物质依赖中的皮层和皮层下不对称性：来自ENIGMA成瘾工作组的研究发现

Mapping cortical and subcortical asymmetries in substance dependence: Findings from the ENIGMA Addiction Working Group

作者信息Zhipeng Cao, Jonatan Ottino-Gonzalez, Renata B Cupertino, Nathan Schwab, Colin Hoke, Orr Catherine, Janna Cousijn, Alain Dagher, John J Foxe, Anna E Goudriaan, Robert Hester, Kent Hutchison, Chiang-Shan R Li, Edythe D London, Valentina Lorenzetti, Maartje Luijten, Rocio Martin-Santos, Reza Momenan, Martin P Paulus, Lianne Schmaal, Rajita Sinha, Zsuzsika Sjoerds, Nadia Solowij, Dan J Stein, Elliot A Stein, Anne Uhlmann, Ruth J van Holst, Dick J Veltman, Reinout W Wiers, Murat Yücel, Sheng Zhang, Neda Jahanshad, Paul M Thompson, Patricia Conrod, Scott Mackey, Hugh Garavan

PMID33508888

期刊Addict Biol

发布时间2021-09

DOI10.1111/adb.13010

来源查看原文

实验完整度

中

研究包括行为表型、结构MRI提取、线性混合效应模型、贝叶斯因子、SVM分类等分析，但没有进行湿实验验证。

主要模型

物质依赖个体（含酒精、尼古丁、可卡因、甲基苯丙胺、大麻依赖）非依赖对照

重点核对

诊断标准：DSM-IV 排除标准：无神经系统疾病、无当前其他轴I诊断（除抑郁和焦虑）、无MRI禁忌质量控制的缺失值标准（皮层下>4缺失，皮层>8缺失）异常值处理：超出3个标准差的值被修剪多重比较校正：FDR校正

摘要

脑不对称性反映了左右半球的分化，这是一种随年龄增长而发展的定量脑表型，并可能随精神疾病诊断而变化。先前的研究表明，物质依赖与大脑结构和功能的改变有关。然而，目前尚不清楚物质依赖个体与非依赖参与者的结构性脑不对称性是否存在差异。本研究使用来自ENIGMA成瘾工作组的22个结构性脑MRI数据集进行了一项大规模分析。比较了依赖酒精、尼古丁、可卡因、甲基苯丙胺或大麻的个体（n=1,796）与非依赖参与者（n=996）的皮层和皮层下区域的结构不对称性。分别使用模型检验了物质依赖对结构不对称性的普遍性和物质特异性效应。我们发现，物质依赖与伏隔核（NAcc；右侧偏移减少；Cohen's d=0.15）体积不对称性的显著差异相关。这种效应主要由酒精依赖（右侧偏移减少；Cohen's d=0.10）和尼古丁依赖（右侧偏移减少；Cohen's d=0.11）个体与对照组的差异驱动。这些发现提示，NAcc结构不对称性的破坏可能是物质依赖的一个特征。

数据收集与质量控控制

获取多站点结构MRI数据并确保数据质量可靠。

从22个实验室收集了3,046名参与者的数据，使用标准化质量控制程序（包括异常值检测和视觉检查）处理来自T1加权MRI的FreeSurfer提取的皮层和皮层下测量值。

计算不对称指数

量化左右半球的结构不对称性。

分别对皮层下体积、皮层厚度和表面积计算不对称指数（AI = (L−R)/(L+R)）。

模型1：物质依赖普遍性效应分析

检验物质依赖对结构不对称性的普遍性影响。

使用线性混合效应模型，将物质依赖（依赖 vs 非依赖）、性别和年龄作为固定效应，站点作为随机效应，对每个区域的不对称指数进行分析。

模型2：物质特异性效应分析

检验不同物质依赖对结构不对称性的特异性影响。

将个体按物质类型（酒精、尼古丁、可卡因、甲基苯丙胺、大麻）进行虚拟编码，以非依赖为参考，使用混合效应模型分析。

附加分析1：过去的物质使用关联

检验过去30天的物质使用是否与结构不对称性相关。

使用线性混合效应模型，将过去30天酒精或尼古丁使用量、年龄和性别作为固定效应，站点作为随机效应，分析感兴趣区域的AI与使用量的关联。

附加分析2：SVM分类

探索结构不对称性是否能作为物质依赖的预测因子。

使用径向基函数核的支持向量机，对不对称特征进行残差化处理（校正站点、性别、年龄），并进行10折交叉验证评估AUC。

实验环节	名称	品牌	货号
结构MRI数据处理	FreeSurfer	文中未明确说明	version 5.3
数据分析与统计	nlme包	文中未明确说明	--
R软件	R Core Team	version 3.6.2
RStudio	RStudio	version 1.0.153
ggseg包	文中未明确说明	--
Scikit-learn	文中未明确说明	--

实验环节

名称

品牌

货号

结构MRI数据处理

FreeSurfer

文中未明确说明

version 5.3

数据分析与统计

nlme包

文中未明确说明

R软件

R Core Team

version 3.6.2

RStudio

version 1.0.153

ggseg包

文中未明确说明

Scikit-learn

文中未明确说明

环节	核对要点
行为表型	诊断标准：DSM-IV；依赖物质类型；排除标准；样本量及性别年龄分布阅读提示：Methods 行为表型部分，Table 1
结构MRI数据准备	FreeSurfer版本；质量控控制标准；缺失值剔除标准；异常值裁剪标准阅读提示：Methods 结构MRI数据准备部分
线性混合效应模型	模型公式；固定效应和随机效应设定；多重比较校正方法（FDR）；效应量计算阅读提示：Methods 线性混合效应模型部分
SVM分类	分类器参数（C和gamma）；交叉验证策略；残差化处理变量；性能评估指标阅读提示：Methods 支持向量机分类部分

环节

核对要点

行为表型

诊断标准：DSM-IV；依赖物质类型；排除标准；样本量及性别年龄分布

阅读提示：Methods 行为表型部分，Table 1

结构MRI数据准备

FreeSurfer版本；质量控控制标准；缺失值剔除标准；异常值裁剪标准

阅读提示：Methods 结构MRI数据准备部分

线性混合效应模型

模型公式；固定效应和随机效应设定；多重比较校正方法（FDR）；效应量计算

阅读提示：Methods 线性混合效应模型部分

SVM分类

分类器参数（C和gamma）；交叉验证策略；残差化处理变量；性能评估指标

阅读提示：Methods 支持向量机分类部分

大家都在搜

大家都在搜