本篇文献发表在Translational Psychiatry杂志。所发布内容旨在与大家分享学术新知，促进交流学习，版权归原作者或原出处所有，感谢各位学者的辛勤付出与研究成果。

引言

连续的神经动态通过产生不同的活动状态和复杂的状态间转换，支撑着正常的脑功能。值得注意的是，这些基本的动态过程在神经和精神疾病中受到干扰，表现为广泛的认知和行为障碍。重度抑郁障碍是一种常见的精神疾病，以临床症状和认知障碍为特征。越来越多的证据表明，重度抑郁障碍患者受损的动态转换与认知缺陷和核心临床症状严重程度相关，包括情绪加工和认知控制。表征重度抑郁障碍患者异常的脑动态，可能为其潜在的病理生理学提供关键见解。

网络控制理论（NCT）为在结构架构约束下的脑状态转换建模提供了一个框架。网络控制理论在重度抑郁障碍中的应用已经识别出结构和功能脑可控性缺陷，这解释了特定脑区和网络调节状态转换的能力。然而，负责特定状态转换动态的机制仍不清楚。通过量化大脑在不同状态间转换所需的控制能量，网络控制理论构建了一个能够反映大脑动态功能的能量景观图谱。控制能量，被定义为沿着最优轨迹引导脑动态所需的最小输入，是能量效率的一个标志。它已被用于解释由结构支持的执行功能发展，揭示癫痫中的能量破坏，并预测对外部刺激的反应。最近的证据将能量低效与重度抑郁障碍患者的脑状态失调联系起来，表明网络控制理论是识别生物标志物和指导病理性脑动态调节的宝贵工具。

然而，最近的网络控制理论研究主要关注基于弥散张量成像衍生的网络，这在精确量化长程连接方面存在固有局限性。值得注意的是，灰质在控制脑动态中的作用值得强调，因为它构成了主要的能量消耗基质。白质连接和灰质体积对网络控制做出互补贡献，共同为调节脑状态转换奠定了基础。个体水平的形态网络，如形态逆散度和形态相似性网络，已被广泛用于表征人脑的宏观结构组织。形态逆散度网络提供了比形态相似性网络更可靠、可遗传的且更具生物学依据的测量，显示出对年龄相关变化和潜在基因共表达增强的敏感性。重抑郁障碍相关的形态逆散度改变显示了与结构连接、转录组相似性和神经受体分布的系统关联。因此，控制理论应用于形态网络，将稳定的神经解剖学与中断的大脑动力学联系起来，为抑郁症提供了更全面和更具生物学基础的理解。此外，传统的网络控制理论方法很大程度上忽略了控制能量的时间组织。最近提出的时间平均控制能量捕捉了在静息状态期间维持和控制脑状态转换所需的平均控制能量。Ceballos 等人报告说，大脑以最小的能量成本维持功能多样性。因此，识别由结构架构约束的重度抑郁障碍相关的时间平均控制能量模式，有助于确定状态失调的能量基础。

作为一个纯粹的统计参数，控制能量需要通过与可测量的能量架构进行验证，以确立其生物学合理性。正电子发射断层扫描研究已将控制能量与脑葡萄糖和氧代谢联系起来，为其代谢基础提供了见解。除了生物能量储备，所有基本的大脑过程都依赖于细胞能量转换。线粒体控制着亚细胞活动，并提供维持脑功能所必需的能量。此外，能量相关底物通过相互连接的途径进行代谢，这些途径产生能量并合成神经元功能所必需的生物分子。总的来说，线粒体特性、能量代谢途径和宏观代谢特征表征了共同控制大脑动力学的多尺度能量架构。

因此，此研究将网络控制理论与多尺度能量架构相结合，以确定重度抑郁障碍患者的病理性状态转换是否与跨细胞、分子和系统生物系统的能量缺失相关。具体来说，此研究首先基于重度抑郁障碍患者的形态网络架构，识别了其脑状态转换的改变。然后，此研究发现了这些转换失调的能量相关证据，并将能量低效与认知缺陷和临床症状联系起来。最后，此研究将重度抑郁障碍患者的非典型能量需求与线粒体表型、能量代谢途径、宏观代谢模式和神经生理振荡关联起来。这些发现有助于更好地理解脑能量景观如何影响重度抑郁障碍患者的病理性脑动态。

方法

参与者

此研究包括两个独立队列。发现队列中的重度抑郁障碍患者和人口统计学匹配的健康对照者招募自西南大学脑成像中心。重复队列包括来自山西医科大学第一医院精神科和附近社区的门诊患者。所有重度抑郁障碍患者均由经验丰富的精神科医生根据DSM-IV标准进行诊断。分别使用17项汉密尔顿抑郁评定量表和14项汉密尔顿焦虑评定量表评估抑郁和焦虑症状。重度抑郁障碍患者的排除标准包括主要的神经系统或精神疾病共病、结构磁共振成像异常或磁共振成像禁忌症。健康对照者无第一轴精神障碍或第二轴人格障碍，且无精神疾病家族史。所有参与者均签署了书面知情同意书。所有研究方案均按照1975年《赫尔辛基宣言》执行，并得到了西南大学（发现队列）和山西医科大学（重复队列）伦理委员会的批准。

磁共振成像数据采集与预处理

发现队列中的所有磁共振成像图像均使用西门子Trio 3.0 T扫描仪在西南大学脑成像中心采集。结构T1加权磁共振成像图像的采集参数如下：重复时间 = 1900毫秒，回波时间 = 2.52毫秒，视野 = 256 × 256平方毫米，矩阵大小 = 256 × 256，翻转角 = 9°，体素大小 = 1 × 1 × 1立方毫米。弥散磁共振成像图像使用弥散加权梯度回波平面成像序列采集：重复时间 = 11,000毫秒，回波时间 = 98毫秒，视野 = 256 × 256平方毫米，矩阵大小 = 128 × 128，体素大小 = 2 × 2 × 2立方毫米，层数 = 60，1个全脑的b值 = 0秒/平方毫米，30个非共线方向b值 = 1000秒/平方毫米。静息态功能磁共振成像图像使用梯度回波型平面成像序列采集：重复时间/回波时间 = 2000/30毫秒，矩阵大小 = 64 × 64，翻转角 = 90°，体素大小 = 3.44 × 3.44 × 4立方毫米，视野 = 220 × 220平方毫米，轴状层数 = 32，时间点个数 = 242。

重复队列中的所有磁共振成像图像均使用3.0 T Trio西门子系统在山西省人民医院（中国太原）采集。结构磁共振成像图像使用三维磁化制备快速梯度回波T1加权序列采集，参数如下：重复时间 = 2300毫秒，回波时间 = 2.95毫秒，反转时间 = 900毫秒，翻转角 = 9°，视野 = 225 × 240平方毫米，160层，厚度 = 1.2毫米。弥散敏感梯度沿12个非共线方向施加，b = 1000秒/平方毫米，同时进行一次非弥散加权采集b = 0秒/平方毫米。对于每次弥散张量成像扫描，采集45个连续的轴状层，参数如下：重复时间 = 6000毫秒，回波时间 = 90毫秒，翻转角 = 90°，层厚 = 3毫米，视野 = 240毫米 × 240平方毫米，矩阵大小 = 128 × 128，体素大小 = 1.875 × 1.875 × 3立方毫米。静息态图像使用平面成像序列采集，采集参数如下：重复时间 = 2000毫秒，回波时间 = 40毫秒，翻转角 = 90°，矩阵 = 64 × 64，视野 = 240 × 240，厚度 = 4毫米，轴状层数 = 32，时间点个数 = 212。具体的数据预处理在补充材料中提供。

形态网络构建

弥散磁共振成像数据被分割成Schaefer-400皮层脑区，以重建全脑结构网络。连接强度使用流线计数测量，随后进行二值化以表示白质通路的存在与否。对于形态网络，五个T1衍生的特征，包括皮层厚度、灰质体积、表面积、平均曲率和脑沟深度，在每个脑区进行标准化和聚合。脑区间的多变量相似性使用对称Kullback-Leibler散度进行量化，产生个体的形态逆散度网络（400 × 400）。为了整合多模态信息，形态逆散度网络通过二值化的弥散张量成像网络进行阈值化。具体来说，只有存在于弥散张量成像网络中的边（表示直接的白质连接）才保留其原始的形态逆散度相似值（反映灰质形态测量对齐）。由此产生的网络同时捕获了白质纤维束成像连接和灰质的生物学特征。

时间平均控制能量

时间平均控制能量(TCE)用于量化在跨脑状态转换期间的平均控制能量。所有皮层脑区（N = 400）被分配到七个规范的固有网络。在每个时间点，具有最高平均活动的网络被识别为优势网络，生成一个网络优势的时间序列。然后，在每个优势状态内对血氧水平依赖活动进行平均，创建七个特定状态的活动图。使用最优控制策略，此研究模拟了每对网络状态之间的转换，并计算了每次转换所需的控制能量（见补充方法）。通过平均所有转换过程中的特定转换能量，生成个体的时间平均控制能量图，每个脑区值代表其在动态状态转换期间的累积能量成本。

病例对照比较分析

为了表征重度抑郁障碍相关的控制能量改变，使用半参数广义加性模型比较重度抑郁障碍患者和健康对照者之间的脑区时间平均控制能量。该模型构建为公式1。

公式中 Y 代表脑区可控性的测量值。该模型纳入了一个非参数平滑函数来处理年龄，以考虑潜在的非线性关系，而不施加预定义约束。为了控制头围和头动的影响，此研究将总颅内体积和平均帧间位移作为协变量纳入模型。同时，无论是否将总颅内体积和平均帧间位移作为协变量纳入模型，时间平均控制能量的病例对照差异都保持高度一致性。效应量使用Cohen’s d值量化，错误发现率(FDR)校正用于调整跨脑区的多重比较。

在网络层面，脑区被聚合到七个规范的Yeo-Krienen功能网络中。使用相同的模型来评估时间平均控制能量的网络层面差异。在此，网络富集显著性检验被用于评估内在功能网络内脑-表型关联的特异性。使用参与者水平的置换（每个网络1000次置换），网络富集显著性检验生成了一个零分布，同时控制了第一类错误。富集分数量化了网络内关联相对于网络外效应的相对强度。P值基于999次置换评估，并跨网络使用错误发现率校正。

与认知术语的相关性分析

为了建立重度抑郁障碍相关的时间平均控制能量异常与NeuroSynth元分析数据库中的认知术语之间的关联。从Neurosynth 50元分析主题中选择了二十三个认知术语。重叠率通过将时间平均控制能量定义的脑区（显示显著增加/减少）与每个认知术语图之间的重叠体素数除以这些比较图中相关体素的总数来计算。

状态转移概率和能量的差异分析

为了确定时间平均控制能量与重度抑郁障碍特异性状态转换模式之间的关系，此研究在所有内在网络对上量化了两个指标：转移概率，表示脑状态之间转换的可能性；转移能量，反映结构约束下状态转换所需的控制能量。

此研究进一步整合了一个功能层级框架，根据其功能特化将网络分类为单模态（视觉和感觉运动）或异模态（其他）。这使得不仅能够在层级内，而且能够在跨层级水平上评估转移概率和转移能量的动态。

与临床特征的相关性分析

为了确定重度抑郁障碍相关的能量缺失与抑郁和焦虑症状之间的特定且可分离的关联，使用独立的偏最小二乘法（PLS）分析帧位移来检验时间平均控制能量与症状严重程度之间的多变量关系。在每个模型中，来自400个皮层脑区的时间平均控制能量值被用作预测因子，分别以抑郁评分和焦虑评分作为响应变量。所有变量都进行了Z分数标准化，并针对病例对照比较中使用的相同协变量进行了调整。使用奇异值分解，偏最小二乘分析识别了最大化时间平均控制能量模式与症状特征之间协方差的潜在成分。统计显著性使用置换检验（1000次迭代）评估，该方法通过打乱症状分数来创建协方差的零分布。对于显著的成分，使用自举法评估脑区时间平均控制能量载荷和临床变量载荷的可靠性和贡献，揭示了重度抑郁障碍患者抑郁和焦虑症状的独特和共享的神经控制机制。

多元线性回归分析

作为一个量化控制脑状态转换能力的统计测量，异常的时间平均控制能量可能表明基础能量代谢架构的效率受损或失调。此研究采用线粒体表型、代谢途径和代谢资源来分别反映细胞、分子和生物层面的代谢能量特征。使用多元线性回归模型来表征重度抑郁障碍相关的时间平均控制能量改变与这些多尺度脑能量架构之间的联系（补充方法）。在每个模型中，时间平均控制能量的病例对照差异作为因变量，相应的能量景观矩阵作为预测变量。模型拟合优度通过决定系数(R²)测量。最后，使用来自relaimpo R包（v.2.2-7）的pmvd指标量化每个变量在解释时间平均控制能量病例对照差异方差中的相对重要性。

与神经生理振荡的相关性分析

脑状态转换需要同步的神经活动，这与大脑的能量消耗密切相关。在此，此研究检查了重度抑郁障碍相关的能量失调与皮层动态之间的关联。从人类连接组计划S1200数据发布中获取了33名不相关的健康年轻成年人的6分钟静息态脑磁图数据。完整的采集方案记录在人类连接组计划S1200发布手册中。遵循标准的人类连接组计划预处理和频谱分析（见补充方法），将顶点级功率数据分割成400个皮层脑区，对应六个频带：delta (2–4Hz), theta (5–7 Hz), alpha (8–12 Hz), beta (15–29 Hz), 低gamma (30–59 Hz), 高gamma (60–90 Hz)。预处理的频谱图来源于neuromaps工具包。为了评估振荡活动如何影响重度抑郁障碍患者能量需求的改变，拟合了一个多元线性回归模型，使用所有六个频带的频谱功率来预测时间平均控制能量的病例对照差异。模型拟合使用R²进行评估，并量化预测因子的重要性以确定每个频带的相对贡献。

可重复性分析

上述重度抑郁障碍相关的能量需求改变在重复队列中进行了验证。使用与发现队列中相同的半参数广义加性模型，此研究计算了验证集中全脑和节点水平的能量需求的病例对照差异，同时控制了年龄、性别、总颅内体积和头动的影响。效应量使用Cohen’s d值量化，FDR校正用于调整跨脑区的多重比较。为了检验能量需求脑区变化的可复现性，使用空间相似性分析比较了发现队列和重复队列之间的d值图。

此外，考虑到抗抑郁药物会影响脑动态，此研究将重度抑郁障碍患者分为用药组
(n=81，年龄：38.94±12.61岁，女性52例)
和未用药组 (76例，年龄38.26±12.61岁，女性50例)，以评估药物对能量需求的影响。具体来说，此研究评估了用药组和未用药组与健康对照者之间能量需求的差异，同时评估了每组与发现队列的相似程度。

结果

实验设计

经过质量控制（补充方法），发现队列包括165名重度抑郁障碍患者（年龄：38.98 ± 12.80岁，107名女性）和180名年龄和性别匹配的健康对照（年龄：40.75 ± 16.60岁，111名女性），而重复队列包括142名患者（年龄：31.53 ± 10.33岁，80名女性）和103名健康对照（年龄：29.17 ± 7.89岁，60名女性）（表S1）。此研究将七个规范的内在网络概念化为脑状态。为了保持生物学合理性，状态转换沿着在网络约束下最小化能量的最优轨迹进行建模。时间平均控制能量被计算为所有状态对的平均转移能量，代表维持脑动态的脑区能量需求。然后，此研究评估了重度抑郁障碍相关的脑区时间平均控制能量改变，并检查了与可量化的生物能量和神经生理振荡模式的关联（图1）。

重度抑郁障碍中能量需求的改变

个体水平的时间平均控制能量显示出空间异质性的分布，在后扣带回、内侧前额叶和颞叶皮层需求升高，表明维持动态神经重构的脑区成本更高。

在全局水平上，重度抑郁障碍患者显示出比健康对照者更高的全脑时间平均控制能量（Cohen’s d = 0.32, P = 0.003），提示受限的脑状态动态。网络富集显著性检验识别出显著的病例对照差异主要存在于默认模式网络、腹侧注意网络和边缘网络内（图2C，表S2）。节点水平比较显示，重度抑郁障碍患者在前额叶和后扣带回脑区的时间平均控制能量升高，但在颞极和视觉脑区的时间平均控制能量降低（图2D）。NeuroSynth元分析表明，时间平均控制能量升高的脑区在功能上与社交认知和记忆编码相关。相反，时间平均控制能量降低的脑区则与面部和情绪调节相关。

重度抑郁障碍中状态转换模式的改变

使用网络控制理论，此研究计算了所有成对网络状态之间的转换能量。由此产生的不对称转换能量矩阵反映了方向依赖的状态转换能量成本，受结构拓扑组织的影响（图S2）。转移概率分析显示，重度抑郁障碍患者和健康对照者都倾向于低能量的内部状态转换，而非成本更高的状态间转换（图S3A）。

与健康对照者相比，重度抑郁障碍患者在大多数转换中表现出更高的转移能量，特别是那些起源于边缘网络的转换（图3A），并表现出增加的网络内转移概率和减少的网络间转移概率（图3B）。在跨状态的转移能量组间差异和转移概率变化之间发现正相关（R = 0.30, P_moran = 0.012, 图3C），表明失调的能量效率可能是重度抑郁障碍患者病理性状态转换的原因。

在功能层级视角，此研究调查了层级内和跨层级水平的状态转换频率（图3D）。两组中，层级内而非跨层级的转换发生得更频繁（图3B）。然而，重度抑郁障碍患者在层级内和跨层级转换中都表现出增加的转换能量（图3E），以及升高的层级内转移概率伴随着降低的跨层级转移概率（图3F），表明失调的层级动态组织。

将重度抑郁障碍相关的能量需求与临床特征联系起来

鉴于脑状态转换的认知和行为相关性，使用偏最小二乘法分析来识别控制能量与重度抑郁障碍临床症状之间的关系。如图4所示，第一个成分分别解释了汉密尔顿抑郁评定量表方差的42.2%（P_perm = 0.002）和汉密尔顿焦虑评定量表方差的40.1%（P_perm = 0.012）。此外，第一个成分的预测行为评分与汉密尔顿抑郁评定量表评分（R₍₁₆₅₎ = 0.65, P_perm < 0.001）和汉密尔顿焦虑评定量表评分（R₍₁₆₃₎ = 0.63, P_perm < 0.001）显示出显著的相关性（图4A和C）。对于表型载荷，第一个成分在汉密尔顿抑郁评定量表和汉密尔顿焦虑评定量表总分上显示出最高的载荷，表明这个潜在变量主要反映了一般症状负担（图S4）。通过评估每个脑区的载荷，此研究发现扣带皮层和外侧前额叶皮层在预测临床症状严重程度方面表现出更高的载荷。汉密尔顿抑郁评定量表（R₍₃₉₈₎ = 0.32, P_spin < 0.001, 图4B）和汉密尔顿焦虑评定量表（R₍₃₉₈₎ = 0.33, P_spin < 0.001, 图4D）的脑载荷与重度抑郁障碍相关的能量需求改变呈正相关。从内部网络的角度看，额顶网络、默认模式网络和注意网络显示出较高的载荷，而边缘网络和视觉网络显示出较低的载荷（图S5）。

将重度抑郁障碍相关的能量需求与多尺度能量架构联系起来

为了确定时间控制能量与能量约束之间的系统关系，此研究将重度抑郁障碍相关的能量需求与大脑的可测量能量架构联系起来。具体来说，构建了一个多元线性回归模型来检查重度抑郁障碍相关的时间平均控制能量改变与多尺度能量表征之间的关联，包括线粒体分布和功能、能量代谢途径以及宏观脑代谢模式。线粒体表型解释了重度抑郁障碍相关时间平均控制能量改变的27.63%的方差（F_{(6, 393)} = 25.01, P < 2.2e-16, 校正R² = 0.27）。其中，线粒体呼吸能力和组织呼吸能力在模型中表现出更高的相对重要性（相对贡献分别为48.1%，P_FDR < 0.001；20.1%，P_FDR = 0.006）（图5A，表S3）。能量代谢途径解释了重度抑郁障碍相关时间平均控制能量改变中18.87%的方差（F_{(5, 394)} = 18.33, P = 2.3e-16, 校正R² = 0.18），其中三羧酸循环和乳酸在预测时间平均控制能量的病例对照差异方面表现出更高的相对重要性（分别为36.9%，P_FDR = 0.025；23.7%，P_FDR = 0.028）（图5B，表S4）。对于脑代谢模式，该模型解释了病例对照差异中16.41%的方差（F_{(4, 395)} = 19.39, P = 1.4e-14, 校正R² = 0.16），其中糖酵解指数的贡献最大（36.2%，P_FDR = 0.013）（图5C，表S5）。

将重度抑郁障碍相关的能量需求与神经生理振荡联系起来

鉴于神经生理学对能量代谢的基本依赖性，此研究检查了重度抑郁障碍相关的能量需求是否与皮层动态相关。使用跨越六个频带的脑磁图功率谱，此研究发现神经振荡解释了重度抑郁障碍相关时间平均控制能量改变中21.04%的方差（F_{(6, 393)} = 17.46, P < 2.2e-16, 校正后R² = 0.20），模型预测与观察到的病例对照差异相匹配（图6a）。alpha功率（相对贡献 = 23.8%，P_FDR = 0.042）和theta功率（37.1%，P_FDR = 0.002）在模型中显示出较高的贡献（表S6）。Theta振荡与能量需求呈正相关，反映了前额叶过度活跃和视觉皮层活动不足（R = 0.36, P_spin = 8.0e-4）。相反，alpha振荡显示出负相关（R = -0.26, P_spin = 0.04），与视觉皮层过度活跃一致（图6b）。

重度抑郁障碍能量需求改变的可重复性

此研究使用一个独立队列验证了重度抑郁障碍相关的能量需求改变。重度抑郁障碍患者和健康对照者均显示出空间异质性的能量需求模式，这与发现队列中的模式一致，在后扣带回、内侧前额叶和颞叶皮层观察到更高的需求，而特定的边缘脑区表现出更低的需求（图S6A）。病例对照分析证实了重度抑郁障碍患者的全脑能量需求显著更高（Cohen’s d = 0.24, P = 0.03, 图S6B）。节点水平分析重现了发现队列中的空间模式（R = 0.33, P_spin < 0.001），在内侧前额叶和后扣带回皮层具有一致的高能量需求，在边缘脑区具有低能量需求（图S6C）。

此外，此研究发现观察到的能量需求病例对照差异是稳健的，且与药物状态无关（图S7）。这些结果表明，在脑状态转换期间，能量约束存在稳健、可重现的疾病特异性破坏。

讨论

利用网络控制理论，此研究探讨了结构架构约束下的脑动态，以确定重度抑郁障碍患者病理性状态转换的能量基础。此研究的结果揭示了重度抑郁障碍患者中度可重现的网络灵活性失调，表现为增加的内部状态转换和减少的状态间转换。扣带皮层和颞极等脑区的能量需求改变与记忆和情绪加工缺陷以及核心临床症状有关。进一步的分析建立了重度抑郁障碍相关的能量低效与线粒体表型、能量代谢途径、宏观代谢特征和皮层动力学之间的关联，表明能量失调是重度抑郁障碍患者神经生理活动受损的原因。此研究确定了重度抑郁障碍患者异常状态转换的能量基础，进一步加深了对重度抑郁障碍作为脑动力学基础疾病的认识。

网络控制理论推进了此研究对重度抑郁障碍中失调的状态转换的理解。以往的研究主要强调结构连接的破坏；这种拓扑学视角忽视了脑区神经元兴奋性、代谢能力和局部环路特性的基本作用。通过整合形态网络，此研究强调了灰质在重度抑郁障碍异常脑动态中的作用。结果显示，重度抑郁障碍患者表现出更多的网络内转换和更少的网络间转换，特别是在默认模式网络和边缘网络中，这可能与抑郁症中受损的记忆和情绪调节有关。此外，重度抑郁障碍患者表现出升高的层级内转移概率，这与抑郁症期间功能整合和分离之间失衡一致。总的来说，这些发现表明，脑状态失调是重度抑郁障碍的一个基本病理特征，表现为网络灵活性失调和层级重构受损。

人类大脑作为一个高能量系统运作，需要持续的代谢支持以维持认知功能和行为。利用时间平均控制能量，此研究量化了控制自发脑动态的脑区特异性能量需求。在全脑水平上，重度抑郁障碍患者表现出升高的能量需求，表明动态范围受限，并且更依赖外部控制来维持基线神经活动。在脑区上，重度抑郁障碍患者在前额叶和后扣带回脑区表现出升高的能量需求，而在颞极则表现出降低的能量需求。作为默认模式网络和边缘网络的关键节点，这些脑区在重度抑郁障碍患者中表现出结构、功能和可控性异常。这些缺陷与受损的认知过程有关，如记忆和情绪调节。此外，识别的能量需求特征预测了抑郁和焦虑症状的严重程度，这与先前将脑可控性受损与重度抑郁障碍患者临床症状联系起来的证据一致。

作为一个统计参数，控制能量的神经生物学基础仍需充分阐明。此研究的发现将重度抑郁障碍相关的能量低效与多尺度能量架构联系起来，包括线粒体表型、能量通路和脑代谢特征。线粒体通过呼吸能力调节能量产生，支持神经元功能，并且线粒体功能障碍是重度抑郁障碍的一个关键病理组成部分。基因调控的代谢途径进一步调节能量供应，三羧酸循环在能量生成和生物合成中扮演双重角色。乳酸是一种中心代谢中间体，通过丙酮酸转化进入三羧酸循环，其在重度抑郁障碍中的失调与压力敏感性和自杀风险有关。基于控制能量与脑葡萄糖/氧代谢之间已建立的关系，此研究将脑状态转换需求与糖酵解活动联系起来，为控制能量提供了神经生理学基础。总之，这些结果确立了重度抑郁障碍是一种跨越分子、细胞和系统层面的多尺度能量失调疾病。

神经生理过程，如突触传递和膜电位的维持，是维持神经元兴奋性和功能的关键能量消耗过程。此研究的结果揭示了能量需求与跨尺度神经生理振荡之间的一致性改变。这些振荡节律反映了神经元兴奋性的周期性变化，并且是皮层动态的直接电生理特征。电生理学证据表明，重度抑郁障碍患者表现出明显的alpha和theta节律扰动，这与情感失调、更严重的抑郁症状和更高的自杀风险有关。因此，重度抑郁障碍患者的能量低效可能损害了神经兴奋性和功能，导致普遍的认知和情绪缺陷。

此研究的几个局限性值得考虑。与以往研究类似，此研究的神经动力学模型依赖于线性时不变假设。虽然脑动态是非线性的，但简化模型提供了有用的一阶近似。事实上，在预测宏观脑活动方面，它们也优于某些特定的复杂非线性框架。未来的工作纳入非线性动力学可能会更全面地捕获重度抑郁障碍特异性的病理生理特征。其次，功率谱数据和多尺度能量架构是基于群体水平而非参与者特定的。因此，这些初步的跨队列发现需要谨慎解读，并需要在未来的研究中利用多模态数据集进行进一步验证。最后，此研究仅限于皮层控制特性，并未包含对抑郁症病理生理学至关重要的皮层下脑区。皮层和皮层下数据的多模态整合对于更全面地理解重度抑郁障碍中的状态转换失调和能量缺失至关重要。

结论

此研究确定了能量失调在塑造重度抑郁障碍患者异常脑动态中的关键作用。此研究证明了重度抑郁障碍患者能量需求升高和脑状态的非典型时间模式，显示出与认知损害和临床症状严重程度的显著关联。此外，此研究将重度抑郁障碍相关的能量低效与线粒体表型、能量代谢途径、宏观代谢模式和皮层动态联系起来。总之，这些发现确立了网络可控性衍生的重度抑郁障碍异常脑动态生物标志物，阐明了能量失调在疾病发病机制中的基本作用。

参考文献：Niu, J., Xia, J., Liu, Q., He, Y., Li, W., Chen, K., Zhang, X., Qiu, J., Chen, H., Li, J., & Liao, W. (2026). Brain energetic landscapes shape state dysregulation in major depressive disorder: a morphological network controllability perspective. Translational psychiatry, 16(1), 270. https://doi.org/10.1038/s41398-026-04025-2