基于大型脑网络多模态MRI的海洛因成瘾者复吸机制探讨

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81671661
  • 项目类别:
    面上项目
  • 资助金额:
    58.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H2701.磁共振成像
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

Relapse is the difficult and critical point for treatment of heroin addiction..Although some measures play an active role in reducing heroin craving and alleviating withdrawal symptoms, the problem of high relapse rates still remains to be solved. Previous studies demonstrated that the brain regions included in Default Mode Network (DMN), Salience Network (SN) and Executive Control Network (ECN) are mainly involved in heroin addiction. However, the inherent characteristics of the DMN, SN and ECN large-scale networks, especially the interactions among them underlying the mechanism of relapse remains unclear. Recently, we found that the heroin-dependent individuals demonstrated positive relationship between the relapse behavior and coupling of SN and DMN, but negative relationship between the relapse behavior and coupling of left ECN and DMN. The results suggested that to clarify the inherent characteristics of large-scale brain networks, especially the interactions among them is the key to clarifying the mechanism of relapse. The aim of this prospective project is to explore the inherent functional and structural characteristics of the DMN, SN and ECN large-scale networks, especially the interactions among them underlying the mechanism of relapse in use of multimodal functional magnetic resonance imaging. Meanwhile, this project is aimed to identify the biomarkers related to relapse and it will contribute to providing experimental support for predicting the risk of relapse, developing new treatment for heroin addiction, and preventing relapse behavior of heroin addicts.
复吸是海洛因成瘾治疗的难点和关键点。尽管一些治疗方法在降低海洛因渴求和缓减戒断症状方面发挥积极作用,但仍无法解决高复吸率问题。前期研究表明海洛因成瘾主要涉及默认功能网络、突显性网络和执行控制网络相关的脑区,但这三个大型脑网络的内在特征,尤其是相互关系在复吸机制中的作用仍不清楚。我们的初步研究发现,海洛因成瘾者的突显性网络与默认功能网络之间的功能连接强度和复吸次数成正相关,而左侧执行控制网络与默认功能网络之间的功能连接强度和复吸次数成负相关,提示阐明海洛因成瘾者大型脑网络的内在特征,尤其是网络间相互作用关系可能是阐明复吸机制的关键点。本项目拟采用结合功能和结构多模态MRI的方法,从前瞻性角度探讨海洛因成瘾者默认功能网络、突显性网络和执行控制网络的内在功能、结构特征,尤其是网络间相互关系在复吸机制中的作用,并明确复吸相关的影像学诊断指标,为预测复吸风险、发展新的治疗方案、预防复吸行为提供依据。

结项摘要

复吸是海洛因成瘾治疗的难点和关键点。阐明海洛因成瘾者大型脑网络的内在特征,尤其是网络间相互作用关系可能是阐明复吸机制的关键点。本项目采用结合功能和结构多模态 MRI的方法,探讨了海洛因成瘾者默认功能网络、突显性网络和执行控制网络的内在功能、结构特征,尤其是网络间相互关系在复吸机制中的作用,发现了一些重要的结果,主要包括:(1)默认功能网络-突显性网络功能连接异常增强,默认功能网络-执行控制网络功能连接异常减弱与海洛因成瘾者复吸行为率密切相关,有望成为提示成瘾者复吸风险的生物学标志。(2)长期强制戒断有利于改善海洛因成瘾者执行控制、突显性和默认模式网络之间的功能连接。(3)海洛因使用时间与成瘾者前额叶皮质灰质体积呈负相关,可能与大脑的抑制控制、奖赏、视觉和体感功能的损害/不适应有关。(4)TaqIA的A1等位基因与海洛因依赖者对海洛因相关线索的高反应有关。(5)强制戒断比美沙酮维持治疗更有利于降低海洛因成瘾者毒品线索的突显性价值。这些发现将为海洛因成瘾优化治疗方案及疗效评估提供理论依据。除此之外,本课题组就海洛因成瘾机制fMRI研究方法与质量控质做了总结。

项目成果

期刊论文数量(17)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
戒断时间效应对海洛因成瘾大脑小世界网络影响的fMRI研究
  • DOI:
    10.13929/j.1003-3289.201608127
  • 发表时间:
    2017
  • 期刊:
    中国医学影像技术
  • 影响因子:
    --
  • 作者:
    陈佳杰;李永斌;魏璇;刘洁蓉;朱佳;李玮;李强;王玮
  • 通讯作者:
    王玮
fMRI观察强制戒断对海洛因成瘾者渴求任务下大型脑网络的影响
  • DOI:
    10.13929/j.1003-3289.201901050
  • 发表时间:
    2019
  • 期刊:
    中国医学影像技术
  • 影响因子:
    --
  • 作者:
    时宏;陈佳杰;刘为;薛久华;蔡关科;胡风;王亚蓉;王玮;李强
  • 通讯作者:
    李强
甲基苯丙胺使用障碍者脑灰质结构改变与精神症状的相关性研究
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    磁共振成像
  • 影响因子:
    --
  • 作者:
    党珊;朱佳;李强;陈静;刘艳;陈佳杰;李璇;李玮;王玮
  • 通讯作者:
    王玮
海洛因成瘾者渴求任务对大型脑网络影响的功能磁共振研究
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    磁共振成像
  • 影响因子:
    --
  • 作者:
    时宏;陈佳杰;王帆;刘为;刘洁蓉;薛久华;魏璇;李玮;朱佳;李强;王玮
  • 通讯作者:
    王玮
海洛因成瘾者复吸相关低频振幅特征的静息态fMRI研究
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    磁共振成像
  • 影响因子:
    --
  • 作者:
    李林斌;李哲;陈佳杰;刘洁蓉;魏璇;李玮;王玮;李强
  • 通讯作者:
    李强

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

Recursive Maximum Correntropy Algorithms for Second-Order Volterra Filtering
二阶Volterra滤波的递归最大熵算法
  • DOI:
    10.1109/tcsii.2021.3064946
  • 发表时间:
    2021-03
  • 期刊:
    IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS II-EXPRESS BRIEFS
  • 影响因子:
    4.4
  • 作者:
    赵集;J. Andrew Zhang;李强;张洪斌;王学渊
  • 通讯作者:
    王学渊
A new bearing fault diagnosis method based on signal-to-image mapping and convolutional neural network
基于信号到图像映射和卷积神经网络的轴承故障诊断新方法
  • DOI:
    10.1016/j.measurement.2021.109088
  • 发表时间:
    2021-05
  • 期刊:
    Measurement
  • 影响因子:
    5.6
  • 作者:
    赵靖;杨绍普;李强;刘永强;顾晓辉;刘文朋
  • 通讯作者:
    刘文朋
农地流转对农村内部收入不平等的影响
  • DOI:
    10.13872/j.1000-0275.2022.0014
  • 发表时间:
    2022
  • 期刊:
    农业现代化研究
  • 影响因子:
    --
  • 作者:
    吴超;李强;王会;刘霞婷;宋中丽
  • 通讯作者:
    宋中丽
Supramolecular chain-like aggregates and polymeric sandwich complexes constructed from p-sulfonatocalix[4,6]arenes with (8-hydroxy)quinoline guests
由对磺基杯[4,6]芳烃与(8-羟基)喹啉客体构建的超分子链状聚集体和聚合物夹心复合物
  • DOI:
    10.1039/b717884k
  • 发表时间:
    2008-05
  • 期刊:
    Crystengcomm
  • 影响因子:
    3.1
  • 作者:
    陈锟;刘育;李强;郭东升
  • 通讯作者:
    郭东升
Study on the Surface Damage Layer in Multiple Grinding of Quartz Glass by Molecular Dynamics Simulation
石英玻璃多次磨削表面损伤层的分子动力学模拟研究
  • DOI:
    10.4028/www.scientific.net/jnanor.46.192
  • 发表时间:
    2017-03
  • 期刊:
    Journal of Nano Research
  • 影响因子:
    1.7
  • 作者:
    刘涛;郭晓光;李强;康仁科;郭东明
  • 通讯作者:
    郭东明

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

李强的其他基金

手性超分子水凝胶LPFEG在人表皮黑素细胞氧化损伤中抗衰老的分子机制研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    53 万元
  • 项目类别:
    面上项目
手性超分子水凝胶LPFEG在人表皮黑素细胞氧化损伤中抗衰老的分子机制研究
  • 批准号:
    52273161
  • 批准年份:
    2022
  • 资助金额:
    53.00 万元
  • 项目类别:
    面上项目
HIF-1α-ROS-NF-κB信号通路介导心理应激加重牙周炎病变的作用机制研究
  • 批准号:
    81500851
  • 批准年份:
    2015
  • 资助金额:
    18.0 万元
  • 项目类别:
    青年科学基金项目
白癜风黑素细胞凋亡小体形成及其抗原呈递机制的研究
  • 批准号:
    81371739
  • 批准年份:
    2013
  • 资助金额:
    65.0 万元
  • 项目类别:
    面上项目
强制戒断时间效应对海洛因成瘾者渴求影响的纵向fMRI研究
  • 批准号:
    81201081
  • 批准年份:
    2012
  • 资助金额:
    23.0 万元
  • 项目类别:
    青年科学基金项目
一个新发现的白癜风相关黑素细胞膜抗原基因序列的确定
  • 批准号:
    30600537
  • 批准年份:
    2006
  • 资助金额:
    23.0 万元
  • 项目类别:
    青年科学基金项目

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