该文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

主要作者与机构

本研究的主要作者包括Lianglong Sun、Tengda Zhao、Xinyuan Liang、Mingrui Xia等，来自北京师范大学认知神经科学与学习国家重点实验室、北京脑成像与连接组学重点实验室、IDG/McGovern脑科学研究所等机构。该研究发表于《Nature Neuroscience》期刊，在线发布时间为2025年2月4日。

学术背景

研究领域为神经科学，特别是人类大脑功能连接组（functional connectome）的终身变化。过去二十年，研究者逐渐从连接组的角度理解人类大脑的内在活动。然而，关于功能连接组在人类生命周期中的演变模式，尤其是从胎儿期到老年期的连续动态变化，仍缺乏系统的研究。尽管已有一些研究关注特定年龄段的连接组特征，但由于样本量小、年龄范围窄、数据质量不一致等问题，研究结果存在较大差异。因此，本研究旨在填补这一空白，通过整合全球多中心的大规模神经影像数据，绘制人类大脑功能连接组的终身生长曲线，揭示其动态演变规律，并为个体发育、衰老及神经精神疾病的量化提供规范性参考。

研究流程

研究流程包括以下几个主要步骤：

1. 数据收集与质量控制

   研究整合了来自全球132个站点的33,250名个体的静息态功能磁共振成像（fMRI）和结构磁共振成像（MRI）数据，年龄范围为32周胎龄至80岁。数据经过严格的质量控制，包括自动化评估和专家手动审查，最终筛选出高质量的影像数据。

2. 数据处理与分析

   研究采用标准化的处理流程，包括结构数据的脑组织分割、皮层表面重建，以及功能数据的时间序列预处理（如去趋势、回归噪声信号、带通滤波等）。为了减少头动影响，研究还采用了运动校正和插值方法。

3. 功能连接组构建

   基于预处理后的数据，研究构建了每个个体的功能连接矩阵，计算了全局均值、方差等指标，并使用广义加性模型（GAMLSS）拟合了终身生长曲线。

4. 系统特异性连接组分析

   研究开发了一种高斯加权迭代年龄特异性组图谱（GIAGA）生成方法，构建了从胎儿期到老年期的连续功能图谱，并分析了不同脑功能系统（如默认模式网络、视觉网络等）的分离与整合模式。

5. 区域水平连接组分析

   研究进一步探索了功能连接强度的区域特异性生长模式，并通过主成分分析（PCA）揭示了连接组生长的时空轴。

6. 性别差异分析

   研究还分析了功能连接组生长曲线的性别差异，发现男性和女性在全局均值、方差及系统分离度等方面存在显著差异。

7. 敏感性分析

   为验证结果的稳健性，研究进行了多种敏感性分析，包括严格的头动控制、平衡抽样、分半验证等。

主要结果

1. 全局功能连接组生长曲线

   全局功能连接均值在38.0岁达到峰值，随后逐渐下降；全局方差在28.0岁达到峰值。这表明人类大脑功能连接在成年中期达到最佳状态，随后随衰老逐渐退化。

2. 系统特异性连接组生长模式

   默认模式网络（DMN）和额顶网络（FPN）在婴儿期和儿童期快速发展，在成年后期快速退化，而视觉网络（Vis）和躯体运动网络（SM）则表现出相对稳定的生长模式。

3. 区域水平连接组生长轴

   功能连接强度的生长遵循从初级感觉运动皮层到高阶联合皮层的时空轴，与经典的“感觉运动-联合轴”（sensorimotor-association axis）高度一致。

4. 性别差异

   男性在全局功能连接均值上显著高于女性，而女性在全局方差和系统分离度上显著高于男性。

5. 敏感性分析结果

   所有敏感性分析结果均与主要结果高度一致，验证了研究的稳健性。

结论与意义

本研究首次系统地绘制了人类大脑功能连接组的终身生长曲线，揭示了其动态演变规律。研究结果不仅为理解健康个体的网络发育原理提供了重要依据，还为量化个体发育、衰老及神经精神疾病的连接组异常提供了规范性参考。此外，研究开发的高斯加权迭代年龄特异性组图谱（GIAGA）方法为未来个体化脑网络分析提供了重要工具。

研究亮点

1. 大规模多中心数据整合

   研究整合了全球33,250名个体的神经影像数据，是目前同类研究中样本量最大的之一。

2. 终身生长曲线的系统绘制

   研究首次从全局、系统和区域三个层面绘制了功能连接组的终身生长曲线，揭示了其动态演变规律。

3. 新颖的GIAGA方法

   研究开发的高斯加权迭代年龄特异性组图谱（GIAGA）方法提高了个体化脑网络分析的精度。

4. 性别差异的深入分析

   研究首次系统分析了功能连接组生长曲线的性别差异，为理解性别对大脑发育和衰老的影响提供了新视角。

其他有价值的内容

研究还探讨了功能连接组生长曲线与神经精神疾病的关系，为未来疾病生物标志物的识别和干预提供了潜在方向。此外，研究提出的终身生长模型为未来脑科学研究和临床实践提供了重要参考。