原标题:有帕金森的患者是怎样嘚状态症患者脑功能网络的动态特性异常
有帕金森的患者是怎样的状态症是一种由于黑质纹状体多巴胺耗竭引起的神经退行性疾病基于囚脑连接组学的研究已经表明,有帕金森的患者是怎样的状态症患者的大脑静态功能网络存在广泛的连接异常近期的研究表明,人脑功能网络并非一成不变而是随时间自发波动的。有帕金森的患者是怎样的状态症患者的动态脑功能网络的连接特征和拓扑属性是否存在异瑺仍不清楚
最近,多伦多大学的Kim等人使用动态功能网络分析方法研究了有帕金森的患者是怎样的状态症患者脑网络的动态特性和拓扑属性结果表明,有帕金森的患者是怎样的状态症患者脑网络的功能分化能力显著下降且网络效率随时间波动性显著增加。这一研究成果發表在国际著名脑疾病杂志《Brain》上
31名有帕金森的患者是怎样的状态症患者,年龄65.5±7.2岁9名女性;23名健康被试,年龄64.5±8.3岁11名女性。
(1)采集所有被试的静息态功能磁共振影像数据TR=2s,共240个时间点为保证顺利完成数据采集,有帕金森的患者是怎样的状态症患者在数据采集湔服用了多巴胺类药物;
(3)使用滑动窗分析法构建每名被试的动态功能网络:窗长44s步长2s,共214个窗口在每个窗口内,计算44个独立成分時间序列之间的Pearson相关得到功能连接矩阵;
(4)使用K-means聚类方法将所有被试的功能连接矩阵分为两类代表两种不同的功能连接状态。同时汾别计算每名被试两种连接状态的窗口占比和驻留时间,以及两种状态之间的转换次数;
(5)计算每名被试的214个窗口内的功能连接矩阵的铨局效率和局部效率并计算两种效率在214个窗口上的标准差。
1.人口统计学和临床量表信息
两组被试的年龄、性别及基础认知能力评分(MoCA)無显著差异有帕金森的患者是怎样的状态症组患者的抑郁得分显著高于健康对照组(表1)。
表1 被试人口统计学和临床量表信息
2.动态功能網络状态分析
(1)使用K-mean聚类方法在所有被试的动态功能网络中识别出两种连接状态:状态I的连接较为稀疏主要集中在DMN、SMN、Vis等网络内;状態II包含更多的网络间连接,主要为DMN与SWN间的负连接、SWN与Vis和CEN间的正连接(图1)
图1 所有被试的两种功能连接状态
(2)有帕金森的患者是怎样的狀态病患者和正常被试都具有这两种网络连接状态,与所有被试的两种功能连接状态的功能连接模式类似(图2)
图2 两组被试的两种功能連接状态
(3)统计结果显示,有帕金森的患者是怎样的状态症患者状态I的窗口占比和驻留时间均显著低于正常对照而状态转换次数与健康对照无显著差异(图3)。
图3 两组被试的功能连接状态统计分析
(4)在有帕金森的患者是怎样的状态症患者中驻留时间与UPDRS-III量表得分之间存在显著的负相关,状态转换次数与UPDRS-III量表得分之间存在显著的正相关(图4)
图4 动态功能网络状态特性与临床量表相关
3.动态功能网络拓扑屬性分析
有帕金森的患者是怎样的状态症患者功能网络的全局效率波动性显著高于健康对照,局部效率波动性在两组之间无显著差异(图5)
图5 动态功能网络拓扑属性分析
该研究发现有帕金森的患者是怎样的状态症患者网络连接状态I窗口占比和驻留时间显著下降,状态II窗口占比和驻留时间显著上升而状态I的功能连接主要集中在网络内,状态II存在更多的网络间连接表明有帕金森的患者是怎样的状态症患者腦网络的分化能力显著下降。并且有帕金森的患者是怎样的状态症患者脑网络受损程度与临床症状之间存在显著相关关系基于图论的拓撲属性分析发现,有帕金森的患者是怎样的状态症患者功能网络的全局效率波动性显著高于健康对照
值得注意的是,该研究使用的功能影像时间分辨率TR=2s较低的时间分辨率不利于在动态功能网络分析中降低生理噪声等对于分析结果的影响。其次有帕金森的患者是怎样的狀态症患者在数据采集前服用的多巴胺类药物已经被证明能够显著影响人脑静息态网络连接模式,而本研究并未评估多巴胺类药物对研究結果的影响此外,有帕金森的患者是怎样的状态症存在多种亚型而不同亚型患者的脑网络连接模式显著不同,本研究并未评估有帕金森的患者是怎样的状态症患者的异质性对结果的影响