自闭症谱系的多维化：寻找自闭症的亚型

神经多样性概念下的自闭症谱系化，让自闭症群体有了一个合力，有利于自闭症的倡导和权利争取，防止自闭症群体被污名化，边缘化甚至妖魔化。

然而，自闭症谱系的概念过于宽广，为个性化的教育和干预带来不少困扰，更为自闭症的科学研究带来了很多概念的混淆。因而，对千差万别的个体进行亚型划分一直是学术界的努力方向。但是，各种划分的尝试，也没有取得一致的同意。

2025年7月，普林斯顿大学计算机学教授Olga G. Troyanskaya领导的研究小组，利用人工智能技术，采用以自闭症个体为中心的方法，分析了大型的SPARK自闭症数据库，将自闭症区分为4个亚型。这是自闭症研究历史上，第一次将自闭症个体的行为特质和基因信息相互关联起来的自闭症亚型区分，为发展更有效的教育方法和更精准的诊断、评估甚至治疗提供了新的思路。

参见：自闭症流行率飙升的当下，应该抛弃谱系的概念么：自闭症亚型区分的突破性进展

研究人员认为，通过基于共同特征、遗传学和共病来对自闭症人群进行分组，可能改善临床试验的结果。

Katie Moisse，是 《The Transmitter》 的特约编辑。西安大略大学的神经病理学博士，以及哥伦比亚大学的新闻学硕士学位。她目前在加拿大安大略省汉密尔顿的麦克马斯特大学教授科学传播课程。

单一的谱系概念与自闭症的多维性

自闭症的表现非常多样化——这是当前的共识。在定义上，所有自闭症人士个体都存在社交交流障碍，但是这个障碍，从轻微到严重各不相同。许多个体还伴随有共同障碍，例如焦虑或注意缺陷/多动障碍（ADHD）。有些个体的大脑某些区域异常大，或者异常的小，有些个体的脑区连接，也表现出异常强或异常弱。其背后的机制，有些个体可能是单基因突变造成的，而另一些人则没有明显的原因。

31年前，学者们用“谱系”一词来描述自闭症的异质性。但是，波士顿儿童医院精神病学与行为科学系临床总监 Matthew Siegel 表示，单一的谱系概念并不能准确反映自闭症的多维性。

Seigel指出，“谱系这个术语对我们没有太大的帮助。虽然我们理解，对自闭症谱系进行划分的边界模糊而且很难准确，但我们必须尝试对自闭症群体进行分类，并理解其中的复杂性。只有这样，我们才能取得进步。”

现在，越来越多的研究人员认为自闭症不是单一的障碍，而是有许多不同的“自闭症”。Siegel是其中的一员。他们试图根据共同的临床特征、遗传、生理和神经解剖学特征对自闭症进行分类。他们认为，只有这样，才可能揭示同一类型的共同生物学机制，并为家庭提供更清晰的孩子成长后的信息。

Jacob Ellegood是加拿大 Holland Bloorview 儿童康复医院 的神经影像科学家，致力于利用神经影像方法探索自闭症亚型的划分。他认为，亚型划分有望改善临床试验的结果，因为这样可以将受试者划分为“更同质的类别，从而更有可能获得更好的结果”。

到目前为止，研究人员一直在尝试利用遗传学、神经影像和临床数据对自闭症亚型进行划分，也在努力类比动物模型进行分类——但都没有很好的结果。其难度在于，自闭症群体可以用很多的方式进行划分，而这些不同亚型之间的重叠关系和相互作用，可能与任何划分方式一样重要。

意大利技术研究院功能性神经影像学主任 Alessandro Gozzi ，利用神经影像对自闭症进行亚型划分，他指出：“我们需要接受这种复杂性。我们需要多种亚型划分方式，因为每一种方式只能解释部分的不同。”

遗传学和临床特征的分组

亚型的概念并不新鲜。有些异质性远远低于自闭症的疾病，其亚型的划分却是一种常规操作。十几年来，自闭症研究者一直尝试通过外显子组测序来寻找亚型，最近几年，甚至还试图使用全基因组测序进行亚型划分。

这些努力揭示了一些有用的模式。例如，当自闭症由 CHD8 基因变异引起时，常常伴随智力障碍、头围增大、语言和运动发育迟缓、睡眠障碍和胃肠道症状。其他自闭症相关基因（如 SHANK3 和 ADNP）的变异则各自有独特的特质组合。

然而，不到 30% 的诊断有自闭症的个体可以归因于特定的基因突变。因此，研究人员转而寻找其他方式，把具有相似生物学特征的人群划分出来。迄今为止，这些项目识别了许多群体，但一致性不足，临床意义也不够明确。

上个月发表的一种新方法，分析了 SPARK 数据库 中 5,392 名自闭症儿童，根据他们的共同临床特质和不同的遗传特征，把自闭症群体分为 四个亚群。

最大亚群（37%）：有社交挑战和重复行为，但发育里程碑大体与神经典型儿童同步。许多人伴随 ADHD、焦虑、抑郁或强迫症。 最小亚群（10%）：自闭症特征和发育迟缓更严重，也更可能携带罕见的新发基因变异。这个亚型分组，未必是最终结果；随着更多数据的收集，可能会进一步细分。

神经影像学的尝试与挑战

Ellegood、Gozzi 等人对基于神经影像的亚型划分尤为感兴趣，因为这种方法没有创伤，操作容易，更可能纳入诊断流程。

但神经影像学文献报道中的方法各不相同，这会带来一些新的问题。Clara Pecci Terroba是剑桥大学心理学系 Richard Bethlehem 教授的研究生。她指出：“（根据神经影像的）自闭症亚型划分的研究文献非常多，但收集的数据和使用的算法都不尽不同。” 6月4日，她发表的论文重点研究了这种差异。

研究中，她们采用两种不同的机器学习算法，对 4,115人（1,305名自闭症，987名ADHD，1,823名对照）的结构性核磁共振（MRI）数据进行分析，最后根据大脑的大小，将自闭症群体划分为两个亚型。其中一个亚型的大脑皮层面积和灰质体积相对较大，而另一个亚型则比较小。但是，根据不同的算法，有些个体的所属亚型会有变化。但是，当他们进一步分析某些特定脑区的差别时，又可以划分为新的亚型。

Pecci Terroba 认为，“这个结果告诉我们，应该花更多的时间去真正理解这些算法，了解这些算法的功能。”

然而，Siegel指出，即便算法能够成功地进行亚型分组，但是，大脑皮层面积和灰质体积的差异不足以揭示自闭症的机制。“就像我们不能根据汽车的大小和金属厚度来回答‘为什么汽车能跑起来’这样的问题。这些仅仅是参数，但它们真的告诉你发动机如何运作吗？”

动物研究的比较，探索生物学机制

但是，Gozzi 认为，在神经影像的杂乱数据中识别可重复的信号是关键的第一步。下一步才是“解读这些信号，提出合理、可验证的机制”。

他认为，如果将针对人类的研究和动物研究结合起来，可能有帮助。例如，今年3月，Ellegood, Gozzi和他们的同事们在 bioRxiv预印本发表的研究结果，将自闭症个体的结构MRI数据与自闭症小鼠模型的分子分析进行比较，发现了4个亚型。他们设想，在没有遗传信息，有类似神经生物学数据的情况下，可以参照小鼠模型的亚型划分，推测自闭症个体的可能机制。

亚型划分可以帮助科学家更好地聚焦于某些问题的研究，比如大脑的兴奋与抑制失衡的相关研究。 6月份，Gozzi 研究小组发布于 medRxiv 预印本的一项研究表明，自闭症群体可以根据脑电图（EEG）分为两个亚型——相对于神经典型群体，其中一个亚型更加兴奋，而另一亚型则更少。研究人员通过操控小鼠的大脑活动，成功重现了这些 EEG 特征，从而建立了一个模型，揭示了大脑活动的不同模式，都可能导致自闭症的特质。这个模型还可能用来测试不同的干预方法的有效性。

走向多维度的谱系

Gozzi 设想，自闭症的谱系不应只是一维的，而是多维的：一个维度代表核心自闭症特征，另一个代表遗传学，还有一个代表共同障碍，等等。几个维度的交汇点就是每个个体独特的“自闭症”。

Gozzi指出，“我们最开始对自闭症的定义是单一的谱系，那显然是不行的。但是，如果过分强调个体差异，对自闭症的研究也同样带来挑战。我们需要找到某种中间状态——能识别稳定的、可重复的亚型。”

Gozzi进一步指出，亚型的划分有助于临床研究的进展，有助于帮助具有共同特质和生物学机制的群体找到合适的干预方案或支持策略。

Siegel 认同这种观点，他指出，尽管对自闭症亚型划分的会有不同的意见，但是，“很显然，你不能对谱系上的每个人都应用同样的干预和支持策略。我认为过去58年来，对亚型划分的忽视，甚至恐惧，实际上造成了很多的混乱，把不同人的需求混为一谈。”