在自閉癥譜系障礙的研究中，雖然臨床研究的影響很大，但我們對自閉癥的病理生理學仍舊知之甚少（ASD）。靜息態(tài)功能磁共振成像（rs-fMRI）研究已經(jīng)大量發(fā)現(xiàn)ASD患者中大腦功能活動的異常。然而，關于這些異?；顒右恢滦砸约捌湫再|(zhì)和臨床的相關性仍尚未達成共識。有待于大樣本和多站點數(shù)據(jù)的進一步研究。

在這里，來自瑞士羅氏研究中心的研究者通過四個大的ASD隊列數(shù)據(jù)庫對這一問題進行了研究。使用rs-fMRI，作者確定了與ASD相關的功能連接改變。測試了這些影像表型與臨床和人口統(tǒng)計因素，例如年齡，性別，用藥狀況和臨床癥狀嚴重程度之間的關系。

研究結(jié)果表明與ASD相關的功能性超連通性和低連通性的結(jié)果可以在不同站點數(shù)據(jù)中得到重復。低連通性區(qū)域主要限于感覺運動區(qū)域，而超連接主要位于前額葉和頂葉皮質(zhì)。這這些異常的功能連通性受到連接異常區(qū)域內(nèi)和區(qū)域外功能連接概率的一致的影響。

在相關分析分析中發(fā)現(xiàn)，這種可重復的病理生理表型與溝通和日常生活技能等核心ASD癥狀相關，并且不受年齡，性別或用藥情況的影響。 

背景

自閉癥譜系障礙（ASD）是一種神經(jīng)發(fā)育障礙，其特點是社交互動和溝通不足，以及限制的刻板行為和感覺功能異常。自閉癥的發(fā)生率約占普通兒童總數(shù)的1％，盡管其在兒童早期就發(fā)病并終生持續(xù)存在，但是，到目前為止，關于其原因和發(fā)病機理的神經(jīng)生物學仍舊不明確。雖然人類在科技大發(fā)展后已經(jīng)將人類壽命和生理健康提高到了一個前所未有的新階段，但是在許多疾病尤其是神經(jīng)性疾病或者退行性疾病的病理研究方面仍舊是不清不楚的階段，假說和猜想層出不窮，但是距離驗證還要走多久，仍未可知。這也是為什么研究此類疾病的文章可以層出不窮的根源性原因。在ASD研究中也是一樣，盡快研究者們根據(jù)各種不同的發(fā)現(xiàn)，從遺傳，神經(jīng)病理，系統(tǒng)和行為水平等不同方面嘗試解釋ASD的病理，并且構(gòu)建理論模型。但是從現(xiàn)在的證據(jù)看，收效甚微。作為能夠探查到神經(jīng)表征信息的功能磁共振技術也加入到了這類研究的隊伍中，在10年前左右這種方面開始應用到ASD研究中，雖然受到可重復危機的質(zhì)疑，但不可否認的是，功能磁共振技術給ASD的神經(jīng)表征研究帶來了大量的新的證據(jù)。

靜息態(tài)功能磁共振成像（rs-fMRI）研究的主要實驗方法之一是通過構(gòu)建腦功能連接來實現(xiàn)的。rs-fMRI可以通過檢測局部氧含量的變化來反映自發(fā)性的神經(jīng)元活動。內(nèi)在血流動力學的區(qū)域間時間同步會反應在信號測量中，可以被用來作為反應大腦不同區(qū)域進行信息交換的網(wǎng)絡指標（雖然功能連接已經(jīng)是被普遍應用的分析方法，但對于功能連接的具體構(gòu)造方法以及其所反映的生理量仍舊有許多研究者存在認識模糊的問題，這里有一篇精心準備好的博文給大家閱讀，了解功能連接的前世今生）：

《大話腦成像》系列之十四 -- 功能連接
  雖然現(xiàn)有研究已有大量證據(jù)支持ASD患者存在明顯的功能連通性的改變，并且這些改變被發(fā)現(xiàn)與正常人群中發(fā)現(xiàn)的自閉癥特征存在相關性。但是，就目前為，這些功能連接的改變與ASD病人的神經(jīng)解剖基礎、網(wǎng)絡信息流方向以及臨床特征之間的關系仍舊未得到明確。其中，比較嚴重的問題是功能連接研究中出現(xiàn)的結(jié)果不一致問題。

在以往的研究中，一些報告指向低連通性表型，一些則報告了超連通性（也就是功能連接高于普通對照組），還有些研究觀察到兩種現(xiàn)象的混合。除了固有的疾病異質(zhì)性外，這種矛盾還被認為是由于研究之間的年齡或方法差異或未能解釋藥物作用等因素導致的。還有其他研究強調(diào)了連通性中的空間可變性（這里應該指的是不同template的應用導致的網(wǎng)絡維度的不一致性）作為ASD研究結(jié)果異質(zhì)性的關鍵來源。這些研究的解釋一個重要問題是缺乏可重復性。因此，關于ASD中功能連通性變化的性質(zhì)和共識，仍然需要進一步的研究。這種不確定性限制了功能連接作為ASD診斷或治療的生物學標記物的應用（在早期的fMRI和rsfMRI研究中，由于小樣本量和p hacking問題的存在，其實出現(xiàn)結(jié)果不一致這種問題在很多研究領域都存在，比如抑郁癥研究，所以這種背景在很多研究領域都是相通的，因此，現(xiàn)在的靜息態(tài)研究往往都要求大的樣本量和嚴格的控制一類錯誤以及robust的處理過程，想學習如何更好的處理rsfMRI嗎？直接點擊這里，一次性解決處理憂慮）：

在這里，本文旨在通過研究ASD在四個不同隊列數(shù)據(jù)中，使用大樣本數(shù)據(jù)來評估ASD患者的功能連接的改變，來解決這些不一致問題。更具體地說，本文作者使用了EU-AIMS LEAP（縱向歐洲自閉癥項目）數(shù)據(jù)集進行分析，并利用了其他三個數(shù)據(jù)集ABIDEI，ABIDE II和InFoR進行驗證分析。并且進一步評估了這些改變與年齡，用藥狀況和臨床癥狀之間的聯(lián)系（現(xiàn)在的rsfMRI的研究除非是一些很難獲取數(shù)據(jù)的疾病，已經(jīng)很難利用小樣本數(shù)據(jù)發(fā)論文了，因此，有效的利用公開數(shù)據(jù)庫進行進一步的研究已經(jīng)成為了發(fā)高分文章的必備科目了，這里分享給大家一個整理好的腦影像公開數(shù)據(jù)庫的網(wǎng)址，感興趣的讀者可以前去閱讀，https://zhuanlan.zhihu.com/p/35652347）。 

材料和方法

研究設計

該研究的主要目的是基于rs-fMRI確定并獨立重復ASD與TD（典型發(fā)展人群）相比的功能連接改變。研究旨在了解這些改變的具體性質(zhì)以及它們是否與方法，人口統(tǒng)計學或臨床因素有關。最后，探討了ASD連通性改變與觀察到的核心臨床癥狀是否有關。為了能夠準確識別和重復ASD中的功能連通性變化，該研究包括四個橫斷面數(shù)據(jù)集，這些數(shù)據(jù)集中的具體信息在補充材料s2-s8表格中，由于表格內(nèi)容過長，感興趣的讀者可在文章的補充材料中獲取這些信息。(添加微信號siyingyxf或18983979082獲取）

簡單來說，EU-AIMS LEAP隊列是一個大型的、特征明確的、由ASD和TD患者組成的多中心隊列。這個數(shù)據(jù)庫中被試的招募是利用現(xiàn)有的當?shù)財?shù)據(jù)庫、診所聯(lián)系人、當?shù)睾蛧业尼t(yī)療組織進行的。TD是通過主流學校、廣告?zhèn)鲉魏同F(xiàn)有數(shù)據(jù)庫招募的。InFoR是一個較小的單中心隊列，具有標準化的影像學收集流程。作為唯一具有標準化影像評估和納入/排除標準的大樣本，EU-AIMS LEAP數(shù)據(jù)集被用于探索性分析，其他三個數(shù)據(jù)集被用于驗證性分析。

排除標準：ASD平均智商> 70的個體包括在內(nèi)，以減少與低功能ASD相關的可變性。以及統(tǒng)計過程中不符合數(shù)據(jù)質(zhì)量要求的數(shù)據(jù)。 
統(tǒng)計分析

識別功能連接改變

鑒于先前關于ASD中功能連接改變的發(fā)現(xiàn)存在分歧，作者們采用了無偏的探索性方法，通過計算簡單的連接度量DC（即degree centrality，度中心性，作者這里計算了基于體素的全腦功能連接，對每個體素計算了與其他所有體素的時間序列之間的相關系數(shù)，然后將所有相關值大于0.25的連接保留，其后統(tǒng)計了每個體素保留下的有效的功能連接的度值，將這個度值賦值給該體素，這樣形成了每個被試的全腦DC圖，這種方法相當耗費運算資源）

作者通過這樣的方法避免了使用不同分區(qū)大小template帶來的構(gòu)造網(wǎng)絡維度不一致的問題，通過無偏的方法對ASD和TD（典型發(fā)展人群）的功能連接進行比較。在構(gòu)建過程中，只有正相關被包括在內(nèi)。這樣做，一方面避免可能由全局信號引起的虛假負相關（在數(shù)據(jù)分析過程中，由于配準和平滑的影響，體素的時間序列信號可能受到這些全腦操作的影響從而產(chǎn)生anti-correlation，這就是為什么在18年-19年有段時間很多人爭議rsfMRI的預處理要不要做去全腦信號這一步），另一方面，負相關是不符合rsfMRI的成像原理的，其生理機制難以解釋。在所有進一步的組比較和相關分析中，作者控制了被試的背景，性別，年齡和智商影響。

將EU-AIMS數(shù)據(jù)集中生成的DC圖輸入到GLM模型中以驗證兩組被試的功能連接差異。作者使用了體素wise的置換檢驗（permutation test，置換次數(shù)1000次）進行統(tǒng)計，使用FWE方法控制一類錯誤。

所有分析控制背景，性別，年齡和智商影響。然后為ABIDE I，ABIDE II和InFoR數(shù)據(jù)庫創(chuàng)建相同的GLM設計數(shù)據(jù)?；?span style="color:black;">EU-AIMS LEAP研究結(jié)果，提取了三個重復隊列的加權(quán)平均DC信號(作者這里的意思是使用在EU-AIMS LEAP的探索性研究中發(fā)現(xiàn)的組間差異的腦圖作為mask，應用在其他三個用于驗證性分析的隊列中，提取mask中的加權(quán)平均數(shù)，然后在各自隊列內(nèi)進行組間比較)，使用獨立樣本t來比較ASD組和TD組的差異，使用cohens’d值來衡量效應量的大小。

除此以外，為了驗證無假設mask下不同隊列之間表現(xiàn)的DC的組間差異map是否相似，作者計算了四組隊列組別間差異未閾值化t-maps之間的相關性，以檢查在ASD中觀察到的全腦DC改變模式在不同隊列中是否相似。在這些分析后，為了排除頭動可能帶來的影響，作者計算了每個隊列中每個被試的絕對頭動（即所有圖像相對于第一張圖像或平均圖像的位移情況）和逐幀頭動（即后一張圖像相對于前一張圖像的位移情況），使用t檢驗比較了每個隊列中的組間頭動差異，并且將頭動作為協(xié)變量重復了以上的分析方法。 

理解功能連接改變的實質(zhì)

盡管DC提供了功能連接改變的證據(jù)，但它不能對這些變更的生理性質(zhì)得出結(jié)論（例如，DC變化可能來自于底層連接的平均強度和/或方差的變化，或者來自于各個網(wǎng)絡的內(nèi)部連接向外部連接的轉(zhuǎn)移，僅僅依靠這種程度的比較，我們無法了解這些差異形成的原因或者是網(wǎng)絡受損的方向問題）

為了更好地了解觀察到的功能連接性變化，首先仍舊是計算基于體素層面的所有體素兩兩之間的時間信號的相關性。基于這些相關性，使用如圖S2所示的方法計算出以下區(qū)域內(nèi)外的四種連通性指數(shù)：

（i）表示所有體素的平均連通性（Fisher z變換后取均值）;

（ii）所有體素連接的方差變異（Fisher z變換）;

（iii）存在連接的體素的比例；

（iv）連接性從相應區(qū)域的內(nèi)部向外部的轉(zhuǎn)移。如圖S2，紅色區(qū)域是ASD患者和TD被試功能連接存在差異的區(qū)域，其中又分為功能連接顯著小于TD被試和顯著大于TD被試的，對它們分開進行全腦功能連接構(gòu)建后的區(qū)域內(nèi)（紅色區(qū)域）和區(qū)域外分析（綠色區(qū)域），可以有效的對兩組被試功能連接差異的細節(jié)進行探索。

圖S2 ASD vs TD功能連接的進一步分析圖

注釋：我們來對這里的四個指標進行一下詳細的描述，首先o代表mask外部（outside），w代表mask內(nèi)部（within），那么三種不同的連接就不言而喻了。

首先第一個是計算功能連接均值，分別計算了mask內(nèi)、mask外和mask內(nèi)外連接的加權(quán)平均數(shù)。

第二個是方差計算，同樣是mask內(nèi)、mask外和mask內(nèi)外連接的方差。

第三個是連接體素占比，閾值為0.25，計算mask內(nèi)、mask外和mask內(nèi)外存在連接的體素和所有體素的比值。

第四個是網(wǎng)絡轉(zhuǎn)換值計算，分別計算了網(wǎng)絡內(nèi)轉(zhuǎn)換值和網(wǎng)絡外轉(zhuǎn)換值，網(wǎng)絡內(nèi)轉(zhuǎn)換值用網(wǎng)絡內(nèi)連接體素占除以網(wǎng)絡內(nèi)外連接體素占比，網(wǎng)絡外轉(zhuǎn)換值用網(wǎng)絡外連接體素占比除以網(wǎng)絡內(nèi)外連接體素占比。這個比值說明了網(wǎng)絡內(nèi)或者網(wǎng)絡外體素連接的概率相對于網(wǎng)絡內(nèi)外體素連接概率的大小，值越大就越說明網(wǎng)絡內(nèi)或者網(wǎng)絡外的連接更強。

評估皮質(zhì)，皮質(zhì)下和小腦的高和低連通性指數(shù)

為了能和以往基于template的研究進行比較，本文還將外部區(qū)域分為皮層，皮層下和小腦子區(qū)域進行了進一步的分析。分析只在前述分析中發(fā)現(xiàn)ASD患者相對TD被試存在DC顯著改變的區(qū)域，排除了其他區(qū)域。作者使用了AAL模板，在前述分析mask的基礎上計算了基于AAL模板的不同腦區(qū)及皮下組織和小腦不同區(qū)域相互之間的功能連接。 

了解影像學發(fā)現(xiàn)與臨床及人口因素之間的聯(lián)系     

在確定了超連通性和低連通性指數(shù)是可重復的ASD生物標志物后，接下來研究它們與臨床癥狀的關聯(lián)，如用藥狀況，年齡和性別。將數(shù)據(jù)集分為三個年齡段：兒童（12歲以下），青少年（12至18歲）和成人（18歲以上）。     

ASD患者與相應TD之間的超連通性和連通性低指數(shù)通過計算效應量和t檢驗比較（控制總體年齡影響，性別，背景和智商）。根據(jù)整個數(shù)據(jù)集的結(jié)果，在這里的分析中有明確的方向性假設，因此，采用了單側(cè)P <0.05的alpha。     

此外，使用ANOVA正式測試了按年齡分類的診斷相互作用（三個年齡類別），控制了性別，背景和智商。同樣，為了測試性別的影響，還計算了按性別進行交互的ANOVA分析，同樣是控制年齡，背景和智商。并且，還進一步評估了每個數(shù)據(jù)集中精神藥物的使用是否會干擾觀察到的功能連接改變。由于無法獲得有關特定藥物，劑量或療程的詳細藥物信息，因此將分析限制在t檢驗中，比較精神病患者和非精神病患者之間的DC以及超連通性和低連通性指標來評估用藥的可能影響。     

此外，還評估了精神病患者是否共癥和伴隨用藥狀態(tài)是否也可能導致觀察到的功能連接的改變。為了測試超連接和低連接指數(shù)與臨床量表之間的潛在關系，還采用了與組比較類似的探索和驗證策略。由于臨床量表的重疊較少，且患者數(shù)量遠少于探索樣本，因此InFoR未被用于這些分析。 
了解與底層結(jié)構(gòu)的關系

最后，本文還評估了觀察到的功能連接性改變與潛在的灰質(zhì)結(jié)構(gòu)變化的關系。因為群體之間的結(jié)構(gòu)差異可能會造成對功能連接性的混淆影響。為了解決這個問題，使用灰質(zhì)的特征變量進行了兩種類型的分析。使用DC研究中發(fā)現(xiàn)的差異區(qū)MASK提取GMV（灰質(zhì)體積），并根據(jù)年齡，性別，背景，智商和總顱內(nèi)體積作者為協(xié)變量進行組間差異比較。

作者使用了兩種方法，（i）ASD和TD的組比較直接使用兩樣本t檢驗。（ii）利用和構(gòu)建結(jié)構(gòu)協(xié)變網(wǎng)絡類似的方法，提取了每個被試在特定MASK的GMV后，構(gòu)建一個連續(xù)的基于被試的GMV變化的數(shù)據(jù)分布，計算在這個MASK內(nèi)的所有體素兩兩之間的GMV變化的pearson相關性，在兩組比較的基礎上，和DC分析中發(fā)現(xiàn)的功能連接的差異進行比較。此外，由于先前的研究報道了ASD中白質(zhì)的減少，特別是胼胝體體積的減少，因此，作者還使用Julich白質(zhì)圖譜，從胼胝體的全部區(qū)域和不同區(qū)域提取白質(zhì)體積，重復了這兩種分析。（是不是忽然覺得掌握了新的分析方法呢？其實，作者使用的這些方法并不復雜，也不是新方法，但是對于這些方法的深度掌握讓作者敏銳的觀察到靜息態(tài)功能連接和結(jié)構(gòu)協(xié)變連接之間存在的方法一致性，從而可以從“共變”的角度出發(fā)更好的探索功能連接和結(jié)構(gòu)連接之間的關系）
結(jié)果

ASD患者和正常對照組被試臨床和人口統(tǒng)計學特征對比結(jié)果

四個ASD數(shù)據(jù)集（EU-AIMS LEAP，ABIDE I，ABIDE II和InFoR）以及與之匹配的正常對照組（TD）被納入研究（表1）。多中心EU-AIMS LEAP和單一中心InFoR數(shù)據(jù)庫提供了標準的數(shù)據(jù)采集流程和臨床特征量表得分數(shù)據(jù)。AIDE I和II是大型國際腦成像中心提供的回顧性數(shù)據(jù)的匯總數(shù)據(jù)集。數(shù)據(jù)分析了排除智商低于閾值的被試，并消除不良的圖像質(zhì)量數(shù)據(jù)，最后，EU-AIMS LEAP，ABIDE I，ABIDE II和InFoR數(shù)據(jù)集分別有35％，39％，33％和14％的數(shù)據(jù)量可用 （表1）。

對于所有數(shù)據(jù)集，在患有ASD和TD的個體之間的平均年齡沒有差異（表1）。 ABIDE II數(shù)據(jù)集被試較年輕（P <0.001），InFoR僅包括ASD成年個體。與EU-AIMS LEAP相比，在ABIDE I和II（P <0.001；P = 0.005）以及InFoR（P = 0.042）中觀察到男性的比例明顯更高。所有數(shù)據(jù)集中ASD個體的平均智商高于100，但均低于數(shù)據(jù)集中的對照TD（表格1）。

表1.臨床和人口統(tǒng)計學特征。

ADI，自閉癥診斷問卷； ADOS，自閉癥診斷觀察量表； PDD-NOS，待分類的廣泛性發(fā)展障礙； RRB，限制重復行為；SRS，社會反應能力量表。

在ASD患者數(shù)據(jù)中發(fā)現(xiàn)的DC改變的可重復性   

 研究ASD和TD組的功能連接差異，首先使用EU-AIMSLEAP數(shù)據(jù)集進行了探索分析，其他三個數(shù)據(jù)集對探索性研究結(jié)果進行重復。使用DC作為研究指標。EUAIMS數(shù)據(jù)集中的組比較顯示，ASD在包括雙側(cè)頂葉的兩個簇（P = 0.008）和前額葉及前后扣帶區(qū)域（P = 0.001）（圖1A中橙色區(qū)域和表2）表現(xiàn)顯著的功能連接的增強。在雙側(cè)初級感覺運動皮層和右顳部區(qū)域，腦島，杏仁核和海馬觀察到DC的顯著降低（P <0.001）（圖1A中藍色區(qū)域）。

基于從DCEU-AIMS LEAP被試數(shù)據(jù)中得到的顯示DC增長的MASK，提取ABIDE I，ABIDE II和InFoR數(shù)據(jù)集中的DC值，發(fā)現(xiàn)三組ASD患者在同探索組在一樣的區(qū)域發(fā)現(xiàn)異常增加的連接結(jié)果（I，P = 0.011;II，P = 0.01; InFoR，P <0.001;圖1B上）。

相反，DC下降僅成功地在兩個數(shù)據(jù)集中得到重復（ABIDE I，P = 0.001； InFoR，P = 0.002）中予以重復（圖1B下）。作者還進一步評估了無閾值DC變化模式的空間相似性，通過基于在ASD和TD比較中為每個數(shù)據(jù)集獲得的全腦的無閾值化t-圖，計算四個隊列組間差異圖的相似性（1C）。這些分析揭示了ASD所有四個數(shù)據(jù)集中表現(xiàn)出的與TD組的DC連接差異之間的顯著相關性（所有P <0.001；圖1D）。這說明，無論是在探索性分析基礎上的ROI分析和全腦層面的組間差異圖的voxel重疊分析都有一致的證據(jù)表明，ASD患者相對于TD（典型發(fā)展人群）在功能連接上表現(xiàn)的差異（無論是增高還是降低的區(qū)域）是具有跨被試異質(zhì)性的一致性的，是可以得到重復的。

作者還將頭動納入這些分析中，進一步進行了分析，發(fā)現(xiàn)分析結(jié)構(gòu)與不納入頭動協(xié)變量的分析結(jié)果一致（補充圖S1）。

圖1. ASD和TD患者之間DC不同分析比較的結(jié)果

補充圖S1 納入頭動與不納入頭動的兩組DC連接的比較

ASD患者DC的改變是由內(nèi)外網(wǎng)絡功能連接的轉(zhuǎn)換驅(qū)動的

在確定ASD患者可重復的DC改變后，作者探討了這些連接差異的性質(zhì)。首先比較了在ASD與TD被試中觀察到的全腦體素功能連接強度值的分布，發(fā)現(xiàn)兩組被試在體素層面的功能連接的分布相似（圖2A）。

接下來計算了基于均值、方差、連接體素比率和差異區(qū)內(nèi)及差異區(qū)內(nèi)與差異區(qū)外連接的組間差異（圖S2）。在這些分析中發(fā)現(xiàn)，在探索性分析中發(fā)現(xiàn)的DC差異區(qū)外與差異區(qū)內(nèi)外的功能連接之比在兩組被試中表現(xiàn)出最大的組間差異效應量。這種巨大的效應反映出，在ASD中，落在DC增加的mask外的體素顯示出彼此間的連通性降低，而與mask內(nèi)的體素彼此的連通性增加（這里的理解需要你對圖s2中mask外與到mask內(nèi)外的功能連接轉(zhuǎn)換計算公式進行有效理解，從公式可知，是用mask外功能連接概率除以mask內(nèi)與mask外的功能連接概率得到的，這個值越大，就越說明mask外的體素的功能連接更強，而與mask內(nèi)的功能連接更低）。從圖2B中的effective size圖中可以看到在DC比較中ASD組>TD組時，這個功能連接網(wǎng)絡的mask外連接與mask內(nèi)外連接計算得來的轉(zhuǎn)換值是TD組顯著大于ASD組的（從cohens’d值就可以知道，原則上cohens’d的值是正的，但考慮到作者t檢驗的方向性，這里使用了正負表示檢驗的方向性，建議你點擊復制以下鏈接瀏覽：https://www.uccs.edu/lbecker/effect-size#III.%20Effect%20size%20measures%20for%20two%20dependent）。

這就說明，ASD組相比與TD組在mask外的功能連通性顯著降低，而與mask內(nèi)的功能連接更強。除此以外，在ASD組功能連接顯著增加區(qū)域的比較中發(fā)現(xiàn)，mask內(nèi)的功能連接均值和mask內(nèi)的功能連接顯著的體素占比和DC比較的結(jié)果一致，都是ASD組大于TD組，這也進一步佐證了DC比較中的發(fā)現(xiàn)。

對于DC降低區(qū)域mask的比較，發(fā)現(xiàn)均值、方差和體素占比這三個指標顯示出同最初的DC發(fā)現(xiàn)一樣相似的效果量。具體如圖2B中藍色條形圖所示，ASD mask內(nèi)的平均連通性降低，方差變異降低，網(wǎng)絡內(nèi)向網(wǎng)絡外的轉(zhuǎn)換值降低。

但是，和在DC升高的區(qū)域中發(fā)現(xiàn)的結(jié)果一致的是，mask外與mask內(nèi)外的網(wǎng)絡連通性之比是TD組顯著大于ASD組的。這說明，有一致的證據(jù)支持ASD組相對于TD組的DC的升高或者降低的腦區(qū)的功能連接的變化模式是類似的，都表現(xiàn)出異常區(qū)域外體素之間的功能連接的降低以及與異常區(qū)域內(nèi)體素連接的異常增加。

除此以外，在EU-AIMS LEAP數(shù)據(jù)集中，對ASD和TD之間觀察到的差異，通過選擇不同的相關閾值進行DC的進一步計算發(fā)現(xiàn)，在r = 0.15到r = 0.4時，超連通指數(shù)和低連通指數(shù)的組間差異效應量的差是最大的。這說明，功能連接計算時功能連接強度的閾值對于DC衡量兩組被試差異是有一定影響的。

圖2.功能連接性指數(shù)及其影響大小。

（A）在EU-AIMS LEAP數(shù)據(jù)集中的ASD和TD被試基于血氧水平Pearson相關系數(shù)分布。

（B）基于DC增加/減少的MASK，分別計算四個指標，指標具體內(nèi)容見方法部分的圖S2注釋

（C）選取不同Pearson相關閾值時， ASD被試的超連接差異和低連接差異的效應量大小之差

連接的差異同人口學變量和臨床變量有關

接下來，作者評估了超連通性和低連通性指標是否以及如何與臨床特征，年齡，性別，藥物，和自閉癥患者的精神病共病狀態(tài)相關。 第一，將隊列分為兒童，青少年和成人時，使用t檢驗來評估超連通性和低連通性，與前述分析相同的變化仍然存在。由于InFoR僅包括成年人，因此這些分析僅限于其他三個隊列。

對于超連通性指數(shù)，所有患者均觀察到顯著差異，EU-AIMS LEAP隊列中的所有年齡組呈相似效果（所有P <0.001；圖3A）。在其他數(shù)據(jù)集，自閉癥患者和青少年的正常組被試（僅ABIDE I，P = 0.028）和成人正常組被試（ABIDE I，P = 0.014； ABIDE II，P = 0.015）之間的差異顯著，但兒童間差異不顯著（圖3A）。與青少年相比，所有三個數(shù)據(jù)集中的兒童低連通性指數(shù)同樣差異不顯著（圖3B）。在對年齡的影響測試中，使用方差分析（ANOVA）對超連通性和低連通性指數(shù)分別進行測試，以診斷交互作用，但未觀察到顯著的交互作用。

在性別對所觀察到的高連接和低連接指數(shù)影響的方差分析測試中，未觀察到任何一組性別與高連接或者低連接之間的顯著交互作用(均為P > 0.1)。 精神藥物對功能連接的顯著影響僅在EU-AIMS LEAP隊列中發(fā)現(xiàn)，經(jīng)過藥物治療的ASD組，其功能連接更加接近TD組。對于共病狀態(tài)的影響，僅在ABIDE II進行了分析（因為只有這組數(shù)據(jù)的被試分類符合標準），與非共病診斷的ASD相比，DC的增加(t187 = 0.1;P = 0.903），下降(t187 = 1.0;P = 0.335)，或分離出的超連接性區(qū)域(t187 = 0.6;P = 0.582)和低連通性區(qū)域(t187 = 1.5;P = 0.147)的功能連接都無顯著性差異。

經(jīng)過與小組分析類似的探索和重復策略比較后，基于EU-AIMS LEAP數(shù)據(jù)集計算了12個一般線性模型（GLM），用于評估獲取的超和低連通性指數(shù)與臨床特征的嚴重程度的相關分析。這些分析顯示，超連通性指數(shù)與ADI分量表、適應行為量表[VABS]中的日常生活技巧標準分數(shù)存在顯著的相關關系（表4）。加強的連接改變與更強的臨床損害相關（圖3C）。在驗證分析中，在EU-AIMS LEAP數(shù)據(jù)集中發(fā)現(xiàn)的兩種相關關系在ABIDE I隊列中也同樣顯著，但其他隊列中缺乏類似結(jié)果的驗證數(shù)據(jù)。在后續(xù)分析發(fā)現(xiàn)，ADI溝通分量表與VABS日常生活技能的數(shù)值相關性更強(r =0. 29;P = 0.006)，與VABS溝通技能的相關性則相對較弱。這可能解釋了為什么更強的DC連接和VABS的生活技能量表得分顯著相關而不是和其交流量表得分。

圖3.高，低連通性指數(shù)，年齡和臨床結(jié)果之間的關系

（A）對所有患者按年齡組劃分[兒童（<12歲），青少年（12至18歲）和成人（> 18歲）]得出ASD>TD的DC差異

（B）對所有患者按年齡組劃分[兒童（<12歲），青少年（12至18歲）和成人（> 18歲）]得出ASD<TD的DC差異

（C）EU-AIMS LEAP和ABIDE I數(shù)據(jù)集中的超連通性指數(shù)與ASD臨床量表的相關性（針對年齡，性別，背景，和智商進行了協(xié)變量回歸）。

（D）ADI交流與VABS日常生活技能和交流分量表之間的關系。

表4.高，低連通性指數(shù)與臨床量表之間的相關性結(jié)果

功能連接性指數(shù)和相應的臨床量表關系顯著時以粗體顯示（P <0.05）。

理解功能連接差異同結(jié)構(gòu)差異之間的關系   

最后，作者評估了觀察到的DC變化與結(jié)構(gòu)差異之間的關系。為此，首先比較了ASD和TD各自的mask區(qū)域的GMV（灰質(zhì)體積）和白質(zhì)體積之間的差異，ASD組與TD組的腦灰質(zhì)體積、胼胝體膝部和胼胝體干部的體積無顯著的組間差異。但ASD中胼胝體整體的白質(zhì)體積(P = 0.017)和胼胝體脾部的白質(zhì)體積(P = 0.014)顯著減少，但效應量較低。在結(jié)構(gòu)協(xié)變和rsfMRI功能連接變化是否相關的分析中，僅在胼胝體膝部發(fā)現(xiàn)，較低的白質(zhì)體積變化與較強的rs-fMRI改變存在相關，但效應量較?。?span>(r = 0.1; P = 0.04)。這說明，在本次研究中發(fā)現(xiàn)的ASD中存在的廣泛區(qū)域的功能連接異常與其結(jié)構(gòu)變化之間不存在較為明顯的關聯(lián)。
總結(jié)   

總體來說，本文是利用大型數(shù)據(jù)庫進行rsfMRI數(shù)據(jù)分析以及影像學特征和臨床表現(xiàn)進行相關分析的典型文章。從本文所應用的所有方法來看，難度并不高，但是作者規(guī)避了現(xiàn)在rsfMRI分析研究中最容易被reviewer懷疑的幾個點，第一是作者對頭動的處理，基本上做了所有能夠?qū)︻^動如何影響數(shù)據(jù)統(tǒng)計結(jié)果的回應，也證明了頭動對統(tǒng)計結(jié)果影響并不顯著。第二是對負相關的處理，果斷拋棄對負相關的功能連接的分析。第三是對不使用ROI wise的功能連接，避免了由于template不同帶來的影響。第四是使用了不同站點的數(shù)據(jù)對結(jié)果進行了驗證性分析，提高了文章結(jié)構(gòu)的可重復性和可信度。   

其次，從作者對rsfMRI數(shù)據(jù)的不同分析可以看出，對于不同指標所能反應出的兩組被試之間的功能連接差異的性質(zhì)是有充分的把握的。本文作者對假設檢驗整個流程的分析規(guī)則相對了解，即使是對我們平時在統(tǒng)計時很容易出現(xiàn)trick的單雙尾檢驗也做了充分的假設依據(jù)的交代。這說明，只有對我們常用的假設檢驗和數(shù)據(jù)分析方法有具體和深入的認識，才能不拘泥于方法的形式來展開研究，而是根據(jù)研究問題的深入性和靈活性選擇合適的指標和統(tǒng)計方法來進行驗證。   

最后，本文其實還存在很多可以進一步數(shù)據(jù)挖掘的內(nèi)容。首先是作者對結(jié)構(gòu)差異和功能差異之間關系的分析，我們發(fā)現(xiàn)分析結(jié)果并未揭示出明顯的功能和結(jié)構(gòu)改變之間的關系，但是作者使用體積這種敏感度不高的指標來分析結(jié)構(gòu)差異，將其更換為皮層厚度或者DTI的FA值等可能會發(fā)現(xiàn)更多信息。其次，作者發(fā)現(xiàn)的ASD患者DC值高于或低于TD患者的區(qū)域是否對將rs fRMI特征作為ASD患者識別的神經(jīng)標志物具有意義并不清楚，使用機器學習來進一步挖掘其價值可能帶來新的科研意義。最后，本文中對ASD并未進行更加細致的亞型分類研究，而這在臨床治療過程中具有顯著意義。因此，對亞型的分類研究結(jié)合機器學習方法可能有更加有意義的發(fā)現(xiàn)。但是，這些并不是本文研究所感興趣的問題，而是小編對有可能的數(shù)據(jù)挖掘的一點建議。
原文：Patients with autism spectrum disorders display reproducible functional connectivity alterations

微信掃碼或者長按選擇識別關注思影