范泽斌;吴国伟;王政;张雯;孙梦;蒲唯丹;陶好娟;薛志敏;刘哲宁
  • 通讯作者:
    刘哲宁
双相障碍患者脑灰质体积变化性别差异性研究
  • DOI:
    10.16128/j.cnki.1005-3611.2016.03.003
  • 发表时间:
    2016
  • 期刊:
    中国临床心理学杂志
  • 影响因子:
    --
  • 作者:
    樊丽丹;赵书俊;吴国伟;聂彬彬;刘华;王静娟;梁胜祥;刘哲宁;单保慈
  • 通讯作者:
    单保慈
一种面向人体传感网络的自适应容错通信方案
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Sensors
  • 影响因子:
    3.9
  • 作者:
    夏峰;吴国伟;任健康;徐子川
  • 通讯作者:
    徐子川
Detection and Defense of Cache Pollution Based on Popularity Prediction in Named Data Networking
命名数据网络中基于流行度预测的缓存污染检测与防御
  • DOI:
    10.1109/tdsc.2020.2967724
  • 发表时间:
    2020-01
  • 期刊:
    IEEE Transactions on Dependable and Secure Computing(CCF A类期刊)
  • 影响因子:
    --
  • 作者:
    姚琳;曾宇杰;王歆;陈爱伦;吴国伟
  • 通讯作者:
    吴国伟

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码