关于“整合性系统：全皮层概率性扩散磁共振成像纤维束追踪连接组”研究的学术报告

本研究由来自加州大学圣地亚哥分校（University of California, San Diego）神经科学研究生项目的Burke Q. Rosen和放射学与神经科学系的Eric Halgren共同完成。研究论文以“Integrative systems: A whole-cortex probabilistic diffusion tractography connectome”为题，于2021年1月15日首次在线发表于神经科学领域的开放获取期刊《eNeuro》上。

一、 学术背景与研究目标

本研究属于神经科学领域，具体聚焦于人脑连接组学。其核心是利用扩散磁共振成像技术，绘制人脑结构连接的宏观图谱。

研究背景：人类连接组计划（Human Connectome Project, HCP）的Wu-Minn项目公开了超过1000名健康受试者高质量的多模态磁共振成像数据，包括结构、功能和扩散成像。尽管HCP的原始规划包含构建结构连接组，但其已发布的主要成果集中在静息态功能磁共振成像（rs-fMRI）功能连接组上。扩散磁共振成像（dMRI） 能够通过检测水分子在白质纤维束中扩散的各向异性来无创地追踪脑区间的解剖连接，是构建结构连接组的关键技术。然而，以往基于dMRI的研究大多关注特定或最强的连接，缺乏覆盖全皮层、高分辨率且公开可用的标准化结构连接矩阵。

研究目标：本研究旨在填补上述空白，利用HCP公开的大样本dMRI数据，通过概率性纤维束追踪方法，构建一个覆盖全皮层、基于标准化脑图谱（HCP-MMP1.0）的高保真结构连接组。研究目标包括：1）呈现连接组本身；2）验证其可靠性（如与猕猴组织学追踪数据对比）；3）探索连接的基本规律（如与纤维束长度的关系、半球间连接特性）；4）分析其与皮层层级的关系；5）将其与其他模态（rs-fMRI， 皮层-皮层诱发电位）的连接组进行比较，以探讨结构-功能关系。

二、 详细研究流程

本研究是一个大规模的计算神经解剖学分析，未采集新数据，而是对已有公开数据进行深度处理和分析。其工作流程可概括为以下几个核心步骤：

1. 数据获取与预处理：

   • 研究对象与样本量：研究使用了HCP Wu-Minn 1200数据集中1065名健康受试者（575名女性，年龄22-36岁）的dMRI数据。同时，使用了1003名受试者的组平均静息态fMRI（rs-fMRI）连接数据用于比较，其中998人与dMRI数据集重叠。
   • 数据来源：所有数据（包括高分辨率T1结构像、dMRI图像、组平均rs-fMRI连接矩阵）均从HCP公开数据库获取。此外，还使用了猕猴的逆行示踪剂连接数据（来自Markov等人，2014）和人类皮层-皮层诱发电位（CCEP）连接数据（来自F-Tract项目）用于验证和比较。
   • 皮层分区方案：研究采用HCP多模态分区图谱（HCP-MMP1.0）。该图谱包含360个皮层脑区（每半球180个），其边界基于功能和解剖信息共同界定，具有较高的功能特异性和广泛接受度。为便于解释，研究者进一步将这360个脑区组织成10个功能网络（改编自Ji等人，2019年的工作）。

2. 概率性纤维束追踪与连接组构建：

   • 核心方法与工具：本研究采用概率性纤维束追踪算法（具体为FSL软件包中的probtrackx2工具），而非确定性纤维束追踪。概率性方法考虑了每个体素内所有可能的纤维方向分布，能探测到低概率的弱连接，从而生成更密集、更接近组织学追踪结果的连接矩阵。
   • 追踪流程：对于每位受试者，将每个HCP-MMP1.0脑区作为“种子区”，追踪其到所有其他“目标区”的连接。这是一个计算量极大的过程，每位受试者需要进行1440次独立的追踪计算（每个种子区对90个目标区，分4组并行）。追踪使用了默认参数（步长0.5毫米，5000个样本，最大2000步），并设置了防止纤维环路的约束。
   • 连接强度量化：原始的“流线”计数经过分数化缩放处理，以校正种子区和目标区大小的影响，并使其与非人灵长类组织学追踪研究中使用的度量（FLNe，分数化标记神经元）具有可比性。最终得到一个对称的、表示连接概率的分数化概率追踪（Fractional Probabilistic Tractography, fPT）矩阵。由于fPT值呈对数正态分布，在后续分析中进行了log10转换。

3. 数据分析与验证：

   • 连接基本属性分析：计算了连接强度的整体分布（均值、标准差等），并检验了其与纤维束长度的关系。通过非线性回归拟合，确定了连接强度随距离呈指数衰减的规律，并计算了衰减的长度常数（λ）。
   • 跨物种验证：选取HCP-MMP1.0图谱中与猕猴FV91图谱同名的脑区，将人脑dMRI连接强度与猕猴的逆行示踪剂连接强度进行相关性分析，以评估dMRI连接组的有效性。
   • 半球内与半球间连接分析：比较了同侧（半球内）与对侧（半球间，经胼胝体）连接的强度差异。特别计算了每个脑区与其对侧同源脑区的连接强度，并与该脑区到对侧所有其他脑区的平均连接强度进行比较，以识别同源脑区是否“超连接”。
   • 语言网络分析：将语言和听觉网络相关的脑区单独分析，按纤维束长度分箱，比较网络内部连接与网络-其他区域连接的强度差异，并检验其是否存在左侧化优势。
   • 皮层层级影响分析：利用HCP提供的T1w/T2w髓鞘对比图作为皮层层级（低级感觉区髓鞘化程度高，高级联合区低）的代理指标。首先，分析连接强度是否与相连两个脑区的髓鞘化程度差异（即层级相似性）相关。其次，分析每个脑区的总连接模式是否与其自身的髓鞘化水平相关。
   • 多模态连接组比较：将构建的dMRI结构连接组与已有的rs-fMRI功能连接组和CCEP（一种通过电刺激直接测量有效连接的生理学方法）连接矩阵进行比较。计算了配对连接强度之间的线性相关性。此外，还计算了多种网络理论指标（如平均聚类系数、特征路径长度、全局效率、小世界性、传递性、同配性），并在不同连接强度阈值下比较了三种连接组网络属性的差异。

三、 主要研究结果

1. 全皮层结构连接组：成功构建了一个覆盖360个脑区、基于1065名受试者平均的概率性dMRI结构连接组。连接矩阵显示出清晰的组织模式，包括强烈的半球内连接、可辨别的半球间连接（特别是同源脑区之间的对角线），以及功能网络内部的高连接性。连接强度（log10(fPT)）近似高斯分布。

2. 连接强度与距离的指数衰减关系：连接强度随纤维束长度的增加呈指数衰减。对于整个连接组，衰减长度常数λ约为23.4毫米，该指数模型解释了84%的连接强度方差。值得注意的是，胼胝体（半球间）连接的衰减更慢（λ ≈ 32.8毫米），表明长距离的跨半球连接相对于距离的衰减预期更强。与基于脑体积预测的跨物种标度律相比，人类显示出更长的λ，提示人类皮层可能存在相对于脑体积而言更强的长程连接。

3. 与猕猴组织学数据的可比性：在可比较的脑区子集上，人脑dMRI连接强度与猕猴逆行示踪剂连接强度之间存在显著的正相关（r = 0.35, p = 0.0013）。考虑到跨物种比较和技术差异，这一相关性为dMRI概率性纤维束追踪方法的有效性提供了合理的支持。

4. 半球间连接特性：

   • 同源脑区超连接：大多数（147/180）脑区与其对侧同源脑区的连接强度，显著高于其与对侧非同源脑区的平均连接强度。这支持了大脑两半球在结构和功能上的对称性。
   • 例外情况：一些与语言相关的脑区（如44区、45区等）并未显示出这种同源超连接，这与语言功能的偏侧化一致。
   • 特定区域的超对侧连接：尽管总体上同侧连接占主导，但研究发现三个区域（包括部分扣带-顶叶体感区、前额叶特定区域以及中央后回/顶上小叶区域）表现出比同侧连接更强的对侧连接，这可能与跨半球整合单一感觉、情绪或空间认知过程有关。

5. 语言网络的特殊连接模式：在左半球，语言/听觉网络内部的长距离连接（特别是约100-140毫米的连接，许多位于额叶和颞顶叶语言区之间）显著强于网络与大脑其他部分之间的连接，且这种效应在左半球比右半球更明显，清晰体现了语言网络的左侧化超连接特性。

6. 皮层层级对连接的影响：

   • 层级相似性：总体上，处于相似皮层层级（即髓鞘化水平相近）的脑区之间倾向于有更强的连接，但这种关系较弱（r ≈ -0.11），仅解释了约1%的方差。然而，在某些特定网络（如左半球听觉/语言网络、右半球背侧注意网络）中，层级相似性的影响更为显著。
   • 高级区域的高连接性：大多数前额叶脑区（髓鞘化水平低，属高级皮层）与低髓鞘化（高级）区域有更强的整体连接，形成了一个连续的双侧前额叶高连接网络。这表明高级联合皮层彼此之间联系更为紧密。

7. 与功能连接和生理连接的比较：

   • 与CCEP更相似：dMRI结构连接组与CCEP连接矩阵的相似性（r ≈ 0.43）远高于与rs-fMRI连接矩阵的相似性（r ≈ 0.06）。即使在仅考虑同侧连接时，这一模式依然成立。
   • 分布与网络属性差异：rs-fMRI连接值的分布是双峰的，而dMRI和CCEP是单峰对数正态分布。在网络理论指标上，rs-fMRI连接组表现出更高的平均聚类系数、传递性、同配性和更低的全局效率，这与dMRI和CCEP网络明显不同。dMRI和CCEP的网络属性随密度变化的趋势更为相似。这些结果表明，dMRI推断的结构连接更接近于CCEP测量的直接生理连接，而与rs-fMRI测量的间接、状态依赖的功能相关性差异较大。

四、 结论与意义

本研究成功构建并发布了目前最大、最详细的全人脑皮层概率性扩散磁共振成像结构连接组。该连接组基于大样本健康人群、采用高分辨率分区方案和敏感的概率性追踪方法，具有高密度和高动态范围的特点。

科学价值： 1. 实现HCP核心目标：填补了HCP项目在发布全脑结构连接组方面的空白，使研究者能够将这一标准化的结构连接组与HCP及其他数据集中的各种功能连接组（不同模态、脑状态、临床条件）进行比较。 2. 揭示连接组织原则：量化了人脑结构连接随距离指数衰减的规律，发现了人类可能具有相对更长的长程连接；验证了同源脑区超连接和语言网络左侧化长程超连接等特性；揭示了皮层层级（以髓鞘化为指标）对连接模式的影响，特别是在前额叶和特定功能网络中。 3. 阐明多模态关系：通过比较，明确了dMRI结构连接与CCEP有效连接在模式上更为接近，而与rs-fMRI功能相关性存在本质差异，这加深了对脑内不同层面“连接”概念的理解。 4. 提供宝贵资源：公开了连接组数据，为后续研究人脑连接的正常变异、与认知行为的关系、遗传基础以及在神经精神疾病中的改变提供了至关重要的基线参考和计算工具。

五、 研究亮点

1. 方法学优势：采用概率性纤维束追踪处理超大规模样本（n=1065），显著提升了探测弱连接的能力，获得了迄今为止最密集、最完整的公开dMRI结构连接矩阵之一。
2. 标准化与可比较性：使用广泛采用的HCP-MMP1.0图谱进行分区，极大地促进了该连接组与其他基于同一图谱的研究数据的整合与比较。
3. 系统性验证与探索：不仅呈现了连接组，还进行了一系列严谨的内部一致性检验（如距离衰减、同源连接）和外部验证（与猕猴数据、CCEP数据对比），并深入探索了连接与语言偏侧化、皮层层级的关系。
4. 明确的结构-功能连接辨析：通过多模态对比，清晰展示了宏观结构连接、直接生理连接（CCEP）和间接血氧水平依赖（BOLD）功能相关之间的异同，对正确解读不同模态的连接组研究具有重要意义。

六、 其他有价值内容

研究还简要探讨了个体间变异性，发现V1-V2连接的强度在个体间存在较高变异，且这种变异在左右半球间高度相关（r=0.70），提示了可能的遗传或发育因素。这为未来利用HCP丰富的表型与遗传数据探索连接组的个体差异及其与行为、基因的关系指明了方向。此外，作者也坦诚讨论了dMRI技术的局限性，如无法判断连接方向性、空间分辨率有限、可能存在假阳性连接等，并建议使用者在进行拓扑学等分析时可根据需要阈值化处理数据以平衡敏感性与特异性。