導(dǎo)讀

隨著年齡的增長，人腦功能結(jié)構(gòu)發(fā)生了系統(tǒng)性的變化。然而，功能連接(FC)作為一種檢測獨特“連接體指紋”的強大特征，使個體能夠在同齡人中被識別出來。雖然已在年輕人樣本中觀察到這種指紋，但該方法在整個生命周期內(nèi)的可靠性尚未得到證實。本研究將指紋識別框架應(yīng)用于劍橋老齡化與神經(jīng)科學(xué)中心數(shù)據(jù)(n=483，年齡18?~?89歲)。研究結(jié)果發(fā)現(xiàn)，個體在整個生命周期內(nèi)的獨立fMRI掃描中都是“可指紋化的”(即可識別的)。本研究觀察到“自可識別性”(跨模態(tài)的個體內(nèi)相關(guān)性)和“其他可識別性”(跨模態(tài)的個體間相關(guān)性)的強度呈u型分布，從成年早期至中年期呈下降趨勢，但在老年期有所改善。促進自可識別性的FC連接邊不局限于特定的腦網(wǎng)絡(luò)，并且在整個生命周期的個體之間存在差異。自可識別性還與局部腦體積相關(guān)。這些發(fā)現(xiàn)表明，個體水平上的識別在整個生命周期中保持不變，盡管其組成部分呈非線性變化。

前言

由于生物系統(tǒng)的強大基因控制，大腦的結(jié)構(gòu)和功能組織在物種內(nèi)部保持著可靠的一致性。然而，在人類被試中，已經(jīng)在細粒度水平上發(fā)現(xiàn)了明顯的個體內(nèi)可變性。越來越多的證據(jù)表明，大腦連接體之間的個體差異足以匹配腦部掃描，并有效地在大規(guī)模的腦圖像數(shù)據(jù)集中識別個體。這些“特征”或“指紋”多年來保持穩(wěn)定，不受掃描條件的影響，并且可以通過其他腦部掃描方式(如MEG)發(fā)現(xiàn)。在年輕人的同質(zhì)樣本中可以觀察到個體參與者的可識別性，然而文獻中相對忽視了老年人樣本。

已有的橫斷面研究比較了老年人和年輕人群體，揭示了他們在功能連接(FC)上的顯著差異，這引發(fā)了關(guān)于老年人中FC指紋識別可靠性的問題。本研究的目標(biāo)是(i)測試指紋識別準確性的穩(wěn)定性；(ii)確定自可識別性(即，測量個體內(nèi)相似性的連續(xù)變量)；(iii)表征其他可識別性(即,測量個體與其他相似性的連續(xù)變量)。利用功能性磁共振成像(fMRI)技術(shù)，在整個生命周期、整個連接體，以及大規(guī)模網(wǎng)絡(luò)內(nèi)部和網(wǎng)絡(luò)之間對本研究目標(biāo)進行了考察。然后，確定區(qū)域之間的哪些功能連接(即連接邊)有助于指紋識別，以及這些模式在整個生命周期中如何變化。最后，本研究探討了可識別性與腦容量之間的關(guān)系，腦容量是個體年齡的重要預(yù)測因素。本研究使用的數(shù)據(jù)來自劍橋老齡化與神經(jīng)科學(xué)中心(Cam-CAN)(n=483；年齡18?~?89歲)。研究結(jié)果表明，指紋的可識別性是整個生命周期的可靠指標(biāo)。此外，自可識別性和其他可識別性指標(biāo)在整個生命周期中呈非線性分布。自可識別性和其他可識別性在青年期較高，中年期下降，然后在老年期再次上升。彈性網(wǎng)絡(luò)模型顯示，指紋識別方法確定了FC的主要個體特異性特征，并可靠地劃分了每個健康成年人在每個十年生命中的獨特模式。最后，自可識別性(而非其他可識別性)與正常衰老背景下萎縮區(qū)域的腦容量有關(guān)?？傮w而言，這些結(jié)果表明，在考慮與年齡相關(guān)的大腦變化軌跡時，應(yīng)同時考慮人腦組織的個體內(nèi)變異性，尤其是在老年人中。

方法

參與者

本研究使用的數(shù)據(jù)來自Cam-CAN數(shù)據(jù)庫(可在http://www.mrc-cbu.cam.ac.uk/datasets/camcan/獲取)。Cam-CAN數(shù)據(jù)是一個基于整個生命周期的橫斷面隊列，由居住在英國的18?~?89歲認知健康參與者組成。參與者在一個時間點接受了幾次腦成像檢查。特別注意要招募來自不同年齡段的人，并在性別上保持平衡。本研究獲得了劍橋郡研究倫理委員會的批準(編號：10/H0308/50)。

磁共振成像

MRI數(shù)據(jù)是在3T西門子TIM Trio掃描儀上用32通道頭部線圈采集的。采用T1加權(quán)MPRAGE序列進行結(jié)構(gòu)成像，采用T2*加權(quán)EPI序列進行fMRI成像。受試者在一個session中經(jīng)歷了兩種不同的fMRI檢查：靜息態(tài)(Rest)和感覺運動任務(wù)(Task)，前者要求受試者閉眼8min40s，后者的掃描時長與前者一樣，并要求受試者在視聽刺激出現(xiàn)時按下按鈕。使用0.12.4版神經(jīng)影像分析套件(NIAK；http://niak.simexp-lab.org/)對兩種模式的圖像進行預(yù)處理。然后，從fMRI時間序列中去漂移、腦脊液、平均白質(zhì)信號和運動偽影，并使用6mm高斯核進行空間平滑。最后，使用Nilearn 0.6.2提取Schaefer圖譜(n=400)各區(qū)域的fMRI時間序列。使用偏相關(guān)分析計算區(qū)域之間的功能連接(FC)，同時考慮到所有其他腦區(qū)的信號。在MATLAB?2012a中使用統(tǒng)計參數(shù)映射(SPM12；http://www.fil.ion.ucl.ac.uk/spm/software/spm12/)對所有結(jié)構(gòu)圖像進行預(yù)處理。將圖像分割為灰質(zhì)、白質(zhì)和CSF成分。然后，使用DARTEL創(chuàng)建組特異性模板，并將該模板與MNI-ICBM152模板進行非線性配準。最后，將每個個體參與者的灰質(zhì)圖像配準到組模板上，然后使用8mm3的各向同性高斯核進行平滑處理。

指紋識別本研究的主要興趣是功能連接體指紋，它包括三個感興趣的指標(biāo)：指紋識別準確性、自可識別性和其他可識別性。在指紋識別框架中，將同一個體在一種fMRI條件下獲得的FC矩陣與在不同fMRI條件下獲得的FC矩陣進行相關(guān)，通過計算session間上三角向量化z值的相關(guān)系數(shù)來實現(xiàn)。這導(dǎo)致了個體內(nèi)相關(guān)性(即自可識別性)。該過程在所有參與者FC矩陣內(nèi)部和之間重復(fù)，從而允許計算個體內(nèi)和個體間的相似性(即其他可識別性)。最后，從指紋的自可識別性和其他可識別性兩方面評估指紋識別的準確率：當(dāng)指紋的自可識別性超過其他可識別性的大小時，該指紋被認為是可識別的(參見圖1A)。

指紋框架改編自Finn等人(2015)和Amico & Go?i(2018)的原始方法。首先使用Fisher's?r-to-z變換對Rest和Task的FC進行歸一化。然后利用積矩相關(guān)將Rest和Task條件下得到的FC矩陣關(guān)聯(lián)起來，得到自可識別性和其他可識別性。然后將這些值存儲在一個相似性矩陣中。對于矩陣的每一行，如果自可識別性(矩陣的對角線元素)高于其他可識別性(矩陣的非對角線元素)，則認為指紋識別是準確的。在此基礎(chǔ)上，計算了400個parcel之間的自可識別性和其他可識別性。此外，利用Yeo等人(2011)七個網(wǎng)絡(luò)相對應(yīng)的parcel信息來劃分內(nèi)部網(wǎng)絡(luò)的功能連接矩陣。然后，通過獲取其他網(wǎng)絡(luò)之間的邊來組成網(wǎng)絡(luò)之間的功能連接聚合。另外，本研究創(chuàng)建了兩個隨機網(wǎng)絡(luò)，以測試是否可以使用隨機節(jié)點組合的邊而不是使用預(yù)定義的網(wǎng)絡(luò)來獲得高識別精度。

結(jié)果

本研究對Cam-CAN隊列中的483名(18?~?89歲)個體進行了分析。如果參與者的兩個fMRI掃描(靜息態(tài)和感覺運動任務(wù))通過質(zhì)量控制，則納入研究。人口統(tǒng)計學(xué)信息見表1。本研究的樣本中大約有一半是女性。大多數(shù)參與者都是右利手。最終樣本包括每個年齡段至少50名個體，除了80-89歲之間的個體，只包括34名參與者。

整個隊列中指紋識別的準確性為了測試感興趣指紋指標(biāo)(指紋識別準確性、自可識別性和其他可識別性)的穩(wěn)定性，本研究將給定個體的FC模式與他們自己在休息和任務(wù)條件下的FC模式(自可識別性)以及所有其他個體的FC模式(其他可識別性)相關(guān)聯(lián)。在整個樣本中，一些指紋識別網(wǎng)絡(luò)的識別率高達100%(圖2A)。McNemar檢驗表明，當(dāng)使用網(wǎng)絡(luò)間的邊(與內(nèi)部網(wǎng)絡(luò)的邊相比)和高級聯(lián)合皮層(默認、額頂和背側(cè)注意)時，識別能力更強。使用網(wǎng)絡(luò)間的邊，我們能夠在軀體運動網(wǎng)絡(luò)、背側(cè)注意網(wǎng)絡(luò)、默認網(wǎng)絡(luò)和額頂葉網(wǎng)絡(luò)中實現(xiàn)100%的指紋識別準確率。在默認網(wǎng)絡(luò)中使用全腦連接組和內(nèi)部網(wǎng)絡(luò)的邊，實現(xiàn)了100%的指紋識別準確率。此外，為了確定整個生命周期中可識別性的穩(wěn)定性，本研究采用了參與者間滑動窗口法(圖1C)。使用這種方法，可識別性在整個網(wǎng)絡(luò)生命周期中都是穩(wěn)定的(如圖2B和圖1C所示)。

自可識別性和其他可識別性在整個生命周期中均呈非線性變化使用二次回歸和嵌套似然比檢驗發(fā)現(xiàn)，在所有網(wǎng)絡(luò)(包括網(wǎng)絡(luò)內(nèi)部和網(wǎng)絡(luò)之間的邊)中，自可識別性和其他可識別性在整個生命周期中均呈非線性變化。使用二次模型的Stimson方程發(fā)現(xiàn)，自可識別性和其他可識別性在49-63歲之前均呈下降趨勢，之后有所上升(圖3)。在自舉抽樣和對性別、利手、運動和可用fMRI幀數(shù)進行控制的情況下，所有模型的結(jié)果(除了邊緣網(wǎng)絡(luò)中的其他可識別性外)仍然顯著。

為了確保結(jié)果的非線性不是由具有較高自可識別性和其他可識別性的最年長參與者使然，本研究排除了80歲以上的參與者，并重復(fù)了該分析，得到了幾乎相同的結(jié)果。最后，本研究測試了使用節(jié)點間血氧水平依賴(BOLD)信號的積矩相關(guān)(而不是使用偏相關(guān))來生成功能連接時的結(jié)果是否相似。研究發(fā)現(xiàn)，自可識別性與年齡之間幾乎沒有關(guān)聯(lián)。然而，在存在關(guān)聯(lián)的網(wǎng)絡(luò)中，它呈現(xiàn)出u型關(guān)系。

在整個生命周期中影響自可識別性的區(qū)域為了確定哪些FC邊對自可識別性有影響，本研究使用了彈性網(wǎng)絡(luò)模型并與年齡組滑動窗口方法相結(jié)合。目的是確定在每個年齡窗口的訓(xùn)練集和測試集中，大腦FC邊的哪些組合可以預(yù)測自可識別性。將這些彈性網(wǎng)絡(luò)模型應(yīng)用于滑動窗口參數(shù)下的每個年齡窗口，報告了彈性網(wǎng)絡(luò)模型在留出法測試集中的模型性能。本研究還報告了每個年齡窗口中每個節(jié)點的節(jié)點密度。節(jié)點密度表示來自給定節(jié)點的邊對自可識別性的影響程度。總的來說，每個年齡窗口內(nèi)對自可識別性的預(yù)測不能推廣到任何留出樣本，并且在所有年齡窗口中表現(xiàn)出較差的模型性能。此外，此外，并沒有特定的節(jié)點比其他節(jié)點具有更多的預(yù)測邊(圖4)。事實上，在許多窗口中，彈性網(wǎng)絡(luò)并沒有識別出任何可預(yù)測自可識別性的連接邊組合。這些結(jié)果表明，沒有一組FC邊能夠可靠地預(yù)測個體的自可識別性。

自可識別性與灰質(zhì)體積有關(guān)

本研究評估了這種可識別性是否與年齡敏感變量(如腦容量)有關(guān)。為此，本研究使用了三種形態(tài)測量網(wǎng)絡(luò)作為感興趣的結(jié)果：一個額葉網(wǎng)絡(luò)(與年齡相關(guān)的變化最強)，一個包括海馬體和內(nèi)側(cè)顳葉的邊緣網(wǎng)絡(luò)(與阿爾茨海默病和年齡相關(guān)變化均有中度關(guān)聯(lián))，以及一個枕葉網(wǎng)絡(luò)(與年齡相關(guān)的影響最弱)。本研究提取了所有三個網(wǎng)絡(luò)的灰質(zhì)體積，并用于后續(xù)分析。

低自可識別性與額葉結(jié)構(gòu)網(wǎng)絡(luò)中的灰質(zhì)體積降低相關(guān)，而這種關(guān)聯(lián)超過了年齡和其他協(xié)變量的影響(圖5)。這種全連接體的結(jié)果在網(wǎng)絡(luò)內(nèi)和網(wǎng)絡(luò)間的自可識別性度量中得到了再現(xiàn)(視覺網(wǎng)絡(luò)中的網(wǎng)絡(luò)內(nèi)邊的自可識別性，以及視覺和軀體運動網(wǎng)絡(luò)中的網(wǎng)絡(luò)間邊的自可識別性除外)。其他可識別性與腦容量無關(guān)。與其他可識別性相似，F(xiàn)C的個體差異與腦容量之間無相關(guān)性。此外，也沒有發(fā)現(xiàn)時間輪廓相似性與腦容量之間的關(guān)聯(lián)。

結(jié)論

本研究分析發(fā)現(xiàn)，F(xiàn)C模式可以準確地區(qū)分不同個體之間的大腦特征(即精確指紋識別)，并且這種識別在整個生命周期中都是穩(wěn)定的。在Cam-CAN隊列研究中觀察到較高的識別率，并伴隨著個體水平(自可識別性)和組水平(其他可識別性)FC模式的年齡相關(guān)效應(yīng)。盡管不同網(wǎng)絡(luò)中以及生命的不同階段個體間自可識別性所貢獻的連接邊有所不同，但在整個生命周期中觀察到了功能連接的準確指紋識別。最后，本研究發(fā)現(xiàn)，個體水平的自可識別性(而不是組水平的其他可識別性)與易受年齡相關(guān)性腦萎縮影響區(qū)域的體積相關(guān)。綜上所述，本研究結(jié)果揭示了個體水平的測量方法在界定與年齡相關(guān)的大腦變化方面的潛在價值。組水平的FC差異揭示了與大腦衰老相關(guān)的可靠模式，而FC模式的個體差異可能在預(yù)測大腦健康和相關(guān)功能結(jié)果方面發(fā)揮關(guān)鍵作用。

原文：St-Onge, F., Javanray, M., Binette, A.P., Strikwerda-Brown, C., Remz, J., Spreng, R.N., Shafiei, G., Misic, B., Vachon-Presseau, E. & Villeneuve, S. (2023). Functional connectome fingerprinting across the lifespan. Network Neuroscience, https://doi.org/10.1162/netn_a_00320.

小伙伴們關(guān)注茗創(chuàng)科技，將第一時間收到精彩內(nèi)容推送哦～