近日，基础医学院刘树伟教授团队在抑郁障碍（major depressive disorder, MDD）神经影像学诊断生物标志物研究中取得新进展。该研究提出了一种联合血浆外泌体来源的miR-151a-3p及其相关的多模态磁共振成像（magnetic resonance imaging, MRI）指标的MDD诊断方法，为MDD的“临床诊断标准化”提供了新型工具。相关成果以“Alterations in miR-151a-3p of plasma-derived exosomes and associated multimodal neuroimaging patterns in major depressive disorder”为题，发表于国际学科权威期刊Molecular Psychiatry（中科院JCR期刊一区，五年IF=11.8）。基础医学院解剖学与神经生物学系教授刘树伟、山东大学齐鲁医院心理科副教授杨乐金为该论文的共同通讯作者，博士研究生梁文佳为该论文的第一作者，山东大学为第一作者单位和通讯作者单位。

MDD是全球最常见的精神疾病之一，其特征为持续的悲伤和快感缺乏，常伴有认知和躯体症状。据估计，全球约有5%的成年人患有MDD，给个人、家庭和社会造成了巨大的经济负担。MRI已被公认为是未来实现抑郁障碍“临床诊断标准化”的重要工具。然而，由于测试样本的遗传、环境和临床异质性，MRI结果的可靠性和有效性常常受到影响。在此，研究团队通过多模态MRI融合算法将MRI与在MDD患者血浆外泌体中异常表达的miR-151a-3p及相关的临床心理学量表相结合，构建了一种基于数据驱动的自下而上的诊断模型，有效提高了测试数据集中MDD的诊断率。

具体地，本研究发现MDD患者血浆外泌体来源的miR-151a-3p表达水平显著低于健康对照（healthy controls, HCs），并且miR-151a-3p的异常表达与前扣带皮质（anterior cingulate cortex, ACC）、视觉皮质和默认模式网络等脑区的功能磁共振成像（functional magnetic resonance imaging, fMRI）指标的异常改变相关。随后，这些与miR-151a-3p表达相关的多模态MRI特征在支持向量机（support vector machine, SVM）模型中对MDD患者和HCs进行分类诊断的准确率高达92.05%，优于在同样的分类模型中输入只具有组间差异的多模态MRI特征时的诊断率（70.45%）。

此外，接受了6个月抗抑郁药物治疗并且表现出显著的临床治疗反应（汉密尔顿抑郁（Hamilton Rating Scale for Depression, HAMD）量表评分在治疗后降低超过50%）的MDD患者，其血浆外泌体中miR-151a-3p的表达量相较于治疗前显著升高，并且相应脑区的fMRI指标也在治疗后发生了显著的逆转性改变。

动物实验表明，降低小鼠ACC中miR-151-3p（对应于人的miR-151a-3p分子）的表达量可以诱导正常小鼠出现抑郁样行为，而升高小鼠ACC中hsa-miR-151a-3p的表达量则会减轻慢性不可预知应激模型小鼠的抑郁样行为，这为miR-151a-3p与MDD发生之间的因果关系提供了进一步的证据。

综上所述，该研究团队提出了一种创新的MDD诊断模型，结合血浆外泌体来源的miR-151a-3p的表达水平及其相关的多模态MRI特征显著提高了MDD的诊断准确性，该模型有望成为一种新型的MDD诊断工具。

刘树伟教授团队长期致力于抑郁障碍、胎儿及新生儿脑发育的神经影像学研究，研究成果发表在Radiology、Neuroimage、Human Brain Mapping等神经影像学领域的国际学术期刊。该项研究得到国家自然科学基金和山东省济南市新高校20条“自主培养创新团队”项目的大力支持。