《Scientific Reports》：Multivariate associations of motor performance, sleep quality, depressive symptoms, and grey matter volume in younger and mid-to-older adults
編輯推薦：
本研究針對運動表現(MP)與睡眠質量、抑郁癥狀及其神經基礎間的復雜關系，通過納入Human Connectome Project (HCP-YA, HCP-A)和enhanced Nathan Kline Institute Rockland Sample (eNKI-RS)四大隊列(n=1,954)，采用機器學習框架下的正則化典型相關分析(rCCA)進行多變量關聯探索。結果揭示，在年輕成人中，更好的睡眠質量(PSQI)、輕度亞臨床抑郁癥狀(ASR)及特定腦區(如前中央回、丘腦、小腦)灰質體積(GMV)變化構成的聯合變體與更優運動表現變體相關(r=0.2-0.25)；中老年組關聯模式存在年齡特異性且部分隊列結果穩定性較差。研究首次系統刻畫了行為表型與大腦結構通過不同路徑關聯MP的年齡差異模式，為理解全生命周期運動功能維持的神經行為基礎提供了新視角。
在日常生活中，我們都能直觀地感受到，一夜好眠后往往精力充沛、行動敏捷，而連續熬夜或情緒低落時，則容易感到渾身乏力、動作遲緩。這種睡眠、情緒與運動能力之間的密切聯系，不僅是普遍的生活經驗，更是神經科學和心理健康領域的重要研究課題。運動表現，包括我們的手的靈活度、肌肉力量、身體耐力、行走速度以及信息處理速度等，是維持獨立生活能力，尤其是在老年階段保持功能獨立性的基石。運動功能的受損與生活質量下降、多種神經精神疾病（如帕金森病、抑郁癥）的病程進展乃至更高的死亡風險密切相關。然而，一個核心的科學問題尚未被充分解答：在普通人群中，究竟是哪些心理因素和大腦結構基礎，共同影響著我們的運動能力？特別是，如今日益普遍的睡眠問題與抑郁癥狀，它們是如何與大腦的物理結構——灰質體積——相互作用，進而影響運動表現的？這種影響在年輕人和中老年人身上又有何不同？這些問題對于早期識別運動功能衰退風險、開發針對性的干預策略至關重要。
為了回答這些問題，由文森特·屈珀斯（Vincent Küppers）和馬蘇德·塔馬辛（Masoud Tahmasian）共同領導的研究團隊，開展了一項大規模、多隊列的探索性研究。他們巧妙地利用了來自“人腦連接組計劃-年輕成人”（HCP-YA）、“人腦連接組計劃-老齡化”（HCP-A）以及“增強版內森·克萊因研究所-洛克蘭樣本”（eNKI-RS）這三個大型公開數據庫的信息，共納入了1954名年輕（18-40歲）和中老年（50-85歲）參與者。研究團隊采用了一種先進的多元統計方法——正則化典型相關分析（rCCA），并結合機器學習中的多重留出驗證框架，來探究睡眠質量（通過匹茲堡睡眠質量指數PSQI評估）、抑郁癥狀（通過成人自評報告ASR中與抑郁相關的條目評估）以及全腦262個區域的灰質體積（GMV）這三者，無論是單獨還是組合，與多種運動表現指標（如握力、耐力、步行速度、處理速度等）之間的內在關聯模式。這項研究的結果近期發表在《科學報告》（Scientific Reports）期刊上。
在研究方法的運用上，作者團隊主要依托了幾個關鍵技術。首先是多中心、大樣本的隊列數據整合，樣本來源于國際公開數據庫HCP和eNKI-RS。其次，對所有參與者的T1加權磁共振成像（MRI）數據，使用計算解剖學工具箱（CAT12）進行了一致的預處理和灰質體積量化。核心統計分析采用了正則化典型相關分析（rCCA）這一多變量關聯模型，它能同時處理多個預測變量和多個結果變量，找出它們之間最大相關的線性組合（即典型變體）。為了確保結果的穩健性和可泛化性，研究還嵌入了一個嚴謹的機器學習框架，通過100次隨機將數據劃分為優化集（80%）和留出驗證集（20%）來評估模型在新數據上的表現，并進行了5000次置換檢驗來評估統計顯著性。
主要研究結果
1. 穩健的多變量關聯模式在不同隊列中得到驗證
研究發現，睡眠質量、抑郁癥狀和GMV與運動表現之間存在穩健的多變量關聯，這種模式在兩個年輕成人隊列（HCP-YA和eNKI-RS Young）中得到了概念性重復。具體而言：
- •
在HCP-YA樣本中，組合模型（PSQI+ASR+GMV）與運動表現之間的留出驗證典型相關系數為0.2。
- •
在eNKI-RS Young樣本中，該組合模型的典型相關系數達到0.25。
- •
在中老年樣本中，HCP-A樣本顯示了較弱的但可檢測的關聯（r=0.18），但eNKI-RS Old樣本未能產生穩健的關聯結果。
- •
單獨來看，GMV與運動表現的關聯在所有樣本中都最為一致，而將行為域（睡眠和抑郁癥狀）與GMV結合并未始終顯著增強關聯強度，提示行為和大腦結構可能通過部分獨立的途徑與運動表現相關聯。
2. 年輕成人中的典型變體載荷特征
在年輕成人中，與更優運動表現（典型變體V）相關聯的變體U呈現出一種有趣的模式：它代表著更好的睡眠質量（特別是更長的睡眠時長、更短的入睡潛伏期和更高的睡眠效率）以及更明顯的輕度、亞臨床抑郁癥狀（如內疚感、自我貶低、決策困難、精力不足）。在腦結構層面，雙側丘腦、梭狀回、小腦部分區域以及HCP-YA中的前中央回等區域的GMV變化與運動變體顯著相關。運動變體本身主要由耐力（2分鐘步行測試）和處理速度驅動。
3. 中老年成人中的關聯模式發生轉變
在中老年成人（HCP-A樣本）中，與更優運動表現相關聯的變體U則表現為：更好的睡眠質量（特別是更少的日間功能障礙）和更少的抑郁癥狀（尤其是與精力不足、疲勞相關的軀體癥狀）。GMV則顯示出與運動變體更廣泛的正面關聯，涉及前額葉皮層、雙側杏仁核、眶額皮層和丘腦等區域。運動變體則由處理速度、耐力和步速共同主導。eNKI-RS Old樣本結果不穩定，可能與樣本量較小、老年群體異質性增大等因素有關。
4. 行為與大腦結構對運動表現的不同關聯路徑
進一步分析表明，行為域（睡眠和抑郁）主要與一個由耐力、握力、靈活性等構成的“基礎性”運動變體相關。而GMV則更多地與一個由處理速度、靈活性、步速和耐力等“認知-運動”整合成分驅動的運動變體相關聯。這提示睡眠和情緒可能通過影響動機、疲勞感等狀態性因素來調節基礎運動能力，而大腦結構則可能為更復雜的認知-運動整合功能提供神經基礎。
研究結論與意義
本研究通過嚴謹的多變量分析方法揭示，睡眠質量、抑郁癥狀和大腦灰質體積與運動表現之間存在顯著且可部分復現的多變量關聯，但這種關聯模式在不同年齡群體中存在差異。在年輕成人中，較好的睡眠質量伴以輕度、亞臨床水平的特定抑郁癥狀（可能反映自我批評或完美主義傾向）與更優的運動表現相關；而在中老年成人中，更好的睡眠質量結合更少的抑郁癥狀（尤其是軀體癥狀）則與更優的運動表現相關。大腦結構（GMV）與運動表現的關聯最為穩健，且更側重于認知參與度較高的運動方面。
這項研究的意義在于，它首次在大樣本跨隊列設計中系統描繪了睡眠、情緒、大腦結構和運動功能這四者之間復雜的多變量關系圖譜，并強調了這種關系隨年齡變化的動態特性。研究結果提示，在評估和干預運動功能時，需要采取一種整合的視角，同時關注睡眠健康、情緒狀態和大腦結構完整性。對于臨床實踐而言，改善睡眠和管理抑郁癥狀可能成為維護各年齡段人群，特別是老年人運動功能、延緩功能衰退的有效策略。對于運動員群體，優化睡眠可能直接有益于運動表現。未來研究需要更大樣本的縱向數據來驗證這些關聯的因果關系，并納入更多心理、環境和生活方式因素，以構建更全面的個人運動功能預測模型，最終推動個性化醫療的發展。
