Brain HealthForschungsarbeitKostenpflichtig

Hirnscans verschiedener Spezies enthüllen zwei unterschiedliche biologische Subtypen des Autismus

Forscher glichen fMRI-Muster in Mausmodellen und 1.976 Menschen ab und fanden heraus, dass Autismus in Hypo- und Hyperkonektivitäts-Subtypen mit unterschiedlicher Biologie unterteilt werden kann.

Sonntag, 17. Mai 2026 8 Aufrufe
Veröffentlicht in Nat Neurosci
A split-screen brain MRI scan showing two contrasting connectivity maps — one with sparse blue network links and one with dense red network links — displayed on a clinical monitor in a neurology research lab

Zusammenfassung

Eine bedeutende internationale Studie nutzte Gehirnbildgebung in 20 genetischen Mausmodellen des Autismus sowie an knapp 2.000 Menschen, um zu zeigen, dass Autismus neurobiologisch keine einheitliche Erkrankung ist. Es traten zwei distinkte Subtypen zutage: einer, der durch unterverbundene Hirnnetzwerke gekennzeichnet ist und mit synaptischer Dysfunktion zusammenhängt, und ein weiterer, der durch überverbundene Netzwerke gekennzeichnet ist und mit Immun- sowie Genregulationswegen in Verbindung steht. Diese Subtypen waren hochgradig reproduzierbar und mit unterschiedlichen Verhaltensprofilen assoziiert. Die Ergebnisse liefern direkte empirische Belege dafür, dass die phänotypische Variabilität beim Autismus reale, messbare Unterschiede in der zugrundeliegenden Gehirnbiologie widerspiegelt – ein Schritt, der langfristig zu einer gezielteren Diagnostik und individuelleren Behandlungsstrategien für Menschen im Spektrum beitragen könnte.

Deep Dive Audio
0:00--:--

Detaillierte Zusammenfassung

Autismus-Spektrum-Störungen sind bekannt für ihre ausgeprägte Heterogenität – zwei Personen mit derselben Diagnose können sich klinisch sehr unterschiedlich präsentieren. Jahrzehntelang gingen Forschende davon aus, dass dies auf Unterschiede in der zugrundeliegenden Biologie zurückzuführen ist, doch direkte Belege fehlten bislang. Eine neue, in Nature Neuroscience veröffentlichte Studie liefert diese Belege mithilfe einer leistungsstarken, speziesübergreifenden Neuroimaging-Strategie.

Das Forschungsteam analysierte funktionelle MRT-Daten (fMRI) von 20 verschiedenen genetischen Mausmodellen für Autismus und untersuchte, wie unterschiedliche Hirnregionen miteinander kommunizieren. Dabei traten zwei eindeutige Cluster zutage: Modelle, die von Hypokonnektion dominiert wurden – bei denen Hirnnetzwerke unteraktiv waren –, und Modelle, die von Hyperkonnektion dominiert wurden – bei denen Netzwerke überaktiv waren. Entscheidend ist, dass diese Subtypen auf unterschiedliche biologische Pfade hindeuteten: Hypokonnektion war mit synaptischer Dysfunktion verknüpft, während Hyperkonnektion transkriptionelle und immunbezogene Störungen widerspiegelte.

Anschließend untersuchte das Team, ob dieselben Subtypen auch beim Menschen auftreten. Die Analyse von fMRI-Daten von 940 Personen mit idiopathischem Autismus und 1.036 neurotypischen Kontrollpersonen aus einem multizentrischen Datensatz ergab dieselben zwei Konnektivitätsmuster. Die menschlichen Subtypen waren über verschiedene Standorte hinweg gut replizierbar und mit unterschiedlichen funktionellen Netzwerkarchitekturen sowie Verhaltensprofilen assoziiert – und sie spiegelten dieselben synaptischen und immunologischen Pfade wider, die zuvor in Nagetieren identifiziert worden waren.

Die Implikationen sind erheblich. Anstatt Autismus als eine einzige neurobiologische Entität zu behandeln, könnten Klinikende und Forschende Patientinnen und Patienten künftig anhand von Konnektivitätsmustern im Gehirn in Subtypen einteilen, was gezieltere Interventionen ermöglichen würde – etwa Therapien, die auf die synaptische Signalübertragung bei hypoverbundenen Personen abzielen, oder immunmodulierende Ansätze für hyperverbundene Personen.

Wichtige Einschränkungen sind zu beachten. Die Studie konzentrierte sich auf idiopathischen Autismus, weshalb die Ergebnisse möglicherweise nicht auf alle Ätiologien übertragbar sind. Der Datensatz ist multizentrisch, was methodische Variabilität mit sich bringt. Darüber hinaus basiert diese Zusammenfassung ausschließlich auf dem Abstract; vollständige methodische Details, Effektgrößen und Replikationsstatistiken sind noch nicht zugänglich, was eine gesicherte Interpretation der Ergebnisse einschränkt.

Wichtigste Erkenntnisse

  • Autism brain connectivity splits into two subtypes: hypoconnectivity (synaptic dysfunction) and hyperconnectivity (immune/transcriptional pathways).
  • Cross-species validation across 20 mouse genetic models confirmed two biologically distinct autism connectivity clusters.
  • Human fMRI in 940 autistic and 1,036 neurotypical individuals replicated the same two subtypes with high reliability.
  • Each subtype linked to distinct behavioral profiles and functional network architectures, not just imaging differences.
  • Findings provide direct empirical evidence that autism phenotypic heterogeneity reflects real underlying biological variation.

Methodik

Die Studie nutzte funktionelle MRT-Konnektivitätsanalysen an 20 genetischen Mausmodellen für Autismus und validierte die Ergebnisse anschließend in einem multizentrischen humanen fMRT-Datensatz mit 940 Personen mit idiopathischem Autismus und 1.036 neurologisch typischen Kontrollpersonen. Speziesübergreifende Clustering-Methoden wurden eingesetzt, um Konnektivitätssubtypen zu identifizieren und biologisch zu charakterisieren.

Studienlimitierungen

Diese Zusammenfassung basiert ausschließlich auf dem Abstract, da der vollständige Artikel nicht im Open Access verfügbar ist; Effektgrößen, vollständige statistische Methoden und detaillierte Ergebnisse sind nicht zugänglich. Die Studie konzentriert sich auf idiopathischen Autismus, weshalb die Erkenntnisse möglicherweise nicht auf syndromale Fälle oder Fälle mit bekannter genetischer Ätiologie übertragbar sind. Multizentrische fMRI-Daten führen zu standortbedingter Variabilität, die die Konnektivitätsschätzungen beeinflussen kann.

Hat dir diese Zusammenfassung gefallen?

Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.

E-Mail-Adresse zum Abonnieren eingeben: