結構腦網路的模塊性分離，支持青年時期大腦功能執行的提升

結構腦網路的模塊性分離，支持青年時期大腦功能執行的提升

發布者：admin

賓夕法尼亞大學精神病學系的Satterthwaite等人在Current Biology期刊上發表了一項研究，用來解釋青年時期的執行功能活動和大腦結構網路的成熟過程。

摘要

在兒童和青少年時期，人類的大腦已經顯現出大尺度的功能模塊。然而，在功能執行的過程中，白質結構是否在成長過程中有類似的細化，仍然是未知的。研究者在費城神經發育中心的882的參與者（8-22歲）彌散成像中，展示了隨著年齡的增長，腦網路的模塊之間更加的分離，模塊內部的連接不斷增強。模塊結構的提升能夠有效增強腦網路聯繫的效率，並且，在模塊內或者模塊之間的hub結點的強化也與年齡相關。特別地，模塊間的分離和網路效率的提升會隨著年齡提升改善功能執行的表現。

模塊性是包括社會網路，控制物理系統，多樣生物網路等複雜系統的基本特徵，網路模塊是指一組連接緊密的結點，通常是專門處理信息的基礎單元。功能神經影像研究表明，人類大腦在大尺度的功能網路上具有很好的模塊化結構。雖然功能網路模塊的確切數量和空間分布有所不同，但分析方法有所不同，不同獨立數據集和實驗室的數據都存在顯著的收斂。

通常描述的模塊包括somatomtor，可視化，默認模式和額頂頂控制系統。越來越多人的工作發現在青年時期腦功能模塊的細化，但大腦模塊在生命早期就出現了。 在童年和青少年時期，功能性模塊變得更加清晰:模塊之間的連接性模塊之間的連接減少。這種發育能夠使得功能專一化，減少系統間的干擾,促進認知能力。模塊化對執行功能尤為重要，它依賴於執行區域的聯合激活對非執行區域的相互抑制，例如默認模式網路。因此，可用的數據表明網路模塊化的發展可以作為在青年時期的執行能力的演進的一個基礎。

儘管功能網路模塊化的發展出現了收斂的證據，但是關於支持該功能架構的底層結構性大腦網路的成熟的數據相對較少。之前的工作在功能和結構上證明了結構網路在成年人中具有更高的模塊性，但是這種結構在年輕時是否會有很大的變化仍然是未知的。對應功能和結構之間的數據表明，功能網路結構網路在成長過程中逐漸隔離，然而，之前的研究使用相對較少的樣本得到了相互衝突的結果，如隨著年齡的變化，大腦模塊性下降，模塊性上升或者沒有變化。對於先前的研究，增加樣本數量是解決這些問題的關鍵。

除了這些關於規範性發展的混合數據趨勢，對結構網路發展對認知的影響性能仍然是認識不足的。在青春期和成年早期過程中，認知能力在青年階段大幅度提升，如何描述白質結構演化來支持執行功能，對於理解執行功能的失敗相關聯的青少年發病率和死亡率是有必要的。最後，這樣的數據是神經精神疾病研究的先決條件，人們越來越多地將其理解為大腦的紊亂髮展，將其稱為執行功能障礙，並且與不斷細化的網路拓撲結構相聯繫。

本項研究試圖定義結構的網路模塊的細化發育，並描述模塊的發育對執行能力的影響。這項研究驗證了結構腦網路會像功能腦網路一樣，隨著年齡的增長，更加的邊界分明。更進一步，研究者預測分離的結構模塊會支持增強執行能力。為了驗證這些假設，研究者利用費城PNC的882名青年的DTI成像序列。發現結構腦網路類似於功能網路會有一個模塊性的隔離，特別地，這些數據揭示了結構網路模塊性的細化。

結論

研究者研究了來自PNC的882名8-22歲的結構腦網路，如期望的那樣，執行功能會隨著年齡增長而不斷增長。研究人員利用234個分區結點構建結構腦網路。結構連接利用確定性的跟蹤圖構建（圖2）.每個網路結點被分配到一個Yeo等人預先設定好的功能網路模塊。更進一步，基於數據驅動的結構網路分析顯示結構網路的模塊與功能模塊由顯著的相關性。

圖1，隨著年齡增長的功能執行（ExecutiveFunctioning），（a）年齡分布，（b）隨著年齡增長的腦認知能力執行表現，藍線表示擬合線。

圖2 連接組建立

對於每個樣本，T1圖像利用freesurfer劃分到234個腦區，利用流線來建立鄰接矩陣，邊權利用連接的流線個數的平均值向異性（FA）定義，網路結點被分配到有yeo等人定義的7個模塊上。皮層節點被分配到第8個模塊（VIS, visual;SOM, somatomotor; DOR, dorsal attention; VEN, ventralattention; LIM, limbic;FPC, frontoparietal control; DMN, default mode network;SUB,subcortical）。

圖3，結構腦網路的模塊隨著年齡的增長更加分離

模塊化隔離被量化為平均值所有網路節點的參與係數，更低的值表明更多的隔離。

(A)平均參與係數值下降隨著年齡的增長明顯。(b) 在不同功能系統中，模塊隔離具有不同分布。年齡相關模塊分離主要在somatomotor腦區。（c）年齡相關的參與係數為證實每個結點特別是posteriorcingulate區域隨著年齡下降提供一個收斂結果。兩個例外是右前腦回和前額葉，參與係數隨著年齡的增加。藍線代表了最適合於一般的擬合模型; 面積表示95%置信區間。

圖4 模塊分離分為：模塊間聯繫減弱和模塊內聯繫加強

(a)內模連接的平均強度隨著年齡的增加。

(b)模塊間聯繫隨著發育降低

(c)聚合效應可以在個體圖上邊表示（用P<0.05作為閾值）

(d)模塊連接的百分比更高

(紅色)隨著年齡的增長而增強

圖5 不同方法對結果的穩定性

隨著年齡的增長，模塊化隔離的增加

（a）使用了Yeo分區的模塊化質量指數的結果，更高的Q表示更多的隔離模塊。

（b）當使用組級結構分區時，模塊化隔離(平均參與係數)隨著年齡的增長而減少

（c）隨著年齡的增長，主級連通性矩陣的模塊化質量也會增加。

（d-f）當使用高維度的分區時，結果不會受到影響(d)使用流線計數代替FA作為邊重量(e)，當標準化的流線密度被用作邊權值(f)時。(g-i)我們觀察到與年齡相關的模塊隔離增加時，邊權值是由概率流線數(h)，概率流線定義的密度(h)和區域內連接概率(i).較低的參與係數表示更多的隔離模塊。源自於大腦網路概率跟蹤圖，平均參與係數在寬密度範圍內被集成(5%-60%)。

圖6，通過加強特定hub連接的權值，模塊分離促進全腦網路的效率。

（a）複製以前的工作，全網路效率隨年齡增長而增長

(b) 在控制年齡時，較低的平均參與係數與更大的網路效率有關，這表明模塊之間有一個更好隔離和網路效率。

(c) 隨著年齡的增長，連接會增加(47%)。中心邊被定義為連接在頂部的頂部四分位之間的連接中心性

(d) 隨著年齡的增長，模塊和模塊之間的連接比預期的更有好。

(e和f)中模塊內(e)和模塊間(F)之間的平均權值與全網路效率呈正相關。藍色線表示最適合於一般的擬合模型;陰影區域表示95%置信區間;星號表示p小於0.001。誤差柱狀圖表示平均標準誤差

圖7 結構模塊的分離，促進青少年執行功能的發展

（a）在控制年齡的同時，在frontoparietal control網路中，更大的模塊化隔離是與更好的執行性能相關聯的。

(b)結構模塊的分離，驗證了隨著年齡增加執行功能的增加。

總結

研究者通過分析PNC的一系列數據，發現了人腦結構網路的模型隨著年齡的增長模塊間更加分離，通過特定的方法發現模塊內的聯繫穩定的上升，模塊間的聯繫下降。年齡相關的變化主要發生在一些特定的hub結點，使得網路隨著年齡的增長更加模塊化和一體化，重要的是，網路模塊的分離，能夠使得青年階段功能執行提升。

對穩定的可重複的大規模功能網路的描述對人類神經科學研究有巨大的推動作用。因此，功能網路的模塊已經成為了人類成像的主要數據解讀框架。大腦模塊的概念對年輕時期表現出的功能模塊的發育有顯著的影響。相比之下，更小規模的結構腦網路的可能會產生與功能網路不一致的數據，考慮到之前的研究中大腦結構之間的對應關係，結構和共鞥網路模塊的發育的描述是很難的。

研究者發現結構網路的模塊會隨著年齡的增長更加分分離，一些模塊內或者模塊間的hub連接能夠同時促進網路集成和網路模塊隔離的發展，最後，模塊分離和圈網路的效率有效的促進了青年時期執行功能的效率，這些數據為青少年執行功能的發展描繪一種重要的新機制。這些發現可以有助於理解，在大腦發育中個體差異。另外，腦網路發育異常和執行系統障礙可以作為不同類型精神疾病的特徵。結構網路的發育能夠作為青少年時期的一個重要生物標記。

參考文獻：Baum G L, Ciric R, Roalf D R, et al. Modular Segregation of Structural Brain Networks Supports the Development of Executive Function in Youth[J]. Current Biology, 2017.

http://weixin.qq.com/r/5ShbQ4LEdN8LrcYg9333 (二維碼自動識別)