机构名称：
¥ 1.0
摘要背景：自闭症谱系障碍 (ASD) 的异质性阻碍了生物标志物的开发，从而推动了亚型划分工作。大多数亚型划分研究将患有 ASD 的个体分为不重叠的 (分类) 亚组。然而，ASD 的持续个体间变异表明需要采用维度方法。方法：采用贝叶斯模型将患有 ASD 的个体的静息状态功能连接 (RSFC) 分解为多个异常 RSFC 模式，即分类亚型，以下称为“因素”。重要的是，该模型允许每个个体以不同程度表达一个或多个因素 (维度亚型划分)。该模型应用于来自两个多站点存储库的 306 名患有 ASD 的个体 (5.2 – 57 岁)。事后分析将因素与症状和人口统计学联系起来。结果：分析得出三个因素，具有可分离的全脑低 RSFC 和高 RSFC 模式。大多数参与者表达了多个（分类）因素，表明个体内存在多种亚型。所有因素都具有涉及默认模式网络的异常 RSFC，但不同因素之间的方向性（RSFC 过低或过高）不同。因素 1 与核心 ASD 症状有关。因素 1 和 2 与不同的合并症症状有关。年龄较大的男性参与者优先表达因素 3。这些因素在控制分析中表现稳健，与智商或头部运动无关。结论：至少存在三个具有可分离的全脑 RSFC 模式、行为和人口统计学特征的 ASD 因素。因素间异质性默认模式网络 RSFC 过低和过高可能解释了先前报告的不一致。这些因素区分了核心 ASD 和合并症症状——这是 ASD 中一个不太受重视的异质性领域。这些因素在不同程度的 ASD 患者中共同表达，从而协调了 ASD 异质性的分类和维度视角。
大脑连接组学和行为研究
主要关键词
相关文件推荐
