参与者招募与分组
比较不同临床阶段（CHR-P、ROP、ROD）与健康对照的脑功能梯度。
从PRONIA研究中选择1071名参与者，包括HC、ROP、ROD和CHR-P，接受静息态fMRI扫描。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
情感性和精神病性障碍中分层功能脑组织的破坏：来自功能性脑梯度的见解
Disrupted hierarchical functional brain organization in affective and psychotic disorders: insights from functional brain gradients
实验完整度
中研究包含大规模多中心样本（1071名）的rs-fMRI数据，进行了区域和网络水平的梯度分析、功能分化评估，以及症状和受体表达关联分析，但缺乏实验性干预或纵向验证。
主要模型
临床高风险精神病（CHR-P）个体 近期发病精神病（ROP）患者 近期发病抑郁症（ROD）患者 健康对照（HC）
重点核对
样本量：健康对照376，ROP 243，ROD 212，CHR-P 240 MRI采集：回波平面成像，200个体积，重复时间3秒，持续603秒 预处理：使用SPM12和REST，去除前8个体积，Friston 24运动参数回归 梯度计算：Schaefer 1000分区，保留最强10%连接，扩散映射嵌入，Procrustes对齐 统计分析：协变量年龄、性别、平均帧位移；FDR校正
摘要
患有精神病和抑郁症的个体在静息态功能连接（rs-FC）方面表现出广泛的改变，影响感觉和高级脑区。在本研究中，我们调查了精神病性和情感性障碍个体中脑功能网络分层组织的破坏。我们在1071名（56.3%女性）参与者中推导出功能脑梯度，即rs-FC的低维表示，能够捕捉皮质层级，包括临床高风险精神病（CHR-P）个体、近期发病精神病（ROP）患者、近期发病抑郁症（ROD）患者和健康对照（HC）。我们检查了区域改变、网络水平改变和功能分化及其与临床症状的关系。此外，我们将病例对照差异与受体表达图联系起来，以探索潜在的神经生物学机制。所有临床组在视觉-感觉运动梯度上表现出改变，而只有ROP患者在感觉-联合梯度上表现出改变。CHR-P和ROP个体在腹侧注意网络中表现出较低的值。合并的临床组在体感运动网络中表现出较高的值，梯度范围减小，网络间离散度改变。ROD患者在注意网络中表现出网络内离散度降低和范围减小。相关分析显示梯度测量与功能、视觉功能障碍和认知之间关联较弱。病例对照差异与受体表达图相关，提示神经递质系统参与这些破坏。我们的发现揭示了层级脑组织的跨诊断和疾病特异性改变。这些改变表明精神疾病中功能整合的缺陷，强调了注意和感觉网络在疾病过程中的作用。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 精神病和情感障碍早期阶段是否存在层级脑组织的共享或疾病特异性破坏，这些破坏是否与临床特征和受体表达相关。
- 核心机制
- 研究发现感觉运动网络（SMN）和腹侧注意网络（VAN）的梯度改变，提示自下而上的感觉和注意信息整合受损，可能涉及神经递质系统（如血清素、去甲肾上腺素）。
- 主要证据
- 所有临床组在视觉-感觉运动梯度上SMN值升高，CHR-P和ROP在VAN值降低；ROD在注意网络内离散度降低和范围减小；梯度改变与受体表达图相关。
- 研究意义
- 研究表明层级脑组织的改变在疾病早期已存在，SMN和注意网络可能作为跨诊断和精神病特异性的标志物，为理解疾病机制和早期干预提供线索。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
MRI数据采集与预处理
获取并预处理静息态功能磁共振数据，以计算功能连接矩阵。
使用回波平面成像采集rs-fMRI数据，采用SPM和REST预处理，去除运动伪影并标准化到MNI空间。
功能梯度计算
基于功能连接矩阵计算低维梯度，揭示皮质层级组织。
使用Schaefer 1000分区计算个体功能连接矩阵，通过BrainSpace工具进行阈值化、余弦相似性、扩散映射嵌入，并通过Procrustes对齐到HC参考梯度。
组间差异分析
比较各临床组与HC在区域和网络水平上的梯度差异。
使用表面线性模型和Mann-Whitney-U检验，控制年龄、性别和平均帧位移，并进行FDR校正。
功能分化分析
评估梯度范围和网络内/网络间离散度的组间差异。
计算每个参与者的梯度范围，以及各网络内和网络间的平均欧氏距离，使用Mann-Whitney-U检验比较组间差异。
临床和受体表达关联分析
探索梯度改变与临床变量及神经递质受体表达的关系。
对临床组进行梯度指标与临床量表的相关分析，以及病例对照差异图与受体表达图的空间相关性分析。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| MRI数据预处理 | 统计参数映射软件 | -- | version 12-6685 |
| 静息态fMRI数据分析工具包 | -- | version 1.8 | |
| 梯度计算 | BrainSpace工具箱 | -- | -- |
| 统计分析 | BrainStat工具箱 | -- | -- |
| 数据协调 | ComBat协调方法 | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 被试招募与分组 | 样本量：HC 376，ROP 243，ROD 212，CHR-P 240；性别比例、年龄范围；排除标准 阅读提示：Methods: Data；Table 1 |
| MRI采集 | 扫描参数：EPI序列，200个体积，重复时间3秒，持续时间603秒；多中心扫描差异 阅读提示：Methods: MRI acquisition and preprocessing；Supplementary Tables 1 and 2 |
| 预处理 | 去除前8个体积，切片时间校正，头动校正，协变量回归（白质、脑脊液、Friston 24参数） 阅读提示：Methods: MRI acquisition and preprocessing |
| 梯度计算 | 分区：Schaefer 1000；阈值：保留最强10%连接；扩散映射参数（alpha）；对齐方法：Procrustes旋转 阅读提示：Methods: Functional gradient computation；Supplementary Fig. 2, 3 |
| 统计分析 | 协变量：年龄、性别、平均帧位移；多重比较校正：FDR；非正态分布时使用Mann-Whitney-U检验 阅读提示：Methods: Functional gradient differences and functional differentiation |