精神分裂症大腦功能和認知異常

本文由brainnews腦科學世界團隊原創編譯，轉載請聯絡授權。

認知功能障礙是包括精神分裂症（schizophrenia， SZ）在內的許多精神疾病的核心特徵，並且與大腦啟用和功能連線異常有關。然而，目前尚不清楚認知障礙如何與功能連線失調和任務啟用異常有關。

本研究使用最近開發的“活動流對映（Activity flow mapping）”方法將精神分裂症大腦功能連線與任務下異常啟用聯絡起來，用以描述精神分裂症的認知功能障礙。

背 景

廣泛性認知障礙是SZ最普遍和最穩定的標誌之一。功能磁共振成像（fMRI）已將SZ的認知功能障礙與區域性大腦活動和功能連線異常聯絡起來。功能連線（functional connectivity， FC）被定義為不同大腦區域間的統計依賴性，有助於測試SZ的“連線失調”假說。

儘管大量證據顯示精神分裂症的FC異常，但異常的FC是如何導致異常的任務誘發啟用及認知功能缺陷的卻尚不清楚。

最近，受聯結主義計算建模原理啟發，研究者開發了“活動流對映”的建模方法將大腦啟用和FC聯絡起來。這種方法解釋了給定的腦區啟用是如何由分散式FC和啟用產生的（圖1）。

該方法已被用於預測健康成年人的任務誘發啟用。將該方法應用於臨床資料可以幫助研究異常連線和活動流是如何影響認知缺陷直接相關的異常啟用。

圖1。 活動流演算法

腦區j的任務誘發啟用可由其他所有腦區i的激動之和乘以這些腦區與j的功能連線來預測。活動流的關鍵假設是啟用是由FC估計值表徵的分散式過程產生。如果SZ的異常啟用反映了分散式過程，那麼活動流預測應能重複實證資料中的組啟用差異。

方 法

本研究選取了OpenNeuro資料庫中的健康成人（n=93）和SZ（n=36）， 所有SZ在實驗時均為在接受治療。研究收集了靜息態、任務態資料和結構像資料，並採用fMRIprep和Ciftify進行資料預處理。

灰度資料降低取樣到Cole-Anticevic全腦網路分割槽（CAB-NP）圖譜（包括718個皮層和皮層下腦區）上。由於頭動過大剔除了6名HC和12名SZ。實驗任務為空間容量工作記憶（WM）任務（圖2）。

圖2。空間容量工作記憶任務（SCAP）

A。 任務正規化。B。 準確率結果。組別和任務難度主效應顯著。

1。任務啟用估計

使用標準GLM擬合SCAP任務從編碼到反應間（6。5-9。5s）的活動。先在個體水平內用高WM負載減低WM負載的活動，再進行組間比較。此外，還在CAB-NP圖譜的12個功能網路內進行了相同分析。組間差異顯著的腦區作為ROI進行後續分析。

2。FC估計

靜息態和任務態資料（非WM任務）連線起來組成單個時間序列被用於估計FC。採用主成分迴歸法計算給定腦區的FC，得到每個腦區的主成分。

3。活動流對映

公式

原理如圖1。

注意預測給定腦區的啟用時，任何有組間啟用差異的腦區都被排除以確保預測不單純依賴於功能異常腦區的連線。

4。模擬FC干預

使用迴歸模型將患者ROI啟用與HC啟用水平相匹配。由此產生的 β 權重被解釋為“模擬 FC”。使用活動流對映來生成 SCAP 任務準確率的預測，並將其與原始資料進行比較。

結 果

1。任務誘發啟用異常

SZ在左側腹側扣帶回皮層（ACC）、右側內側顳區（MST）、右側外側裂後鰓蓋骨（PO）和右後腦島（PI）的啟用異常（圖3）。

SZ的這些區域在高vs。低WM負載條件下的去啟用更弱。網路水平上檢驗發現，預設網路（DMN）呈現出相同的活動模式。ROI和網路水平的異常啟用和行為表現呈現相關。

圖3。 SCAP任務相關大腦活動

A。 組間差異 （高vs。低WM負載，pFWE 0。05）。 B。 CAB-NP大腦分割。C。 網路水平組間差異 （pFWE 0。05）。

2。FC異常

基於ROI組間FC的差異有限（SZHC： 左MST-右小腦/紋狀體；SZHC： 右PI-右ACC）。而網路水平的FC組間無差異。

3。活動流預測異常啟用

活動流對映成功的預測了兩組被試全腦的活動模式（圖4），兩組全腦預測沒有顯著性差異。ROI和網路預測組間差異見圖4。

圖4。活動流對映預測異常啟用

A。 真實和預測的組間差異。B。 ROI和DMN的真實和預測的啟用。* P 0。05

4。預測異常行為

所有ROI的啟用和個體行為的相關如圖5。

圖5。 啟用預測行為

A。SCAP準確率與實際啟用或預測啟用的相關。B。實際任務準確率和活動流對映得到的準確率的比較

5。模擬FC干預

平均真實FC和模擬FC間的差異如圖6。結果表明，每個目標腦區與頂葉和前額葉皮層之間的FC增加。結合感覺網路的降低，FC有助於使功能失調的啟用和行為正常化。

圖6。SZ假定的連線干預

A。 迴歸模型用於擬合SZ的FC到HC資料。B。 每個ROI平均資料驅動的FC干預權重。C。 需要最大和最小FC干預的腦區。D。 驗證FC干預。E。 模擬FC生成的預測行為。

討 論

本研究透過“活動流對映”模擬了腦區間與任務相關活動的運動，作為FC的函式。結果表明，行為相關的異常啟用可以由分散式空間的來源準確預測，這表明了FC對SZ產生異常活動和行為具有關鍵作用。

具體而言，SZ的感覺運動和認知控制網路間的活動流增加，導致任務狀態下預設網路去啟用減少，表明SZ無法抑制任務無關資訊。

在以上結果的基礎上，使用資料驅動的模擬，發現改變頂葉和前額葉皮層內的活動可改善SZ的大腦啟用和行為表現，從而為個性化刺激干預方案提供線索。

參考文獻

Hearne LJ， Mill RD， Keane BP， Repov G， Anticevic A， Cole MW。 Activity flow underlying abnormalities in brain activations and cognition in schizophrenia。 Sci Adv。 2021 Jul 14；7（29）：eabf2513。 doi： 10。1126/sciadv。abf2513。 PMID： 34261649； PMCID： PMC8279516。

編譯作者：Liu（brainnews創作團隊）

校審：Simon（brainnews編輯部）