jjzjj

白质脑功能网络图论分析:抑郁症分类和预测的神经标记

悦影科技 2023-03-28 原文

脑连接体拓扑结构异常是重度抑郁障碍(MDD)病理机制的基础。然而,越来越多的证据只关注脑灰质中的功能组织,而忽略了已被证实具有可靠稳定拓扑组织的白质中的功能信息。本研究旨在从一个新的视角-白质WM功能连接组拓扑结构来表征MDD的功能模式中断。我们对发现的91例未服药MDD患者和225例健康对照(HC)和复制样本(34例未服药MDD患者和25例HC)进行了病例对照、横断面静息状态功能磁共振成像研究。在128个解剖区域构建WM功能网络,并使用基于图论的方法分析其全局拓扑性质(如小世界性)。在系统层面,普遍存在的小世界架构和局部信息处理能力在未服药的MDD患者中可检测到,但不如在HC中显著,这意味着MDD白质功能连接体向随机化转变。在一个独立样本中得到了一致的结果。在临床应用中,发现样本中WM功能连接组的小世界拓扑对疾病严重程度有预测作用(汉密尔顿抑郁量表)(r = 0.34, p = 0.001)。此外,基于拓扑的分类模型可以推广用于区分复制样本中的MDD患者和HC(准确率,76%;敏感性,74%;特异性,80%)。我们的结果强调了可复制的拓扑移位的WM功能连接组结构,并提供了可能的临床应用,其中包括最佳小世界拓扑作为MDD患者分类和预测的潜在神经标志物。

1. 简介

人类大脑连接组巧妙地平衡了局部专业化和全球一体化,从而嵌入了一个小世界拓扑结构1。这种最佳结构普遍存在于完整的和患病的人类功能和解剖连接体中。利用静息态功能磁共振成像(fMRI)研究脑灰质(GM)中的功能连接组。解剖学上的连接体,基于白质内轴突束,通常使用扩散张量成像(DTI)来表征。虽然DTI可以表征WM的详细基础结构,但它不能揭示WM中的大脑动力学或报告WM中可能的功能-活动状态。新发现的证据表明,大脑WM还包含对任务诱导的大脑激活的神经信号动力学,以及大脑固有的活动WM静息态血氧水平依赖(BOLD) fMRI信号可组织成WM解剖束,与GM具有很强的相关性。除了WM内的大脑活动,我们之前基于网络的工作表明WM功能连接体表现出可靠和稳定的小世界拓扑结构,进一步提供了一种新的适用于一般流体智力的神经标记物。在各种精神和神经疾病中,可检测到的WM功能组织被破坏。这些WM功能网络的干扰可能为我们进一步了解大脑疾病的神经精神病理学提供额外的功能信息。

抑郁症越来越多地被认为是全脑连接组组织的改变,这可以作为一种特定的诊断神经标志物和治疗评估工具。这些功能失调的网络组织提示重度抑郁障碍(MDD)患者可能涉及大脑连接网络整体信息分离或完整性的异常能力。利用图分析,非平凡拓扑特性,涉及全局(例如,小世界和模块化结构)和节点特性(例如,高度连接枢纽的效率)在抑郁期间被中断。在GM的功能连接组水平上,首次服药的抑郁患者表现出全局特性的改变(即路径长度减少和全局效率提高),表明大脑连接组向随机化转变,具有增强整合和/或减少隔离的能力。然而,相反的模式,在这些全球测量中也不存在显著的抑郁相关差异。此外,在WM范围内的解剖连接体上,抑郁患者在全球网络完整性方面也表现出不同的结果。基于各种不同的脑连接组发现,已有几种理论在样本异质性水平和脑网络定义水平上解释MDD。在脑网络水平上,首先阐明WM功能连接体的作用是至关重要的,因为异常的WM功能连接体的假设可能为抑郁症提供了除GM功能和WM解剖连接体之外的另一种功能性神经标志物。

本研究旨在全面研究未服药MDD患者WM功能连接体的拓扑结构。如前所述,小世界拓扑是一种用于表征大脑连接组的优化模型,考虑了大脑中的两个基本组织原则:功能分离和信息处理集成。因此,本研究探讨了WM功能连接体的小世界拓扑是否可能是一种未被药物治疗的MDD相关生物标志物。这一假设在未接受药物治疗的MDD患者的大量发现样本中得到了验证,方法如下:(i)利用基于图的连接组方法来表征WM功能连接组的拓扑特性;(ii)量化MDD患者小世界拓扑的改变;(3)探索基于小世界拓扑的抑郁严重程度预测和疾病分类等临床应用。此外,小世界拓扑的重复改变是使用完全独立的MDD患者样本进行的。

2. 方法简述

与我们之前的研究一样,所有图像都使用DPARSF(v4.3,www.restfrmi.net)和SPM12工具包(www.fil.ion.ucl.ac.uk/spm/software/spm12)进行预处理。结构图像与功能图像进行共配准,并使用SPM12中的一种异构非线性配准算法(DARTEL)将其分割为GM、WM和脑脊液(CSF)。使用辅助材料中描述的工作流对功能图像进行预处理。为了创建一个群体级别的WM掩模,将所有受试者中80%被识别为WM的体素纳入。为了消除脑深部结构的影响,使用Harvard-Oxford Atlas(25%的概率)从组水平WM mask中移除皮质下核(即双侧丘脑、壳核、尾状核、苍白球和伏隔核)。质量控制程序见补充图S1,并在补充材料中描述。最后,91例未服药的MDD患者和225个HC来自发现样本,34例未服药的MDD患者和25个HC来自复制样本被纳入后续分析。

为了定义WM功能连接体中的节点,将组级WM掩膜随机细分为N个(这里,N = 128)相邻解剖区域,同时使用区域生长方法尽可能均匀地约束节点的大小。正如前面Zalesky等人所描述的那样,WM中的N个种子体素是随机选择的,每个体素对应于第一个被分类为属于N个节点的体素。WM中所有其他体素仍未标记。该策略是逐体素递增地增长每个节点,直到每个WM体素被分配到一个节点。在生长阶段的每次迭代中,一个新的体素被分配给volume最小的节点。通过每个配对节点内平均时间序列之间的Pearson相关系数构造每个被试的相关矩阵(128x128)。随后,对相关矩阵进行Fisher r to Z变换。根据加权的WM功能连接体评估其拓扑性质。分析的示意图如图1所示。


图1 研究设计示意图

对于每个稀疏阈值处的WM功能连接体,计算其全局拓扑性质。小世界架构支持集成和隔离的信息处理。因此,全局拓扑性质包括小世界拓扑涉及归一化聚类系数(γ),归一化最短路径长度(λ)和小世界(σ)。众所周知,这些拓扑性质是相互关联的,每一种都提供了一个不同的视角来辨别大型建筑的主要特征。然后我们计算每个拓扑属性在稀疏度范围从0.1到0.3(区间= 0.01)的曲线下面积(AUC)(补充图S2)。稀疏阈值是基于发现和复制样本(补充材料)中所有参与者的WM FC矩阵确定的。AUC为WM功能连接组的拓扑特性提供了一个概括的标量,不受单一阈值选择的影响,并且在检测脑功能紊乱的拓扑特性异常方面非常敏感。采用grena软件(v2.0, www.nitrc.org/projects/gretna)计算WM功能连接体的整体拓扑性质。这些拓扑性质的数学定义列在补充材料中。

在没有较强的先验预测的情况下,我们采用Pearson相关分析方法研究了未服药MDD患者的小世界拓扑(包括AUC值γ、λ和σ)与抑郁严重程度(HAMD评分)之间的关系。显著性阈值设为p<0.05。Bonferroni校正用于三个计划的相关性。

为了进一步研究MDD预测的潜在临床应用,我们使用线性支持向量回归(SVR)模型(LIBSVM工具箱v3.22, https://www.csie.ntu.edu.tw/~cjlin/libsvm/))预测了小世界拓扑中发现样本和复制样本的抑郁严重程度。

为了研究MDD分类的另一个潜在临床应用,我们使用带有sigmoid核函数的支持向量机(SVM)模型(LIBSVM工具箱v3.22, https://www.csie.ntu.edu.tw/~cjlin/libsvm/))将MDD患者与HCs区分开来。

为了实现完整和直接的复制,在复制样本中对WM功能连接体的小世界拓扑结构(包括γ、λ和σ)进行了重新评估。

3. 结果

3.1 人口统计和临床特征

最终的分析包括91例未服药的MDD患者和225例HC患者的数据。患者与HC患者在年龄(p = 0.47)、性别(p = 0.69)、文化程度(p = 0.06)方面均无差异。

3.2 小世界拓扑的变化

WM功能连接体的小世界拓扑依赖于稀疏性的选择。在本研究中,特定数据的小世界拓扑在稀疏范围0.1-0.3(间隔= 0.01)进行评估,并在MDD患者和HC中检测到。然而,与HC相比,患者表现出显著降低的归一化聚类系数(γ)和小世界结构(σ)(图2a)。患者与HC之间归一化最短路径长度无差异(λ)(图2a)。这些结果表明MDD患者的信息处理被打乱和分离(图2b)。为了确定头部运动可能对我们的结果产生的影响,我们分别对MDD患者和HC组参与者的平均FD值和小世界拓扑进行了相关分析。结果显示小世界拓扑结构与头部运动无统计学显著相关性(补充表S1)。


图2 MDD和HC患者的小世界拓扑

3.3 小世界拓扑结构与抑郁严重程度的关系

通过HAMD测量小世界拓扑(γ、λ和σ)与抑郁严重程度之间的跨参与者关系。小世界拓扑γ与HAMD得分呈负相关 (图3a),而λ (图3b)和σ (图3c)不相关。


图3 MDD患者小世界拓扑结构与抑郁严重程度的关系

3.4 基于小世界拓扑的预测分类结果

我们表明,基于发现样本的小世界拓扑特征的预测模型可以成功地应用于内部验证分析。我们发现样本中观察到的HAMD得分与预测HAMD得分之间存在显著相关性(图4)。然而,这个预测模型不能预测复制样本中的HAMD得分。我们推测这种普遍的预测趋势可能是由于扫描参数和抑郁严重程度评估程序的异质性。


图4 基于MDD患者小世界拓扑特征的HAMD评分预测

为了进一步阐明小世界拓扑在未服药MDD患者WM功能连接体中的重要作用,我们在发现样本中基于小世界拓扑训练支持向量机。然后我们在复制样本中获得了76%的分类准确率(敏感性为74%,特异性为80%)。

3.5 验证复制样品的拓扑性质

我们验证了复制样本中小世界拓扑的改变。与HC相比,MDD病人在复制示例还显示减少全球拓扑属性包括γ和σ,而在λ没有区别 (图S3)。此外,我们使用2(患者和HC)* 2(发现和复制样本)双向方差分析进行辅助分析。我们没有发现小世界的交互效应有统计学意义(p = 0.06),从而排除了扫描参数的混杂因素。

4. 讨论

我们的研究结果表明,人脑中整合和分离的信息处理是MDD中WM功能异常连接体的潜在热点。在发现样本和复制样本中检测了异常的WM功能组织,表明与HC相比,MDD患者的重复功能较差。此外,可检测到的小世界拓扑预测MDD患者的抑郁严重程度,并将这些患者与HC区分开来,为理解MDD的病理机制提供了一个新的指标。

在本研究中,我们纳入了未接受治疗的MDD患者,以排除药物治疗的异质性。因此,我们的研究结果表明,WM功能连接体的小世界拓扑异常不太可能是药物所致。

有证据表明MDD患者存在异常的小世界拓扑,我们进行了几项探索性分析,以检验WM功能连接体的小世界拓扑是否足够强,可以作为MDD临床预测和分类的潜在生物标志物。

尽管在抑郁症研究中出现了脑连接组的研究,但对WM功能连接组的研究结果仍然有限。这可能是由于长期以来关于WM可能的生理基础的争论所致。首先,WM的脑血流量和脑容量低于GM,导致WM的BOLD fMRI信号较低,WM内部与GM的相关性较弱,且BOLD信号与GM局部场动作电位相关,而WM没有反应动作电位。然而,与GM相比,尽管GM和WM在生理因素方面存在较大差异,但WM保持了更高的胶质细胞与神经元比例,同时显示出近似相等的氧提取比例。最后,在静息态fMRI预处理过程中,WM中的BOLD信号往往被认为是需要回归的噪声或伪影,而在fMRI分析中使用GM掩模往往会被忽略。然而,最近的研究已经报道了使用静息态fmri检测WM的功能信息,这表明使用BOLD-fMRI检测WM神经活动的可能性没有根本的障碍或直接的证据来源。

虽然在WM中检测到了功能信息,但存在的问题是WM BOLD-fMRI信号是否不受GM神经活动的干扰。从脑静脉系统的结构来看,脑白质缺氧血几乎不依赖于皮质GM。事实上,在正常的神经解剖学中,有两种静脉系统:一种是浅表静脉系统,它将脑白质表层的缺氧血排出,然后通过GM皮层进入脑静脉;另一种是深部系统,将深部GM的缺氧血液引流至室管膜下静脉。脑静脉结构在空间上是不重叠的。缺氧血从GM皮质经WM引流至深静脉系统确实存在,但引流的概率小于3%。因此,脑静脉系统的BOLD-fMRI信号几乎全部来自脑静脉系统。更重要的是,我们还应用了几种方法,通过控制WM和GM之间的边界(在WM的概率图上设置90%的阈值),屏蔽了WM功能预处理对GM功能图像的影响,确保WM BOLD-fMRI信号不受严格的GM信号的影响,因此,仅在WM中识别参与者的体素以创建WM掩码。因此,WM功能连接体的异常拓扑性质实际上是由于WM BOLD-fMRI信号的改变。

5. 结论

本研究首次研究了无用药史的MDD患者WM功能连接体的拓扑特性。与HC相比,我们在两个完全独立的样本中识别并复制了鲁棒的减小的小世界拓扑。基于WM功能连接组小世界拓扑的临床应用提示,WM功能连接组在MDD相关的早期预后和诊断中具有潜在的生物标志物。总之,WM功能连接体中的重复效应提供了一种新的指标,可以很容易地与其他神经成像方式结合,从而为MDD提供更敏感的神经标记物。

参考文献:White-matter functional topology: a neuromarker for classification and prediction in unmedicated depression

有关白质脑功能网络图论分析:抑郁症分类和预测的神经标记的更多相关文章

  1. ruby-on-rails - Cucumber 是否只是 rspec 的包装器以帮助将测试组织成功能? - 2

    只是想确保我理解了事情。据我目前收集到的信息,Cucumber只是一个“包装器”,或者是一种通过将事物分类为功能和步骤来组织测试的好方法,其中实际的单元测试处于步骤阶段。它允许您根据事物的工作方式组织您的测试。对吗? 最佳答案 有点。它是一种组织测试的方式,但不仅如此。它的行为就像最初的Rails集成测试一样,但更易于使用。这里最大的好处是您的session在整个Scenario中保持透明。关于Cucumber的另一件事是您(应该)从使用您的代码的浏览器或客户端的角度进行测试。如果您愿意,您可以使用步骤来构建对象和设置状态,但通常您

  2. ruby-on-rails - rails 功能测试 - 2

    在Rails自动生成的功能测试(test/functional/products_controller_test.rb)中,我看到以下代码:classProductsControllerTest我的问题是:方法调用products()在哪里/如何定义?products(:one)到底是什么意思?看代码,大概意思是“创建一个产品”,但是它是如何工作的呢?注意我是Ruby/Rails的新手,如果这些是微不足道的问题,我深表歉意。 最佳答案 如果您查看test/fixtures文件夹,您会看到一个products.yml文件。这是在您创建

  3. ruby-on-rails - 使用 gmaps4rails 动态加载谷歌地图标记 - 2

    如何只加载map边界内的标记gmaps4rails?当然,在平移和/或缩放后加载新的。与此直接相关的是,如何获取map的当前边界和缩放级别? 最佳答案 我是这样做的,我只在用户完成平移或缩放后替换标记,如果您需要不同的行为,请使用不同的事件监听器:在你看来(index.html.erb):{"zoom"=>15,"auto_adjust"=>false,"detect_location"=>true,"center_on_user"=>true}},false,true)%>在View的底部添加:functiongmaps4rail

  4. ruby-on-rails - 功能测试 Authlogic? - 2

    在我的一些Controller中,我有一个before_filter检查用户是否登录?用于CRUD操作。application.rbdeflogged_in?unlesscurrent_userredirect_toroot_pathendendprivatedefcurrent_user_sessionreturn@current_user_sessionifdefined?(@current_user_session)@current_user_session=UserSession.findenddefcurrent_userreturn@current_userifdefine

  5. ruby-on-rails - 将 Ruby 代码和文字标记与 Haml 混合 - 2

    如何用HAML编写这个ERB:#OR我可以:=some_ruby_code+":"#and=some_ruby_code%br但我不想在这里连接,我想将它写成内联:(=some_ruby_code):#and(=some_ruby_code)%br 最佳答案 =some_ruby_code+":"-#and=some_ruby_code+""编辑1:我不确定您在寻找什么。你想要其中之一吗?==#{some_ruby_code}:-#and==#{some_ruby_code}或==#{some_ruby_code}:-#and=so

  6. 建模分析 | 平面2R机器人(二连杆)运动学与动力学建模(附Matlab仿真) - 2

    目录0专栏介绍1平面2R机器人概述2运动学建模2.1正运动学模型2.2逆运动学模型2.3机器人运动学仿真3动力学建模3.1计算动能3.2势能计算与动力学方程3.3动力学仿真0专栏介绍?附C++/Python/Matlab全套代码?课程设计、毕业设计、创新竞赛必备!详细介绍全局规划(图搜索、采样法、智能算法等);局部规划(DWA、APF等);曲线优化(贝塞尔曲线、B样条曲线等)。?详情:图解自动驾驶中的运动规划(MotionPlanning),附几十种规划算法1平面2R机器人概述如图1所示为本文的研究本体——平面2R机器人。对参数进行如下定义:机器人广义坐标

  7. 网站日志分析软件--让网站日志分析工作变得更简单 - 2

    网站的日志分析,是seo优化不可忽视的一门功课,但网站越大,每天产生的日志就越大,大站一天都可以产生几个G的网站日志,如果光靠肉眼去分析,那可能看到猴年马月都看不完,因此借助网站日志分析工具去分析网站日志,那将会使网站日志分析工作变得更简单。下面推荐两款网站日志分析软件。第一款:逆火网站日志分析器逆火网站日志分析器是一款功能全面的网站服务器日志分析软件。通过分析网站的日志文件,不仅能够精准的知道网站的访问量、网站的访问来源,网站的广告点击,访客的地区统计,搜索引擎关键字查询等,还能够一次性分析多个网站的日志文件,让你轻松管理网站。逆火网站日志分析器下载地址:https://pan.baidu.

  8. ABB-IRB-1200运动学分析MATLAB RVC工具分析+Simulink-Adams联合仿真 - 2

    一、机器人介绍        此处是基于MATLABRVC工具箱,对ABB-IRB-1200型号的微型机械臂进行正逆向运动学分析,并利Simulink工具实现对机械臂进行具有动力学参数的末端轨迹规划仿真,最后根据机械模型设计Simulink-Adams联合仿真。 图1.ABBIRB 1200尺寸参数示意图ABBIRB 1200提供的两种型号广泛适用于各作业,且两者间零部件通用,两种型号的工作范围分别为700 mm 和 900 mm,大有效负载分别为 7 kg 和5 kg。 IRB 1200 能够在狭小空间内能发挥其工作范围与性能优势,具有全新的设计、小型化的体积、高效的性能、易于集成、便捷的接

  9. 关于Qt程序打包后运行库依赖的常见问题分析及解决方法 - 2

    目录一.大致如下常见问题:(1)找不到程序所依赖的Qt库version`Qt_5'notfound(requiredby(2)CouldnotLoadtheQtplatformplugin"xcb"in""eventhoughitwasfound(3)打包到在不同的linux系统下,或者打包到高版本的相同系统下,运行程序时,直接提示段错误即segmentationfault,或者Illegalinstruction(coredumped)非法指令(4)ldd应用程序或者库,查看运行所依赖的库时,直接报段错误二.问题逐个分析,得出解决方法:(1)找不到程序所依赖的Qt库version`Qt_5'

  10. ruby - Ruby 中允许 "p *1..10"打印出数字 1-10 的功能是什么? - 2

    require'pp'p*1..10这会打印出1-10。为什么这么简洁?您还可以用它做什么? 最佳答案 它是“splat”运算符。它可用于分解数组和范围并在赋值期间收集值。这里收集赋值中的值:a,*b=1,2,3,4=>a=1b=[2,3,4]在此示例中,内部数组([3,4])中的值被分解并收集到包含数组中:a=[1,2,*[3,4]]=>a=[1,2,3,4]您可以定义将参数收集到数组中的函数:deffoo(*args)pargsendfoo(1,2,"three",4)=>[1,2,"three",4]

随机推荐