2、自闭症的多站点网络分析与患者异质性研究

自闭症的多站点网络分析与患者异质性研究

多站点网络分析方法

传统临床神经科学文献中的简单统计分析方法存在可解释性挑战。例如，单变量测试常用于识别成对相关值的组间差异，但我们对大脑的了解主要围绕区域而非连接，且基于连接的结果难以通过直接刺激验证。流行的图指标，如模块化和小世界特性，会将丰富的网络结构简化为标量值，无法将统计差异与具体病因机制联系起来。

与之不同的是，我们明确对信息从区域（疾病病灶）到连接（规范网络）的传播进行建模，这两个变量具有明确的生物学意义，可用于设计后续研究。

实验设置

1. 受试者选择
   • 研究聚焦于7至19岁的儿童和青少年。
   • 入选标准基于采集质量和数据预处理的成功情况。采集方面，要求全脑覆盖，并手动检查MPRAGE和BOLD数据质量，排除在BOLD序列中25%或更多时间点出现显著头部运动（平移>0.5 mm或旋转>0.5°）的受试者。
   • 预处理方面，验证结构MPRAGE和功能BOLD图像的准确配准，过滤区域间rsfMRI相关性分布与其他受试者明显不同的个体（通过Hellinger距离测量）。最终，选择了260名受试者（141名神经典型者，119名自闭症患者）进行分析。
2. 数据预处理
   • 采用基于区域连接性测量的贝叶斯框架。使用Desikan - Killany图谱将大脑分割为86个皮质和皮质下区域，该图谱能提供跨受试者与大脑功能划分相关的解剖学有意义的对应关系，并将结构感兴趣区域（