静息态fMRI数据采集与预处理
获取可用于能量景观分析的BOLD时间序列。
使用3T Siemens Skyra MRI扫描仪采集静息态fMRI数据，经FSL和AFNI进行预处理，包括丢弃前10个时间点、切片时间校正、头动校正、标准化到MNI152空间、空间平滑、去噪及0.01–0.08 Hz带通滤波。
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
甲基苯丙胺使用障碍个体渴求变化的纵向脑动态及预测
Longitudinal brain dynamics and prediction of craving changes in individuals with methamphetamine use disorder
实验完整度
中含静息态fMRI能量景观建模、随机行走模拟及SVR预测，但仅有单一影像模态，缺乏独立功能或机制验证层级
主要模型
41名健康对照（HC）静息态fMRI数据 40名甲基苯丙胺使用障碍个体（MA-T1，戒断≤3.5个月）静息态fMRI数据 MA-T2纵向随访（戒断≥8个月）静息态fMRI数据 38名完成纵向VAS评估的MUD个体
重点核对
MUD组基线戒断时长≤3.5个月，随访戒断时长≥8个月 健康对照41名，MUD基线40名，纵向渴求与SVR分析纳入38名 行为量表包括VAS渴求（0–10）、BIS-11冲动性、FTND及AUDIT 能量景观分析基于7个功能网络和214个ROI的二值化时间序列 SVR采用RBF核，嵌套交叉验证：外层留一法，内层10折交叉验证
摘要
甲基苯丙胺使用障碍（MUD）个体在戒断期间表现出功能和结构上的脑恢复。然而，长期戒断后大规模脑网络的纵向神经变化仍不清楚。本研究将能量景观分析应用于静息态fMRI，以表征41名健康对照和40名MUD个体在基线和长期戒断后的主导活动模式。我们比较了这些模式在不同组别和阶段之间的动态特征。构建支持向量回归模型，使用基线动态指标预测长期戒断后的渴求变化。我们发现MUD个体表现出僵化的脑动态，这与异常的脑网络协调和行为相关。长期戒断后，神经灵活性显示出部分改善，动态指标能够预测纵向渴求变化。我们揭示了MUD中非典型的脑网络动态及其在长期戒断期间的部分恢复，并提示动态指标可作为预测渴求变化的生物标志物。
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
- 长期戒断后MUD个体大规模脑网络动态如何变化，基线动态指标能否预测渴求变化。
- 核心机制
- MUD个体表现出僵化的脑动态及增强的跨网络功能分离；长期戒断后神经灵活性部分恢复，动态指标与渴求变化相关。
- 主要证据
- 基于41名HC和40名MUD的静息态fMRI能量景观分析及随机行走模拟，发现MUD主要状态出现频率和持续时间增加、直接转换频率升高；SVR模型基于基线动态指标预测38名MUD个体的纵向渴求变化（r=0.3718，P=0.0215）。
- 研究意义
- 揭示MUD脑网络动态的纵向恢复轨迹，并提示脑动态指标可作为预测渴求变化的候选生物标志物。
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。
ROI选择与功能网络划分
定义大规模脑网络并提取网络水平活动。
基于Power atlas提取214个ROI的BOLD时间序列，划分为7个功能网络（DMN、FPN、SAN、ATN、SMN、VN、Aud），计算每个网络的平均活动，并以各网络平均活动为阈值进行二值化（+1活跃，−1不活跃）。
配对最大熵模型拟合与能量景观构建
构建脑活动模式的能量景观并识别主导脑状态。
使用MATLAB中的Energy Landscape Analysis Toolkit，对各组二值化时间序列拟合配对MEM，构建能量景观和断开图，识别局部能量最小值作为主导脑状态，并计算每个状态的盆地大小。
随机行走模拟脑动态
表征脑状态之间的转换频率和停留时间。
使用Metropolis–Hastings算法和马尔可夫链蒙特卡洛方法进行10^5步随机行走模拟，从随机初始模式开始，丢弃前100步，从平稳阶段估计动态特征，包括主要状态和次要状态的出现频率、持续时间及直接和间接转换频率。
脑动态与行为关联分析
检验脑动态指标与渴求和冲动性等行为的关系。
在MUD个体中计算VAS渴求评分和BIS-11冲动性评分与动态指标（出现频率、持续时间、直接和间接转换频率）之间的Pearson相关系数。
跨网络功能分离强度分析
量化脑状态中功能模块的分离程度并检验其与脑动态和行为的关系。
将主要状态的两个局部最小值A和F划分为两个互补模块（Aud/VN/SMN/ATN模块和SAN/FPN/DMN模块），定义功能分离强度为模块内平均功能连接与模块间平均功能连接的差值，并分析其与脑动态指标及行为量表的相关性。
基于脑动态指标的渴求变化预测
检验基线脑动态指标能否预测长期戒断后的渴求变化。
使用支持向量回归（SVR）模型，以38名MA-T1个体的20个脑动态指标为输入特征，预测纵向VAS渴求变化，采用嵌套交叉验证评估模型性能，并进行1000次置换检验。
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数据采集 | Magnetom Skyra MRI扫描仪 | Siemens | -- |
| 32通道头线圈 | -- | -- | |
| fMRI数据预处理 | FMRIB软件库 | -- | -- |
| 功能神经影像分析 | -- | -- | |
| 能量景观分析 | 能量景观分析工具包 | -- | -- |
| MATLAB | -- | -- | |
| 行为评估 | 酒精使用障碍识别测试 | -- | -- |
| Barratt冲动性量表 | -- | -- | |
| 视觉模拟量表 | -- | -- |
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 |
|---|---|
| 参与者与分组 | HC 41名，MUD 40名（MA-T1戒断≤3.5个月，MA-T2戒断≥8个月），纵向渴求与SVR分析纳入38名；年龄、性别、教育程度、FTND、AUDIT、首次使用年龄、使用时长及剂量见表1 阅读提示：Methods中Participants小节及Table 1 |
| MRI数据采集 | 3T Siemens Skyra，32通道头线圈；T1参数：176层，层厚1 mm，FOV 256×256 mm，TR=1450 ms，TE=2.03 ms，TI=900 ms，翻转角30°，体素1×1×1 mm³；fMRI参数：36层，层厚4 mm，FOV 220×220 mm，TR=2000 ms，TE=30 ms，翻转角80°，225个时间点 阅读提示：Methods中Image acquisition and preprocessing小节 |
| fMRI预处理 | 丢弃前10个时间点；头动排除标准：平移>1.5 mm或旋转>1.5°；带通滤波0.01–0.08 Hz 阅读提示：Methods中Image acquisition and preprocessing小节 |
| ROI选择与网络划分 | Power atlas提取214个ROI（3 mm半径球体），划分为7个功能网络（DMN、FPN、SAN、ATN、SMN、VN、Aud）；以各网络平均活动为阈值二值化 阅读提示：Methods中Rois selection and functional networks segmentation小节及Fig. 1 |
| 能量景观分析与随机行走模拟 | 配对MEM拟合；局部能量最小值识别；盆地大小计算；10^5步随机行走，丢弃前100步；Metropolis-Hastings算法 阅读提示：Methods中Fitting of the pairwise MEM、Identification of local minima、Estimation of the sizes of dominant brain states、Random-walk simulation of dynamics for the energy landscape小节 |
| SVR预测模型 | 输入20个脑动态指标；RBF核；参数C=0.1，gamma=0.01，epsilon=0.2；嵌套交叉验证（外层留一法，内层10折）；1000次置换检验 阅读提示：Methods中Prediction of craving changes based on brain dynamics indicators小节及Fig. 5 |
| 统计分析 | ANCOVA协变量：年龄、性别、教育；RM-ANCOVA协变量：基线年龄、性别、教育、FTND、AUDIT；FDR校正分别应用于经验数据和随机行走模拟，并分别针对组间比较（HC vs. MA-T1和MA-T1 vs. MA-T2） 阅读提示：Methods中Statistical tests小节 |