Research
  • Research Progress
  • 人脑网络核心区域的分化及其微结构、认知和指纹特性研究
     
            2018年4月,北京师范大学贺永团队的王鑫迪、夏明睿等在国际神经影像权威杂志《Human Brain Mapping》发表了题为“Differentially Categorized Structural Brain Hubs Are Involved in Different Microstructural, Functional and Cognitive Characteristics and Contribute to Individual Identification”的研究论文。该论文定义并识别了人脑结构网络三类核心区域(聚集型、分布型、连接型),揭示了它们在白质微结构、认知功能、个体识别等特征的共性和差异。
     
            人脑是由脑区之间相互连接构成的复杂网络,不同脑区通过网络进行信息的通信与整合,以支撑人脑完成多种认知功能。近年来,基于神经影像的人脑连接组学研究发现,如交通网络存在交通枢纽一样,人脑网络存在一些网络拓扑重要性较高的核心区域(Hub)(Gong et al., Cereb Cortex 2009)。这些核心区域为人脑中区域间高效的信息传播提供了结构支撑,研究核心区域的连接模式对理解脑认知功能的神经环路基础,探索脑发育、老化和脑疾病的机制具有重要价值(Xia and He NeuroImage 2017; Cao et al., Trends Neurosci 2017)。值得注意的是,现有脑连接组学研究对于网络核心区域的定义仍缺乏统一认识,不同研究采用反映不同的拓扑重要性的节点中心性度量识别核心脑区。这些不同的识别方法是否意味着人脑结构网络存在分化类型的核心区域?如果存在,他们的空间分布特性、微结构、以及认知功能特征是否有所差异?回答这些问题,对理解人脑网络核心区域的拓扑作用和功能意义以及人脑结构连接组的组成原理具有重要的意义。
     
            在该研究中,研究者使用了来自美国人脑连接组学项目(Human Connectome Project)和课题组自行采集的,共三个多模态神经影像数据库。研究者首先构建了个体的大尺度人脑结构网络,并基于八种常用的图论节点度量(图1),在人脑结构网络中识别了多类核心区域,根据它们的空间分布相似性进行层级聚类分析,识别了三类核心节点:聚集型、分布型和连接型核心节点(图2)。这些不同类型的核心节点都主要位于默认网络系统;聚集型核心节点额外地分布于视觉系统和边缘系统,分布型核心节点额外地分布于额顶系统,连接型核心节点额外地分布于感觉运动系统和腹侧注意系统(图3)。进一步,研究者发现三类核心节点表现出差异化的微结构和功能特征:聚集型核心节点具有最好的微结构组织和最长的纤维束长度,分布型核心节点具有最高的连接成本和最大的拓扑易受攻击性,而连接型核心节点呈现出最强的功能系统间整合能力和最大的认知灵活性。同时,这三类核心节点在所有特征方面都显著高于非核心节点(图4)。此外,所有三类核心节点都表现出较高的跨扫描间空间可靠性,并且在个体识别中具有较高的预测率(分别为100%、100%和84.2%),能够扮演人脑结构“指纹”的角色。

     
    图1. 八种节点度量估算的流程图


    图2. 人脑结构网络中三类核心区域的识别


    图3. 三类核心节点在功能系统中的分布


    图4. 三类核心节点在微结构和功能等特征上的共性与差异

     
            该研究首次在人脑大尺度结构网络中识别了三种类型分化的核心节点,并考察了他们的空间分布规律以及微结构和功能特征上的共性与差异,为阐明人脑结构网络的组织原理和运行机制提供了进一步的证据。
     
            该研究论文第一作者为博士研究生王鑫迪,通讯作者为夏明睿和贺永,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。
     
    参考文献:
    Wang X, Lin Q, Xia M*, He Y* (2018) Differentially categorized structural brain hubs are involved in different microstructural, functional, and cognitive characteristics and contribute to individual identification. Hum Brain Mapp 39(4):1647-1633.
     
    Xia M, He Y* (2017) Functional connectomics from a big data perspective. NeuroImage 160:152-167.
     
    Gong G#, He Y#, Concha L, Lebel C, Gross DW, Evans AC, Beaulieu C* (2009) Mapping anatomical connectivity patterns of human cerebral cortex using in vivo diffusion tensor imaging tractography. Cereb Cortex 19(3):524-536.
     
    Cao M, Huang H, He Y* (2017) Developmental Connectomics from Infancy through Early Childhood. Trends Neurosci 40(8):494-506.