估计个体E/I比值
从静息态fMRI数据中获取个体水平的皮层E/I比值标记。
使用pFIC神经质量模型，通过优化拟合静息态功能连接和功能连接动力学，估计每个皮层的兴奋性和抑制性突触门控变量，计算其时间平均值的比值作为E/I比值。
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
非痴呆个体中兴奋-抑制失衡将淀粉样蛋白病理生理与认知联系起来
Excitation-inhibition imbalance links amyloid pathophysiology to cognition in non-demented individuals
实验完整度
中采用静息态fMRI生物物理建模，结合CSF Aβ42和血浆p-tau217两个独立队列，进行GLM和中介分析验证关联，但无动物或细胞功能验证。
主要模型
ADNI队列非痴呆参与者（CN和MCI，N=302） MACC Harmonization队列非痴呆参与者（CN和CIND/MCI，N=240） 静息态fMRI生物物理模型（pFIC）估计的E/I比值
重点核对
CSF Aβ42与平均E/I比值的负相关（ADNI，N=302） 血浆p-tau217与平均E/I比值的正相关（MACC，N=240） E/I比值在CSF Aβ42与记忆表现之间的中介效应（中介比例14.5%） E/I比值在血浆p-tau217与记忆表现之间的中介效应（中介比例5.1%） 区域E/I比值与生物标志物关联的空间模式遵循感觉运动-联合轴
摘要
引言：兴奋-抑制（E/I）失衡被认为是阿尔茨海默病（AD）早期的回路水平机制，但其与人类分子病理和认知的关系尚不清楚。方法：我们整合了静息态功能磁共振成像的生物物理建模与脑脊液（CSF）和血浆生物标志物，以检验E/I比值是否在来自北美（N=302；CSF淀粉样蛋白β42 [Aβ42]）和新加坡（N=240；血浆磷酸化tau 217 [p-tau217]）的两个非痴呆个体队列中将淀粉样蛋白病理生理与记忆联系起来。结果：E/I比值升高与较低的CSF Aβ42和较高的血浆p-tau217相关，在感觉运动区域敏感性更高。相反，联合皮层中E/I比值升高与较差的记忆功能关系更强。中介分析表明，E/I比值部分解释了AD生物标志物与记忆之间的关系。讨论：E/I失衡代表了一种中间的、系统水平的回路机制，将AD病理生理与认知障碍联系起来，为AD连续谱中的早期神经生理变化提供了新的见解。
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
- 在非痴呆个体中，皮层兴奋-抑制（E/I）比值是否将淀粉样蛋白病理生理与认知（记忆）联系起来？
- 核心机制
- E/I失衡作为一种系统水平的回路机制，部分中介了AD分子病理（较低的CSF Aβ42或较高的血浆p-tau217）与记忆表现之间的关联。
- 主要证据
- 在ADNI队列（N=302）中，较低的CSF Aβ42与较高的平均E/I比值相关，且E/I比值部分中介了CSF Aβ42与记忆的关联（中介比例14.5%）；在MACC队列（N=240）中，较高的血浆p-tau217与较高的平均E/I比值相关，且E/I比值部分中介了p-tau217与记忆的关联（中介比例5.1%）。区域分析显示，E/I比值对生物标志物的敏感性在感觉运动皮层更强，而与记忆的关联在联合皮层更强。
- 研究意义
- E/I失衡代表了连接AD病理生理与认知障碍的一种中间系统水平回路机制，为AD连续谱中的早期神经生理变化提供了新见解，并可能成为减轻AD病理对认知功能下游影响的可调节治疗靶点。
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。
检验E/I比值与AD生物标志物的关联
验证E/I比值是否与淀粉样蛋白病理生理相关。
使用广义线性模型（GLM），以平均E/I比值为因变量，分别以log转换的CSF Aβ42（ADNI）或log转换的血浆p-tau217（MACC）为主要预测变量，调整年龄、性别、头动和教育年限。
区域E/I比值与生物标志物的关联分析
检验E/I比值与AD生物标志物的关联是否在皮层区域间存在异质性。
对每个皮层区域分别拟合GLM，以区域E/I比值为因变量，生物标志物为自变量，调整协变量，并对68个区域的回归系数进行FDR校正。
中介分析检验E/I比值在生物标志物与认知之间的中介作用
评估E/I比值是否中介AD生物标志物与记忆表现之间的关联。
使用GLM框架进行中介分析，以生物标志物为自变量，平均E/I比值为中介变量，记忆评分为因变量，调整年龄、性别、头动和教育年限。
控制分析和稳健性检验
评估主要发现的稳健性。
进行三组控制分析：使用未ComBat harmonized的E/I比值；扩展协变量集（包括BMI、高血压、糖尿病和吸烟史）；替换生物标志物（CSF Aβ42/40比值，血浆p-tau181）。
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 |
|---|---|---|---|
| 脑脊液生物标志物测量 | Roche Elecsys免疫分析平台 | Roche | -- |
| 血浆生物标志物测量 | 单分子阵列（Simoa）HD-1或HD-X平台 | Quanterix Corp. | -- |
| 血浆p-tau217测量 | ALZpath p-Tau 217 Advantage PLUS检测 | -- | 104570 |
| 血浆p-tau181测量 | Simoa pTau-181 Advantage V2检测 | -- | 103714 |
| fMRI数据采集 | Siemens Tim Trio 3T扫描仪 | Siemens | -- |
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 |
|---|---|
| 参与者纳入与排除 | ADNI：初始970人，排除fMRI与CSF采集间隔超过1年或fMRI与临床诊断间隔超过1年者，最终302人；MACC：初始575人，排除fMRI与采血间隔超过1年或fMRI与临床诊断间隔超过1年者，最终240人。 阅读提示：Methods 2.1和2.3节；Table S1和S3 |
| E/I比值估计 | pFIC模型参数优化使用CMA-ES，保留最低成本参数集，E/I比值基于1000次独立噪声模拟的平均值；ADNI数据使用ComBat harmonization，MACC无需harmonization。 阅读提示：Methods 2.6节；Methods S3 |
| GLM分析 | 因变量为平均或区域E/I比值；主要预测变量为log转换的CSF Aβ42（ADNI）或log转换的血浆p-tau217（MACC）；协变量包括年龄、性别、头动（FD）和教育年限；连续变量z评分。 阅读提示：Methods 2.7和2.8节；Figure 2和5的图注 |
| 中介分析 | ADNI因变量为ADSP PHC记忆评分；MACC因变量为基于MMSE子分数和言语记忆测试的记忆因子得分；路径系数通过10,000次bootstrap评估；区域分析对68个区域进行FDR校正。 阅读提示：Methods 2.9节；Figure 4和7的图注；Table S4 |
| 淀粉样蛋白阳性定义 | ADNI：全局AV45 PET SUVR > 1.11；MACC：血浆p-tau217 cutoff为0.471。 阅读提示：Results 3.2和3.5节 |