認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息

Title:The exposome of brain aging across 34 countries

發(fā)表時(shí)間:2026-04-03

發(fā)表期刊:Nature Medicine

影響因子:50.0

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

腦年齡差（brain age gap, BAG）指腦影像預(yù)測年齡與實(shí)際年齡之間的差值，正值通常意味著腦老化加速。既往研究已將 BAG 與阿爾茨海默病（Alzheimer’s disease, AD）等神經(jīng)認(rèn)知障礙聯(lián)系起來，也發(fā)現(xiàn)污染、氣候、綠地、貧困和社會(huì)政治環(huán)境等因素可能相關(guān)。問題在于，多數(shù)研究仍聚焦單一國家、少數(shù)暴露指標(biāo)或線性模型，較少同時(shí)比較物理暴露與社會(huì)暴露、以及結(jié)構(gòu)性腦老化和功能性腦老化的差異。

實(shí)驗(yàn)設(shè)計(jì)與方法邏輯

研究納入 18,701 名來自 34 個(gè)國家的參與者，覆蓋健康對照、輕度認(rèn)知障礙（mild cognitive impairment, MCI）、AD 和額顳葉變性（frontotemporal lobar degeneration, FTLD）。作者用結(jié)構(gòu) MRI 灰質(zhì)體積和功能連接數(shù)據(jù)建立腦年齡模型，得到結(jié)構(gòu)性、功能性和合并 BAG；再將按國家與采集年份匹配的 73 項(xiàng)國家層面指標(biāo)劃分為物理暴露組和社會(huì)暴露組。分析上，先用廣義加性模型（generalized additive model, GAM）檢驗(yàn)單一暴露與 BAG 的非線性關(guān)聯(lián)，再用 metaGAM 評估聚合暴露效應(yīng)，并用 ΔAIC 比較模型表現(xiàn)；隨后結(jié)合臨床狀態(tài)、人口學(xué)變量和外部樣本驗(yàn)證，檢查結(jié)果是否穩(wěn)健。

Fig. 1 | Analytical framework.

核心發(fā)現(xiàn)

聚合暴露組比單一暴露因素更能解釋腦年齡差

在總樣本中，把 73 項(xiàng)暴露作為聚合暴露組納入模型后，結(jié)構(gòu)性、功能性和合并 BAG 的模型表現(xiàn)都明顯優(yōu)于最佳單一暴露模型。正文將這種層級(jí)概括為“individual exposomal factors < aggregate exposome”，說明腦老化差異更符合累積、非線性的暴露組關(guān)聯(lián)，而不是由某一個(gè)單項(xiàng)指標(biāo)單獨(dú)概括。外部樣本結(jié)果也保持了這一層級(jí)關(guān)系（但這仍是統(tǒng)計(jì)關(guān)聯(lián)，不等于因果證明）。

Fig. 2 中，作者把單一 GAM 與聚合 metaGAM 的 ΔAIC 直接并排比較；這張圖清楚顯示總暴露組、物理暴露組和社會(huì)暴露組整體上都強(qiáng)于單項(xiàng)暴露

正文結(jié)果顯示，不利物理暴露組與結(jié)構(gòu)性腦老化的關(guān)聯(lián)更突出，不利社會(huì)暴露組與功能性腦老化的關(guān)聯(lián)更強(qiáng)。物理側(cè)的代表因素包括綠地不足、PM2.5、極端降水和溫度；社會(huì)側(cè)則更多涉及參與度、法治、代表性、權(quán)利和社會(huì)經(jīng)濟(jì)指標(biāo)。這里強(qiáng)調(diào)的是“偏向性更強(qiáng)”，并不是兩類暴露與兩類腦老化之間的絕對分工。

Fig. 2 中，不同暴露域在結(jié)構(gòu)性、功能性和合并 BAG 上的 ΔAIC 分布并不相同；這張圖把“物理更偏結(jié)構(gòu)、社會(huì)更偏功能”的整體模式呈現(xiàn)出來

邏輯回歸分析顯示，頂級(jí)總暴露預(yù)測因子與加速腦老化的優(yōu)勢比約為 4.6 至 6.9，物理暴露約為 3.7 至 6.6，社會(huì)暴露約為 3.3 至 9.1；臨床診斷作為預(yù)測因子時(shí)，優(yōu)勢比約為 2.2 至 3.0。相關(guān)結(jié)果在控制教育、性別、認(rèn)知和臨床狀態(tài)后仍基本存在，提示暴露組負(fù)擔(dān)與腦老化的關(guān)系并不只是疾病標(biāo)簽的附帶反映。不過，這里比較的是統(tǒng)計(jì)預(yù)測關(guān)聯(lián)，不等于暴露影響已被完整分解。

Fig. 3 中，作者把暴露組負(fù)擔(dān)和臨床診斷對加速腦老化的優(yōu)勢比放在同一框架下比較；這張圖說明暴露組預(yù)測效應(yīng)在多種 BAG 模態(tài)上都很顯著。

省流總結(jié)

這篇 Nature Medicine 論文表明：同樣年齡的人，腦影像估計(jì)出的“腦年齡”差異，和跨國家的物理與社會(huì)暴露組負(fù)擔(dān)密切相關(guān)。相比單一風(fēng)險(xiǎn)因素，聚合暴露模型對 BAG 的解釋更強(qiáng)；其中物理暴露更偏向結(jié)構(gòu)性腦老化，社會(huì)暴露更偏向功能性腦老化。需要注意，正文主要支持穩(wěn)健的統(tǒng)計(jì)關(guān)聯(lián)與模型比較優(yōu)勢，尚不能直接推出因果關(guān)系或具體干預(yù)效果。

分享人：天天

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級(jí)大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨(dú)行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點(diǎn)擊卡片進(jìn)群，歡迎你的到來

一鍵關(guān)注，點(diǎn)亮星標(biāo) ? 前沿不走丟！

一鍵分享，讓更多人了解前沿