人脑动态功能网络连接模式能够鉴别个体并预测其认知功能
近日，北京师范大学贺永课题组在国际著名神经影像学杂志《Human Brain Mapping》（2018年2月刊）发表题为“Chronnectome fingerprinting: identifying individuals and predicting higher cognitive functions using dynamic brain connectivity patterns”的研究论文，揭示了人脑动态功能网络连接模式的个体特异性及其认知功能。
近二十年来，基于静息态功能磁共振影像的人脑连接组学快速发展，为无创研究活体人脑的功能组织规律和网络运作机制提供了重要手段，大大促进了研究者对脑认知、脑发育和脑疾病神经机制的理解。传统的人脑连接组学研究基于整段静息态功能磁共振扫描数据构建人脑功能连接网络，假设脑区间的功能连接在整段扫描过程中保持不变（如Liu et al., 2017）。研究表明，功能连接会随时间动态变化，关注脑功能连接网络动态变化特征和规律的新理念，称为“人脑动态连接组学”。贺永课题组前期提出了脑动态功能连接模式的系列计算方法（Kang et al., 2011; Liao et al., 2015; Liao et al., 2017），特别是提出了量化脑区节点在模块化动态整合程度的测度。近期的研究发现，功能连接的动态波动与神经电活动密切相关，但也有部分研究者认为这种动态波动很大程度上源自采样误差或被试头动等噪音。因此，对于功能连接网络的动态波动是否是一种人脑内在的稳定特质，目前仍不清楚。
在该研究中，研究者采用了人脑连接组计划（Human Connectome Project）的公开数据库（包含105名被试的高时空分辨率的静息态功能磁共振成像数据），基于滑动窗方法构建了每个被试的全脑动态功能连接网络，从连接强度、稳定性和变异性三个动态测度系统刻画了脑动态功能网络的连接模式。基于这三方面的动态特征，研究结果发现，大脑动态功能网络连接模式的个体差异具有稳定的空间分布，并且动态网络连接模式可以作为影像特征，像指纹一样准确地将个体从人群中识别出来。其中，默认网络、额顶网络和背侧注意网络等高级功能系统在识别过程中起了重要的贡献作用（图1）。进一步，研究者通过采用支持向量回归分析，发现大脑动态网络连接模式能够显著预测个体的高级认知功能。其中，连接强度能够预测流体智力，而连接的变异性能够预测执行功能（图2）。大脑的高级功能系统，包括默认网络、额顶网络和背侧注意网络等在个体认知功能预测中也起到主要的贡献作用。该研究采用人脑动态连接组学分析框架揭示了人脑动态功能网络连接模式是人脑的一种内在的稳定特质，并且具有个体特异性及认知意义，为在健康和疾病群体中开展人脑动态连接组学个体化研究提供了理论依据和方法学支持。
该研究论文的第一作者为博士生刘瑾，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。该研究得到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的资助。
图1 基于脑功能网络动态特征的个体鉴别正确率及不同功能系统对个体鉴别的贡献
图2 基于脑功能网络动态特征的个体认知能力预测及不同功能系统对认知预测的贡献
参考文献
Liu J, Liao X, Xia M, He Y (2018) Chronnectome fingerprinting: identifying individuals and predicting higher cognitive functions using dynamic brain connectivity patterns. Hum Brain Mapp 39(2): 902–915.
Liu J, Xia M, Dai Z, Wang X, Liao X, Bi Y, He Y (2017) Intrinsic brain hub connectivity underlies individual differences in spatial working memory. Cereb Cortex 27(12):5496–5508.
Liao X, Cao M, Xia M, He Y (2017) Individual differences and time-varying features of modular brain architecture. NeuroImage 152:94–107.
Kang J, Wang L, Yan C, Wang J, Liang X, He Y (2011) Characterizing dynamic functional connectivity in the resting brain using variable parameter regression and Kalman filtering approaches. Neuroimage 56:1222-1234.
Liao X, Yuan L, Zhao T, Dai Z, Shu N, Xia M, Yang Y, Evans A, He Y (2015) Spontaneous functional network dynamics and associated structural substrates in the human brain. Front Hum Neurosci 9:478.
