1区8.3分！别再说压力是小事！一项长达20个月的顶级纵向研究用“多连接组学”揭秘：大脑这种特殊模式，让孩子在压力下更易陷入情绪漩涡！- 大数跨境

1区8.3分！别再说压力是小事！一项长达20个月的顶级纵向研究用“多连接组学”揭秘：大脑这种特殊模式，让孩子在压力下更易陷入情绪漩涡！

CNS生信新靶点挖掘

2026-03-25

导读：青少年压力大，真的只是“想太多”吗？最新研究用前沿的“多连接组学评分”技术，对407名青少年进行了长达20个月的追踪，并验证于80名临床患者，揭示了答案：我们的大脑存在一种“神经脆弱性”模式！该模式能

青少年压力大，真的只是“想太多”吗？最新研究用前沿的“多连接组学评分”技术，对407名青少年进行了长达20个月的追踪，并验证于80名临床患者，揭示了答案：我们的大脑存在一种“神经脆弱性”模式！该模式能显著放大压力对情绪的影响。拥有这种特质的孩子，在压力下焦虑和抑郁症状会加剧。这项研究不仅为早期识别高风险青少年提供了全新视角，更强调了针对神经脆弱性进行个性化干预的重要性，为守护青少年心理健康指明了新方向。

今天给大家解读一篇2月发表在《BMC Medicine》上的题目为“Neural vulnerability to stress in adolescents: a longitudinal study using polyconnectomic scoring of depression risk.”的文章。本研究旨在阐明神经易感性如何调节青少年期感知压力对情绪结果的影响。研究者在407名青少年的纵向队列中，评估了基线及随访时的感知压力、情绪症状和认知功能，并使用PCS-MDD来量化神经易感性。同时，纳入一个80名临床抑郁障碍青少年的独立队列以探索结果的普遍性。研究发现，感知压力与焦虑、抑郁症状强烈相关，而PCS-MDD显著调节了这些关联。更高的PCS-MDD与压力相关情绪结果的更大变异性相关。（请持续关注我们，每天为您解读最新见刊的文献!）想薅生信资料羊毛？直接在对话框回复 “资料”，免费领取干货大礼包！

不想做实验，没数据，还想要快速发表文章，没问题的！公共数据库就是我们的数据宝藏！没思路不用担心，作为专业的生信团队，我们很乐意为你们效劳，提供研究路线设计和数据挖掘分析，扫码联系我们吧！

团队成员合影（位于上海陆家嘴中心，可随时预约参观）

（向下滑动查看更多）

题目：《青少年对压力的神经易感性：一项使用多连接组评分评估抑郁风险的纵向研究》Neural vulnerability to stress in adolescents: a longitudinal study using polyconnectomic scoring of depression risk

发表期刊：BMC Medicine

影响因子：8.3

研究背景：

青少年时期是大脑发育的敏感期，感知到的压力可以塑造情感和认知结果。然而，神经易感性如何调节这些影响仍然不清楚。

CNSknowall 平台 Pubmed+AI 快速提炼全文要点

研究思路：

在一个由407名青少年组成的纵向队列中，评估基线及随访时的感知压力、情绪症状和认知功能。
使用从大规模功能连接模式中得出的重度抑郁障碍多连接组评分（PCS-MDD）来量化神经易感性。
分析感知压力、PCS-MDD与情绪症状（焦虑、抑郁）之间的横断面及纵向关联，并检验PCS-MDD的调节作用。
纳入一个独立的、由80名临床诊断为抑郁障碍的青少年组成的队列，以探索研究结果的普遍性。

研究亮点：

纵向证据
在407名青少年的队列中，提供了感知压力变化与情绪症状变化相关联的纵向数据。
临床验证
在80名临床诊断抑郁障碍的青少年独立队列中验证了发现的普遍性。
机制探索
明确了神经易感性（PCS-MDD）在压力-情绪关系中的调节作用，而不仅仅是直接关联。

研究结果：

横断面关联
基线时，感知压力与焦虑（β=0.59）和抑郁症状（β=0.55）强烈相关，并与多个认知领域表现较低适度相关。
纵向关联
感知压力的增加与焦虑（β=0.56）和抑郁症状（β=0.52）的增加强烈相关。
调节作用
PCS-MDD显著调节了感知压力与情绪症状之间的纵向关联（焦虑症状：p=0.025；抑郁症状：p<0.001）。
预测作用
基线PCS-MDD与随访时的焦虑（β=0.13）和抑郁症状（β=0.11）显著相关。
临床队列发现
探索性分析进一步表明，在临床诊断为抑郁障碍且PCS-MDD较高的青少年中，感知压力与抑郁症状的关联最为强烈。

研究总结：

较高的PCS-MDD与青少年时期压力相关情绪结果的变异性更大有关。这些结果表明，神经易感性可能调节（缓和）压力与情绪的相关性，并突显了针对具有较高脆弱性特征的青少年进行以压力调节为目标的个性化干预的潜在相关性。

结果译文：

1.人口学、症状和认知特征

研究队列包括 407 名参与者，男女比例为 197/210，平均年龄为 11.32 岁。利手分布包括 72 名左利手和 335 名右利手参与者。情绪症状包括 DLSS 平均得分为 22.10，SCAS 平均得分为 24.79，SMFQ 平均得分为 4.25。在认知表现方面，NIHTB-CB 的六个子量表平均得分分别为：Flanker（98.27）、卡片分拣测试（100.87）、模式比较测试（98.55）、图片序列测试（101.37）、图片词汇测试（103.72）和口语阅读识别测试（106.18）（表 1）。

2.基线分析

感知压力与情绪症状/认知表现之间的关联

观察到 DLSS 评分与 SCAS（β = 0.59, p < 0.001）和 SMFQ（β = 0.55, p < 0.001）之间存在显著的正相关（图 2）。经过 Bonferroni 校正后，DLSS 与 SCAS 和 SMFQ 之间的显著关联仍然存在。感知压力与认知测量显示出适度的关联，但均未通过 Bonferroni 校正（附加文件 1：结果；表 S4）。

PCS-MDD 与情绪症状/认知表现之间的关联

未观察到 PCS-MDD 与 SCAS 或 SMFQ 评分之间存在显著关联（p > 0.05）（表 S6）。类似地，经过 Bonferroni 校正后，PCS-MDD 与认知测量之间未显示出稳健的关联（附加文件 1：结果；表 S5）。

PCS-MDD 调节感知压力与情绪症状/认知表现之间的关联

未发现 SCAS、SMFQ 和 NIHTB-CB 子量表存在显著的调节效应（所有 p > 0.05）。

3.随访分析

参与者基线和随访时的年龄，以及评估之间的间隔显示在附加文件 1：图 S3 中。两个时间点的人口学、症状和认知特征汇总于附加文件 1：表 S6。

感知压力、情绪症状和认知表现的变化分数

在随访时，与基线相比，感知压力（DLSS 评分）和抑郁症状（SMFQ 评分）显示出显著增加，而焦虑症状（SCAS 评分）保持不变（附加文件 1：图 S4）。完整的认知变化分数结果报告于附加文件 1：结果；图 S4。

感知压力变化与情绪症状/认知表现变化之间的关联

LMM 表明感知压力的变化与情绪症状之间存在强关联，但与认知结果无关。DLSS 评分的增加与 SCAS（β = 0.56, p < 0.001）和 SMFQ 评分（β = 0.52, p < 0.001）的变化呈正相关（图 3A-B）。这些关联在 Bonferroni 校正后仍然显著。在感知压力变化与认知表现变化之间未发现显著关联（所有 p > 0.05）（附加文件 1：表 S7）。

基线 PCS-MDD 调节感知压力变化与情绪症状/认知表现变化之间的关联

调节分析显示，PCS-MDD 显著调节了 DLSS 变化与 SCAS 变化（β = 0.11, 95% CI (0.01, 0.21), p = 0.025; ΔR² = 0.008）以及 SMFQ 变化（β = 0.18, 95% CI (0.08, 0.27), p < 0.001; ΔR² = 0.023）之间的关系（图 3C-D）。经过 Bonferroni 校正（0.05/2）后，DLSS-SMFQ 变化的调节效应仍然显著。未发现对认知表现有显著的调节效应（所有 p > 0.05）（附加文件 1：表 S8）。

基线 PCS-MDD 与随访时情绪症状和认知表现的关联

观察到基线 PCS-MDD 与随访时的 SCAS（β = 0.13, p = 0.024）和 SMFQ（β = 0.11, p = 0.043）均存在显著正相关（图 4）。应用 Bonferroni 校正（0.05/2）并额外控制基线的焦虑和抑郁症状后，基线 PCS-MDD 与随访时 SCAS 的关联仍然显著。校正后未观察到认知结果存在显著关联（附加文件 1：结果；表 S9）。

图3

图4

4.敏感性分析

在使用替代的疾病特异性模板（PCS-焦虑、PCS-双相和 PCS-精神分裂症）的敏感性分析中（附加文件 1：表 S10-S13），这些模板均未显著调节感知压力变化与抑郁症状变化之间的关系（所有 p > 0.05）（附加文件 1：表 S12）。同样，在随访时，这些替代模板均未与抑郁症状显著相关（所有 p > 0.05）（附加文件 1：表 S13）。

5.探索性分析

临床数据包括 80 名参与者（61 名女性，19 名男性；63 名 MDD，17 名双相抑郁），平均年龄为 14.91 岁。关键临床指标包括感知压力（PSS-14：54.48）和抑郁症状（MADRS：29.03）（附加文件 1：表 S14-S15）。

在临床样本中，PSS-14 评分与 MADRS 评分呈显著正相关（β = 0.36, p < 0.001）。相反，PCS-MDD 与 MADRS 评分未显示出显著关联，也未调节 PSS-14 与 MADRS 评分之间的关系（两者 p > 0.05）。亚组分析显示，在 PCS-MDD 的不同水平上，PSS-14 与 MADRS 评分之间均存在正相关，其中高 PCS-MDD 亚组的相关性最强（β = 0.57, p = 0.020），而低 PCS-MDD 亚组（β = 0.17, p = 0.238）和中 PCS-MDD 亚组（β = 0.31, p = 0.072）的相关性未达到统计学显著性（附加文件 1：图 S5）。

与 QTAB 队列相比，临床数据的参与者年龄显著更大，女性比例更高（所有 p < 0.001）。重要的是，临床数据的 PCS-MDD 评分显著高于 QTAB 样本（p = 0.003），并且在使用 ANCOVA 控制年龄和性别后，这种差异仍然显著（附加文件 1：图 S5）。

更多结果和补充图表：doi：10.1186/s12916-026-04704-3

长按二维码关注我们，用最短的时间和最高的效率学习更多数据分析方法!

扫描上方二维码或登录平台官网后添加CNSknowall客服微信咨询！官网地址：

https://cnsknowall.com

CNSknowall：24年最新问世的遥遥领先的科研数据（0代码生信+统计学）分析平台，同时含有机制图模块+汉化版Pubmed融合Deepseek高效筛选目标文献+SCI文献例句/语料检索模块+OPenAI官方GPT接口，＞500款CNS级别图表皆可一秒内一键出图，登录即秒变数据分析大神，体验前所未有的便捷数据分析之旅，开启科研天骄之路！