神经网络和计量经济模型：促进阿尔茨海默病药物开发的大脑

doi:10.4103/NRR.NRR-D-25-00317

摘要/Abstract

摘要： https://orcid.org/0000-0002-9305-3376 (Lorenzo Pini)

Abstract: Advances in Alzheimer’s disease (AD) research have deepened our understanding, yet the mechanisms driving its progression remain unclear. Although a range of in vivo biomarkers is now available (e.g., measurements of amyloidbeta (Aβ) and tau accumulation – the molecular hallmarks of AD – structural magnetic resonance imaging (MRI), assessments of brain metabolism, and, more recently, blood-based markers), a definitive diagnosis of AD continues to be challenging. For example, Frisoni et al. (2022) proposed a shift from a deterministic, amyloidcentered approach to a probabilistic framework that integrates genetic and environmental factors. Similarly, Dubois et al. (2024) cautioned against diagnosing AD based solely on molecular markers in cognitively normal individuals, advocating instead for the designation of “at risk” individuals. These perspectives reflect an evolving understanding of AD that is continuously reshaping both clinical and pharmacological approaches. Moreover, the recent approval of two diseasemodifying agents (Lecanemab and Donanemab) that target misfolded Aβ proteins has underscored significant limitations, particularly their moderate impact on clinical and cognitive outcomes. The discrepancy between the improvements in AD biomarkers with anti-Aβ drugs and their limited clinical benefits underscores the need for a new paradigm. In this context, assessing Aβ levels can be compared to measuring blood pressure: just as high blood pressure does not inevitably lead to cardiovascular disease, and some individuals with the disease may not have elevated blood pressure, the multifactorial nature of AD suggests that Aβ accumulation alone does not define the disease.

. 神经网络和计量经济模型：促进阿尔茨海默病药物开发的大脑[J]. 中国神经再生研究(英文版), 2026, 21(7): 2828-2829.

Lorenzo Pini , Paolo Pigato, Gloria Menegaz, Ilaria Boscolo Galazzo. Neural networks and econometric models: Advancing brain connectivity for Alzheimer’s drug development[J]. Neural Regeneration Research, 2026, 21(7): 2828-2829.

参考文献

引言

出版重点

《中国神经再生研究（英文版）》杂志为SCI、PubMed数据库收录的国际唯一一本专注神经再生领域研究的经同行评议的开放获取期刊，出版来自全球神经再生领域专业学者的前沿性基础研究及临床研究及转化医学、循证医学优秀的最新成果。

期刊出版来自于脑损伤与神经再生、脊髓损伤与神经再生、周围神经损伤与神经再生和神经退行性病与神经再生、神经影像与神经再生的相关研究。期刊关注神经损伤与再生过程中的轴突再生、突触生长、神经可塑性、神经修复和替代、神经移植等最新研究成果。尤其关注应用细胞治疗、基因治疗、生物因子治疗、药物治疗、手术治疗、康复治疗、物理疗法、组织工程、生物工程、生物材料、神经假体等干预性方法产生神经再生效果的相关研究。文章应清晰描述抑制神经元损伤、减轻神经元损伤的一系列变化，保护损伤神经元的过程、方法、程度与评价，突出从细胞分子水平以及分子生物学水平解释神经元损伤后以及预后再生的机制。

NRR杂志被国际重要数据库收录

科学引文索引（Science Citation Index Expanded，SCI）

美国国立医学图书馆（PubMed）

美国国立医学图书馆开放获取全文数据库（PubMed Central, PMC）

美国生物学文摘数据库（BIOSIS previews, BP）

美国《化学文摘》（Chemical Abstracts, CA）

Scopus荷兰《医学文摘库/医学文摘》（Excerpta Medica, EM）

波兰《哥伯尼索引》（Index of Copurnicus, IC）

OvidSP平台数据库

中国科学引文数据库（CSCD）

中国科技期刊数据库-统计源期刊（CSTPCD）

编委会

主编Editor-in-Chief

苏国辉院士（Kwok-fai So, Chair Professor and Head, Jessie Ho Professor in Neuroscience, Department of Anatomy, The University of Hong Kong）。

联系方式：Email: szb@nrren.org 电话：+86 138 0499 8773

编委会成员

期刊编委队伍由国际神经再生领域著名学者、中国科学院院士、香港大学苏国辉教授领导的由100多位国际神经再生优秀专家组成。共同致力于创办一本发表神经再生领域专业学术研究经同行严格评审的优秀学术期刊。

在线投稿平台

作者可以通过www.nrronline.org在线投稿。

所有的稿件都将通过该系统提交至NRR杂志电子投稿出版管理系统。

作者有不明确的问题，请访问szb@nrren.org或咨询+86 138 0499 8773。

投稿后，当论文已处于审稿或等待审稿状态时，2个月内请勿将稿件再投至他刊。

初次投稿：

投稿信:

应说明文章未一稿多投，全部作者是否对所投稿件内容知情同意，推荐2-3位小同行审稿人。

作者协议：

投稿时请注意作者协议，如同意后可继续完成投稿，投稿成功后作者已与杂志签定了文章的相关版权。

投稿后的同行评议

期刊投稿平台应用国际最大的投稿平台Editorial Manager，投到本刊的每篇稿件都要经过3-4位小同行审稿人评审，审稿方法为国际学科小同行组成双盲审稿。所有发表在杂志的文章都将经过严格的双盲同行层层评议，审稿中注重科学性、伦理学和文章真实性的严格审查。期刊将在投稿后4周内通知作者评审意见。

根据评审意见，编辑部决定稿件返修，再审，被接受或退稿。稿件被接受后，作者可经投稿平台以通讯作者账号随时查询稿件的出版进程。

材料方法

讨论

特邀稿件

对特邀综述稿件的要求：

（1）需提前向编委会提交写作大纲，通过选题后，文章需在2个月内完成。

（2）全文不超过6000个单词，包括摘要，不包括参考文献，图和表格，出版后8-10个版面。

（3）文章写作结构：

文题：不超过 90个字母，20个单词。

摘要：非结构式， 250单词。

引言：

主体内容：

总结：

作者贡献：

利益冲突：

参考文献：采用 Journal of Neuroscience格式。

特邀述评类文章：观点、点评、研究亮点、给编辑的信等。

特邀观点栏目文章要求：

（1）观点文章为作者对神经再生领域某一热点问题的评论，有作者鲜明的观点和作者本人

对此科研过程的认识和总结。

（2）需提前向编委会提交写作大纲，通过选题后，文章需在2个月内完成。

（3）全文2000- 3000单词，包括参考文献，不需要图和表格，不需要摘要，出版后2个版面。

（4）文章写作结构：

文题：不超过 90个字母，20个单词。

主体内容：

参考文献：不超过 5条，采用Journal of Neuroscience格式。

特邀点评与研究亮点栏目文章要求：

（1）点评文章为点评在本刊发表的文章，研究亮点文章为点评国际优秀杂志近期或在线提前发表的前沿性的优秀文章。

（2）需提前向编委会提交写作大纲，通过选题后，文章需在2个月内完成。

（3）全文2000- 3000单词，包括参考文献，不需要图和表格，不需要摘要，出版后2个版面。

（4）文章写作结构：

文题：不超过 90个字母，20个单词。

主体内容：

利益冲突：

参考文献：不超过 5条，采用Journal of Neuroscience格式。

给编辑的信栏目文章要求：

（1）给编辑的信文章为读者对本刊已发表文章的来信反馈。

（2）全文1000- 2000单词，不包括参考文献，文章不需要摘要、图和表格，出版后1个版面。

（3）文章写作结构：

文题：不超过 90个字母，20个单词。

主体内容：

利益冲突：

参考文献：不超过 5条，采用Journal of Neuroscience格式。

文章快阅

延伸阅读

NRR：意大利帕多瓦大学Lorenzo Pini揭示大脑连接和深度学习及经济模型与阿尔茨海默病药理学的相关性

脑连接有可能推动药物重新定位，即为现有药物寻找新的治疗应用的策略。深度学习与生物医学研究的日益融合正在重塑药物的发现和开发。药物开发仍然是一项耗时且成本高昂的工作，许多新疗法在投入临床应用之前需要进行大量的测试和优化。药物重新定位，即为现有药物寻找新的治疗应用，通过利用真实世界数据和计算方法来加速发现过程，解决了这一挑战。深度学习算法应用于大规模临床和流行病学数据集，可以通过识别患者结果的模式来生成新的药物疗效假设。高通量计算方法现在能够同时快速筛选多个候选药物，超越了传统的假设驱动方法。这些模型应用于近期的真实数据，揭示了五种原本用于其他适应症的药物（泮托拉唑、加巴喷丁、阿托伐他汀、氟替卡松和奥美拉唑）如何可能对阿尔茨海默症产生益处。这些进展与基于连接性的洞见相结合，可以促进更精准、更个性化的治疗方法，从而改变药理学策略，同时扩大现有治疗方案的范围。

来自意大利帕多瓦大学Lorenzo Pini团队主张结合技术进步，完善脑连接指标在药物开发和治疗策略中的作用。虽然深度学习和计量经济学模型提供了强大的预测工具，但动态功能连接的纳入对于捕捉可能构成认知韧性和疾病进展基础的时变神经过程至关重要，应在此类框架中予以考虑。与假设大脑区域之间存在稳定相互作用的传统静态连接不同，动态功能连接追踪连接随时间的变化，从而深入了解网络重构，从而区分适应性变化和病理性变化。利用包括基因组学、转录组学和代谢组学在内的多组学数据，可以将分子机制与连接改变联系起来，从而增强精准医疗。一个真正全面的框架不仅应该完善脑连接指标在药物研发中的作用，还应该涵盖阿尔茨海默病作为一种基于网络和多系统疾病的复杂性，最终指导个性化治疗策略。

文章在《中国神经再生研究（英文）》杂志发表。