科研进展
  • 科研进展
  • 功能影像连接组元分析揭示了多种脑疾病具有共性的脑网络紊乱模式
     
            2017年11月,北京师范大学心理学部认知神经科学与学习国家重点实验室贺永课题组在国际神经科学权威杂志《Cerebral Cortex》在线发表了题为“Meta-Connectomic Analysis Reveals Commonly Disrupted Functional Architectures in Network Modules and Connectors across Brain Disorders”的研究论文,揭示了多种脑疾病具有共性的脑功能网络模块和连接紊乱模式。 

            脑疾病严重威胁着人类的身心健康。不同的脑疾病通常分布在不同年龄阶段,如儿童期的孤独症、儿童注意缺陷多动障碍;成年期的抑郁症、精神分裂症;老年期的阿尔茨海默病、帕金森病等。研究表明,很多神经精神疾病可能起源于早期发育阶段,而且在发病进程中都表现出认知功能的异常,并伴随着脑功能网络和结构网络的改变。最近,我实验室夏明睿博士和贺永教授发表综述论文强调,采用神经影像大数据的理念和方法,对于研究脑发育和脑疾病的基础和临床问题具有重要价值(Xia and He, NeuroImage 2017)。特别是,静息态脑功能影像能够通过检测脑活动来研究脑疾病的功能网络,进而敏感地反映没有器质性病变的精神系统疾病早期的脑功能活动异常。然而,不同神经精神疾病脑功能活动异常模式的共性和差异及其与脑网络的关系目前仍然不清楚。

            在该项工作中,研究者首先对182篇涉及11种脑疾病的静息态功能磁共振脑影像研究论文进行元分析。这些研究都采用了基于体素的全脑分析方法(低频神经振荡幅度、局部一致性、独立成分分析或功能连接强度),总共包括了6683患者和6692名健康对照。基于这些论文的研究结果,研究者采用基于连接组元分析的大数据计算方法描绘出了11种脑疾病各自的脑异常活动模式图(图1)和共性的脑功能活动异常模式图(图2),发现功能活动降低主要位于后扣带皮层/楔前叶、背内侧前额叶皮层、腹外侧前额叶皮层、前运动皮层和纹状体,而功能活动增高的区域则包括前扣带皮层、前岛叶、内侧颞叶皮层、辅助运动区和皮层下区域。

            进一步,研究者采用143名健康被试的静息态功能磁共振数据构建了高精度体素水平的全脑功能连接网络,并采用模块化分析将功能网络划分成了7个功能模块以及4种功能模块节点类型。结合元分析结果发现,在功能模块水平,11种脑疾病功能活动异常的区域主要集中在默认网络、额顶网络和感觉运动网络(图3),并且受损的脑节点主要位于多个功能模块之间联系的连接子(Connectors)上(图4)。除了共同的脑功能异常模式,不同脑疾病也表现出特异性的异常模式,如儿童注意缺陷多动障碍在腹测注意网络和视觉网络中具有脑功能活动增高;精神分裂症在视觉网络具有脑功能活动降低。最后,研究者采用两个独立的影像数据集(抑郁症和阿尔茨海默病)进行了高精度脑功能网络分析,验证了功能连接组元分析的结果。

            该研究采用神经影像大数据元分析和人脑连接组学技术,为揭示不同年龄阶段脑疾病共同的脑网络连接异常神经机制提供了重要证据,研究对于不同类型的脑疾病早期诊断以及治疗靶点优化选择的脑网络标志物研究也具有重要启发。

            该研究论文的第一作者为博士生沙志强,夏明睿博士为并列第一作者,通讯作者为贺永教授,来自北京师范大学认知神经科学与学习国家重点实验室、神经影像大数据与人脑连接组学北京市重点实验室和麦戈文脑科学研究院。合作者包括麦吉尔大学Alan Evans教授、德克萨斯大学的Peter Fox教授、中国医科大学的王菲教授、北京中医药大学的王志群教授等。该研究得到了国家自然科学基金重点国际合作项目、教育部长江学者奖励计划和北京市自然科学基金等的资助。

     
     
    图 1. 不同脑疾病(11个脑疾病)脑功能活动异常分布图


    图2. 多种脑疾病(11个脑疾病)共性的脑功能异常活动分布图


    图3.不同脑疾病脑功能活动异常在功能模块中的分布


     
    图4. 不同脑疾病脑功能活动异常在四类连接节点中的分布

     
    参考文献
    Sha Z, Xia M, Lin Q, Cao M, Tang Y, Xu K, Song H, Wang Z, Wang F, Fox P, Evans A, He Y (2017) Meta-connectomic analysis reveals commonly disrupted functional architectures in network modules and connectors across brain disorders. Cerebral Cortex, in press.
     
    Xia M, He Y (2017) Functional connectomics from a big data perspective. NeuroImage 160:152-167.