近期，美國威爾康乃爾醫學院(Weill Cornell Medicine)以機器學習分析了來自299名自閉症患者和907名神經正常者的神經影像資料，找出與自閉症患者行為特徵相關的大腦連接模式。研究指出，患有自閉症類群障礙症(Autism Spectrum Disorder, ASD)的人，可以根據他們的大腦活動和行為分為四個不同的亞型，有望針對不同亞型發展更適合的治療方式。研究於3月7日發表於《Nature Neuroscience》。

四種亞型的自閉症分類成果也在另一個獨立的資料集(dataset)驗證成功，此外，研究也發現，不同區域的基因表現和蛋白質-蛋白質相互作用的差異，能夠解釋大腦和行為的差異。

該研究通訊作者、威爾康乃爾醫學院精神病學和神經科學副教授Conor Liston說：「科學家們相信，可能有許多不同類型的自閉症類群障礙症，且它們可能需要不同的治療方法，但如何界定尚無共識。我們的研究推論了一種發現自閉症亞型的新方法，有朝一日可能促成新的診斷和治療方法。」

該團隊先前於2017年，成功以類似的機器學習方法，確認四種憂鬱症亞型，而後續研究證實這些亞群對不同的憂鬱症治療有不同的反應。

由於自閉症是一種高度遺傳的疾病，與數百個基因相關，且這些基因的表現型非常多樣化。因此，在先前憂鬱症研究成功的基礎上，該團隊著手確認自閉症個體之間是否存在類似的亞型，以及是否有不同的基因途徑在其中起作用。

為了研究這一點，第一作者Amanda Buch博士開創了一種新的分析方法，將神經影像資料與基因表現、蛋白質體學結合，使自閉症亞型中「風險變異如何相互作用的假設」得以檢驗和發展。

研究找出了四種在臨床上不同的自閉症患者亞組。其中，有兩個亞組有嚴重的社交障礙和重複行為，但具有高於平均水準的語言智力；儘管他們在行為上有一些相似之處，研究人員在這兩個亞組中發現完全不同的大腦連接模式。

而有一個亞組在社交溝通方面有嚴重缺陷，但重複行為較少；另一個亞組則重複行為較多，社交障礙較少。在社交障礙較多的亞組中，處理視覺資訊與協助辨別最顯著訊號的大腦區域，其之間的連接過於活躍。而在重複行為較多的亞組中，這些連接則較弱。

團隊分析了每個亞組中，與異常大腦連接相關的基因表現，來更了解是什麼原因導致了這些差異，並發現許多基因是先前發現與自閉症相關的基因。

他們還分析了與異常大腦連接相關的蛋白質交互作用網絡，並尋找可能作為樞紐的蛋白質。

研究發現，在社交障礙較嚴重但重複行為相對較少的亞組中，催產素(oxytocin)是一種樞紐蛋白質，該蛋白質已知與積極社交互動相關聯。

Buch表示，先前，使用鼻噴催產素作為自閉症患者治療方法的研究，結果有好有壞，如果能在這個亞組中測試催產素治療是否更有效，會很有趣。

Grosenick表示，可能有一種治療方法在某群自閉症患者有作用，但由於沒有將這群患者挑選出來，於是在更大的試驗中，這種好處被淡化了。

接下來，研究團隊將在小鼠中，進行自閉症亞組及針對亞組標靶治療的研究，同時，進一步完善其機器學習技術，並與其他擁有人類資料庫的研究團隊合作。

參考資料：https://www.news-medical.net/news/20230407/Study-identifies-four-different-autism-subtypes-based-on-brain-activity-and-behavior.aspx
論文：https://www.nature.com/articles/s41593-023-01259-x

(編譯/劉馨香)