文献汇报
我们知道大脑不同区域间的交流是通过白质通路中的轴突来完成的，这些结构连接的性质与大脑功能高度相关。白质的微观组织结构比如像轴突直径、髓鞘和长度都会影响神经信号的精确定时，这对网络动态同步至关重要。白质轴突的微结构与功能连接有多大程度的相关还是未知的。在本篇文章中，使用来自UKBiobank的名被试的MRI数据，构建了多变量模型，使用连接成对脑区的白质微结构去预测脑区的功能连接。
先将静息态fMRI数据经过独立成分分析分成55个对应于静息态网络的成分，再进一步细分成更加精细的结点，有很强的相似性的结点被认为是等位脑区，最后得到了81对等位脑区。接下来在单个被试水平进行两两脑区之间的相关（在两两相关之前回归掉其他区域的BOLD（血氧水平依赖）信号时间序列）去评估功能连接。结果发现等位脑区之间的连接是最强的。本篇文章中的白质微结构指标有从弥散张量模型中得到的FA（各向异性分数），MD（平均弥散率），MO（各向异性模式）；还有从NODDI（神经突方向离散度和密度成像）模型中得到的ICVF（细胞内体积分数），ISOVF（各向同性体积分数），OD（神经突方向离散度）。在获得白质微结构时，先用dMRI数据进行概率纤维追踪去确定连接等位脑区的白质束，然后用每个被试纤维束中的白质骨架体素中的指标值构建一个矩阵，然后经过PCA（主成分降维）将矩阵的列数从体素数变为30（前30个主成分），接着将这30个主成分作为等位脑区间的功能连接的解释变量送入线性回归模型。
在本篇文章中，对于每一对等位脑区都构建了7个线性模型，其中6个为上述6个指标，另外一个是将这6个指标结合在一起的多模态方法（先将6个矩阵连接起来再降维到30个主成分）。结果发现整体回归模型在72-90%（取决于不同指标）的等位大脑区域能够预测显著的被试间差异。多模态微结构模型在最多的脑区（72个，90%）提供了功能连接的预测。然后根据功能连接可以被微结构指标解释的方差的百分比（r2）去评估回归模型的效应量。结果发现多模态模型的平均可解释方差为3.5%（r=0.19），不同的脑区间的可解释方差有很大的差异。比起单个微结构指标的模型，多模态微结构回归模型的平均z分数是最高的（z=12.0），这说明不同的微结构指标可以解释功能连接中不同的变异。在多模态回归中，在颞中回的可解释方差是最低的（1.1%），在后扣带回的可解释方差是最高的（12.7%）。
文章接下来测试这种关系是否有生物学特异性，结果发现活体外影像数据（体外脑标本的dMRI图像和组织学染色显微镜图像）和活体内dMRINODDI分析得到的OD有很好的相关性。接着用个被试的数据进行模型的重复，一些脑区显示出了较高的效应量。之后文章还做了阴性控制分析，用一些“错误的”胼胝体纤维束进行回归分析，结果发现在大部分脑区正确的纤维束的模型表现要更好。最后用GWAS（全基因组关联分析）去研究微结构-功能关系的遗传影响。结果在9号和14号染色体上发现了有强相关的SNPs（单核苷酸多态性），而且这些SNPs和一些对神经发育很重要的基因有关。
MollinkJ,SmithSM,ElliottLT,etal.Thespatialcorrespondenceandgeneticinfluenceofinterhemisphericconnectivitywithwhitemattermicrostructure.NatNeurosci.;22(5):–.doi:10./s---2
汇报PPT
文字：李茜
排版：猪猪姐姐
▇扫码
转载请注明地址:http://www.ihgqp.com/bdfnzym/14221.html
