XiaoMi-AI文件搜索系统
World File Search SystemConnectome
人类大脑连接组结构功能耦合的时空模式与发育
。CC-BY-NC-ND 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权所有者于 2023 年 10 月 28 日发布了此版本。；https://doi.org/10.1101/2023.09.11.557107 doi：bioRxiv 预印本
通过自适应密集子图发现提取与脑疾病相关的连接组子图
图 1：信息子图提取的动机：（a）演示了从群体水平连接组数据中获取边推理矩阵的过程；（b）说明常用的社区检测结果（例如使用随机块模型）无法检测到任何信息子图；（c）显示现有密集子图发现结果的结果；（d）描述了一种理想的信息子图检测程序，该程序可以识别由信息边组成的有组织的、生物学上可解释的拓扑结构。（d）中的结果基于 ADSD 方法（详细信息请参阅结果部分）。
青少年时期功能连接组拓扑结构的发展：拓扑数据分析的证据
青春期是行为和心理健康关键的发展时期。因此，了解大脑在此阶段如何发育是神经科学面临的一项基本挑战。最近的研究主要应用图论中的测量方法，将大脑建模为网络或连接组，显示其功能组织发生了变化，例如分离和整合增加。拓扑数据分析 (TDA) 通过提取整个连接值范围内的高维特征而不是探索一组固定的连接来补充这种建模。本研究使用典型发育人类参与者的纵向样本（N = 98；53/45 女性/男性；6.7 – 18.1 岁），将 TDA 应用于他们的功能连接组，探究这些特性的发展轨迹。此外，我们还探讨了青春期对个体发展轨迹的影响。结果表明，与随机网络相比，青少年大脑具有更分散的拓扑结构，但在局部层面上的连接更密集。此外，发育效应表明整个大脑和额顶叶网络的拓扑结构呈现非线性轨迹，在青春期开始后出现拐点并增加轨迹。这些结果增加了对青少年大脑功能组织发展的洞察。
婴儿期功能连接组指纹的存在及其数月内的稳定性
功能连接组指纹是一组个体化的大脑功能连接模式，能够区分不同个体。尽管它已在青少年和成人中得到证实，但尽管它在识别可能反映不同行为表型的内在连接组模式的起源方面具有重要意义，但这种个体化模式是否存在于婴儿期却很少被研究。为了填补这一知识空白，利用纵向高分辨率结构和静息态功能磁共振成像数据集，包括 104 名人类婴儿（53 名女性）的 806 次纵向扫描（年龄，16 – 876 天）和婴儿特定的功能分区图，我们观察到大脑功能连接组指纹可能自婴儿期就存在，并在早期大脑发育的数月内保持稳定。具体而言，通过使用；5% 的选定功能连接，我们实现了；78% 的个体识别率，而没有连接选择的最佳识别率为 60%。额顶叶网络被认为是成人功能连接组指纹中最有贡献的网络，尽管人们普遍认为它在儿童时期发展迅速，但它在婴儿中仍然保持着优势。功能连接组指纹的存在和稳定性在相邻年龄组中得到进一步验证。此外，我们发现婴儿额顶叶网络在预测个体早期学习综合得分方面可以达到与全脑连接组类似的准确度，这再次与成人的观察结果相似，并突出了功能连接组指纹与认知表现的相关性。这些结果首次表明，每个个体在早期大脑发育过程中可能保留一个独特而稳定的功能连接组标记。
青春期功能连接拓扑的开发：拓扑数据分析的证据
版权所有©2023 Gracia-Tabuenca等。这是根据Creative Commons Attribution 4.0国际许可条款分发的开放访问文章，只要将原始工作正确归因于任何媒介，它允许在任何媒介中进行无限制的使用，分发和复制。
使用基于任务的功能连接建立基于连接组的认知储备预测模型
认知储备 (CR) 是指大脑的一种特性，考虑到与年龄相关的大脑变化和脑损伤或疾病的程度，这种特性能够使认知功能优于预期（认知衰老和痴呆症储备和复原力研究定义合作实验室，2022 年）。较高的 CR 与痴呆症的发病延迟和发病率降低有关（Reed 等人，2010 年；Soldan 等人，2020 年；Zahodne 等人，2015 年），并且与具有阿尔茨海默病遗传风险的个体的住院风险降低有关（Filshtein 等人，2019 年）。 CR 是一个可修改的结构，可能受各种生活经历的影响，例如教育程度（Malek-Ahmadi 等人，2017 年）和职业复杂性（Boots 等人，2015 年）以及遗传因素（Barker 等人，2021 年；Dumitrescu 等人，2020 年）。准确测量 CR 可以改善痴呆症的临床诊断（Stern，2012 年）、临床试验中干预效果的测量（Mondini 等人，2016 年）、干预研究中参与者的分层（Stern，2012 年）以及旨在增强 CR 的干预措施的制定（Moga 等人，2019 年）。准确的 CR 神经影像学测量可能有助于识别特定的 CR 相关大脑网络，可以通过神经调节（Arvaneh 等人，2018 年；Scheinost 等人，2020 年）或神经刺激技术（Kim 等人，2019 年）进行针对性治疗。CR 通常使用社会行为变量（“代理”）来衡量，这些变量反映了被认为有助于 CR 的各种一生经历的接触程度（Stern 等人，2020 年）。虽然这种测量方法方便且便宜，但它在理论和方法上受到限制，因为代理是自我报告变量，无法捕捉整个动态 CR 结构（Bettcher 等人，2019 年；Jones 等人，2011 年；Ward 等人，2015 年）。另一种使用结构神经成像的测量方法是 CR 残差，其操作上将 CR 定义为考虑大脑结构和人口统计学因素后认知中无法解释的差异（Bettcher 等人，2019 年；Reed 等人，2010 年；Zahodne 等人，2013 年）。与社会行为代理相比，CR 残差可以更好地反映 CR 随时间的变化（Stern 等人，2020 年）。然而，CR 残差
英国生物库中 30,000 多名参与者的血压功能连接组特征
基于英国生物银行的全脑功能连接，我们建立了一个机器学习模型，通过重复交叉验证框架识别个体过去（扫描前约 8.9 年，N = 35 882）、现在（N = 31 367）和未来（随访约 2.4 年，N = 3 138）血压水平的神经表征。我们研究了多个潜在协变量的影响，并评估了这些模型在不同情况下的普遍性。在控制多个混杂因素的同时，预测模型在预测和实际收缩压/舒张压和脉压之间实现了显著的相关性。对未服用抗高血压药物的参与者的预测比对目前服用药物的患者更准确。此外，这些模型在种族、影像中心、药物治疗状态、参与者就诊、性别、年龄和体重指数等不同环境下表现出强大的普遍性。已识别的连接模式主要涉及小脑、前额叶、前岛叶、前扣带皮层、上缘回和楔前叶，这些区域是中枢自主神经网络的关键区域，参与认知处理，且易受阿尔茨海默病的神经退化影响。结果还显示，默认模式和额顶叶网络在预测未来血压水平和接受药物治疗的参与者中参与度更高。
评论文章 使用病毒跨神经元示踪剂研究从大脑皮层到内脏的连接组
周围神经系统 [2, 3, 10, 11]。高灵敏度的病毒跨神经元示踪剂可用于连接组学研究 [12]。因此，深入了解神经嗜性病毒特性和转基因病毒工具对于构建从内脏到大脑的连接组学研究至关重要。对于病毒示踪剂的方向，描述“从内脏到大脑皮层”的连接至关重要。然而，应该注意的是，这是一个倒退的方向，而且在我们看来，说连接从大脑皮层到内脏更合乎逻辑（审稿人的建议）。事实上，连接映射可以从内脏到大脑皮层，也可以从大脑皮层到内脏。在这篇综述中，我们描述了使用逆向跨神经元运输从皮层到内脏的连接。