单细胞皮层形态脑网络：表型关联和神经生物学基础

神经病学 基础医学 生物物理学 医学影像 生命科学 免疫学 医学 细胞生物学 生物化学 遗传学
形态脑网络 结构磁共振成像 皮层厚度 性别 神经递质

研究背景与问题 陈述

本文是一项关于单一被试形态学脑网络在表型关联性及神经生物学基础方面的研究。该研究结合了多模态和多尺度数据，揭示了形态学脑网络与性别的差异、其作为个体特异性标志的潜力以及其与基因表达、层特异性细胞结构和化学结构的关系。这些发现深化了我们对单被试形态学脑网络作用和起源的理解，并为其在未来个性化脑联结组研究中的应用提供了有力依据。

形态学脑网络指的是基于结构性磁共振成像（structural magnetic resonance imaging，简写为sMRI）估算的脑区域之间的形态学关系。最早的研究通过计算一个群体中某形态学指标（如灰质体积，皮层厚度或表面积）的区域间协方差来估算这些关系，但这种基于群体的方法忽略了个体间的差异，导致了形态学脑网络所揭示的神经生物学意义不明确。近年来，构建个体层面形态学脑网络的方法学上取得了进展，使得通过研究其角色和起源来理解形态学脑网络的神经生物学成为可能。然而，对单一被试形态学脑网络的表型关联性和神经生物学基础的研究仍然存在许多问题。这些问题包括：形态学脑网络在性别之间是否存在差异，是否可以作为个体行为和认知预测的指纹，以及其是否具有遗传性等。

研究来源

本文由南方师范大学（South China Normal University）的大脑研究和康复研究所（Institute for Brain Research and Rehabilitation）的李振、李俊乐、王宁凯、吕亚婷、邹启宏、王金辉等人共同完成，并在《NeuroImage》期刊上发表。文章的在线发表时间为2023年10月30日。

研究流程

研究使用了多个大型公开数据集，包括人类连接组计划（Human Connectome Project，简称hcp）s1200数据集，北京师范大学（Beijing Normal University）测试-重测数据集（Test-Retest Dataset），儿童多感官词汇处理的纵向脑相关性数据集（LBCMLPC Dataset），以及Allen人类脑图谱数据集（Allen Human Brain Atlas Dataset）。

流程简介：

  1. 数据预处理和形态学地图提取: 从每个T1加权结构图像中提取大脑的皮层厚度、分形维度、回折指数和槽深度。
  2. 脑区划分: 使用Destrieux Atlas将皮层表面划分为148个感兴趣区（ROI）。
  3. 形态学相似度估算: 评估每个形态学指标的区域间相似度，构建四个类型的单一被试形态学脑网络（CTN、FDN、GIN和SDN）。
  4. 构建多重形态学脑网络: 将不同形态学指标的网络合并，形成一个多重网络。
  5. 社区检测和模块划分: 在组级别上进行社区检测，识别脑网络中的模块（community）。
  6. 行为和认知相关性: 使用多变量方差组件模型和BBS模型，评估形态学连接能够解释和预测的行为和认知变异程度。
  7. 个体识别: 使用网络匹配方法，研究形态学脑网络作为指纹来识别个体的潜力。
  8. 遗传性评估: 使用遗传ACE模型，量化形态学脑网络的遗传控制程度。
  9. 基因关联性和细胞结构分析: 关联形态学脑网络与基因表达，细胞结构和神经递质网络，鉴定出对这些关联有显著贡献的基因，细胞特征和神经递质受体。

主要结果

  1. 性别差异: 形态学脑网络在男性和女性之间存在明显差异，特别是在CTN和SDN中。
  2. 行为和认知关联性和预测: 单一被试形态学脑网络在解释和预测认知和运动领域的个体表现方面表现出显著效果。CTN和SDN在这两个领域表现出较强的关联性和预测力。另外，不同模块间和模块内的形态学连接在行为和认知关联性和预测中具有相似的效能。
  3. 个体识别: 形态学连接在识别个体方面表现出高准确性，包括双生子个体。
  4. 多重网络与单层网络对比: 与单一指标的形态学网络相比，多重形态学网络在行为和认知关联性和预测中表现更优。
  5. 遗传性: 形态学连接总体具有中等遗传性，不同形态学指标的网络具有不同的遗传水平。模块间连接比模块内连接更具遗传性。
  6. 基因和细胞结构关联: 形态学脑网络与基因表达和细胞结构显示出显著的正相关。CTNs与基因转录和细胞特性的相关性显著，基因主要富集于皮层表面的上层和颗粒层。
  7. 化学结构关联: 形态学脑网络与化学结构（如神经递质受体）显著相关，不同类型的形态学网络由不同的神经递质受体驱动。

研究的意义与价值

本研究揭示了单一被试形态学脑网络的表型关联性及其神经生物学基础，强调了性别在形态学脑网络研究中的重要性，并展示了其作为预测个体行为和认知表现的潜力、个体识别的有效性以及其遗传和神经生物基础。这些结果不仅深化了我们对人脑结构联结组的理解，也为脑网络在个性化认知和临床神经科学研究中的应用提供了新的视角。

数据和工具的开放性

该研究使用的数据和工具都是公开和可用的，进一步的研究和验证有望进一步巩固和扩展这些重要发现。 这些发现不仅对神经科学领域的基础研究具有重要意义，也为临床应用和个性化医疗提供了新的思路。