本研究由来自剑桥大学精神病学系的Iva Ilioska与拉德堡德大学医学中心的Jan K. Buitelaar和莫纳什大学的Alex Fornito等人共同完成，研究团队还包括来自Donders研究所、伦敦国王学院、海德堡大学等多个国际知名研究机构的学者。该研究成果于2026年6月1日在线发表在《Nature Mental Health》期刊第4卷上，论文标题为“Multiscale heterogeneity of atypical functional connectivity in autism”（自闭症非典型功能连接的多尺度异质性）。
自闭症谱系障碍影响全球约1–2%的人口，其核心特征包括非典型的社会互动与沟通、受限的兴趣、重复性行为以及感觉处理差异。尽管这些诊断标准指向自闭症人群的共同表型，但神经生物学特征和临床结果在个体间差异极大，这给个性化治疗和可靠生物标志物的开发带来了巨大挑战。
长期以来，自闭症被广泛认为是非典型脑连接的后果，但该表型普遍存在的异质性导致了研究文献中关于哪些脑区受影响以及连接性是增强还是减弱等问题的发现极不一致（Hull等人, 2017）。即便大规模研究已在群体均值层面识别出稳健的差异（Ilioska等人, 2023; Di Martino等人, 2014），但缺乏可重复的个体特异性生物标志物意味着诊断仍完全依赖行为观察，这对早期干预和精准医学方法构成了相当大的限制。
这种有限进展可能源于对传统病例对照研究的依赖，这类研究仅比较群体均值，无法充分捕捉个体神经生物学变异性。为此，研究者引入了规范性建模（normative modeling）这一范式转变，通过量化个体特异性脑部测量指标偏离年龄和性别调整后的规范性预期的程度，从而允许在个体层面进行推断。此前研究已揭示，精神疾病中脑结构和功能的多种测量指标呈现高度个体化的偏离模式，表明群体平均值并不能很好地代表个体患者的情况。
大脑在多个空间尺度上组织，特定的区域间连接嵌入于脑区之中，而脑区又属于更广泛的功能网络。因此，不同自闭症个体的不同连接可能出现中断，但这些中断的连接可能仍集中在特定的脑区或网络内。类似的原则已在自闭症遗传学中得到证实，超过100个已识别的风险基因虽然关联不同的分子机制，但最终汇聚于有限的生物学通路，尤其是突触功能和转录调控相关通路。研究者提出，这种汇聚原则可能延伸至脑组织层面，即变异性高的连接层面中断可能汇聚于共同的脑区和网络。Segal等人（2023）已在精神疾病的灰质体积个体特异性偏离中证明了这一现象。本研究旨在检验同样的尺度依赖汇聚是否适用于自闭症中静息态功能磁共振成像（resting-state functional magnetic resonance imaging, rs-fMRI）信号定义的、以区域间相关性表征的非典型功能连接（functional connectivity, FC）。
本研究采用横断面设计，应用规范性建模在三个空间尺度（连接、脑区、网络）上表征来自大型多中心数据集的FC异质性。研究共纳入来自32个中心的1824名参与者，包括796名自闭症个体和1028名神经典型对照。数据汇集自三个大型数据集：欧洲自闭症干预纵向欧洲自闭症项目（EU-AIMS LEAP）以及自闭症脑成像数据交换库I和II（ABIDE 1和ABIDE 2）。
影像获取与预处理： 静息态fMRI和结构像在32个扫描中心使用3T磁共振成像扫描仪获取，并按照先前工作的标准进行严格的预处理和质量控制，包括头动校正、时间层校正、空间标准化和平滑等步骤。研究者排除了在大部分参与者中扫描覆盖不佳的小脑区域（这是本研究的一个局限性，因为小脑被认为在自闭症病理生理中起重要作用）。研究样本中，自闭症组与对照组在性别比例上存在不平衡（男性占多数），这与自闭症在男性中更高的患病率一致。
功能连接映射： 研究者使用Schaefer 400皮层分区模板（Schaefer等人, 2018）和来自Harvard-Oxford图谱的15个皮层下区域（Craddock等人, 2012）进行FC映射。在排除25个因覆盖不足的区域后，保留了390个区域。区域间的FC通过皮尔逊相关计算，并使用高斯-伽马混合模型进行归一化处理，以增强信号与噪声的区分（Llera等人, 2016）。这种方法通过分别对有意义连接值和背景噪声的不同统计分布进行建模，有效抑制了可能为噪声的连接。随后使用ComBat方法（Johnson等人, 2007）去除扫描中心效应。最终获得每个参与者涵盖75,855对脑区连接的FC估计矩阵。Schaefer区域根据Yeo等人（2011）的七网络分区方案分配至七个经典功能网络，皮层下区域分别标记为丘脑、纹状体或内侧颞叶，共构成十个网络。
规范性建模： 研究者采用高斯过程回归拟合规范性模型，使用年龄、性别和平均帧级位移（framewise displacement, FD，一种头动综合测量指标）作为自变量，对每对脑区的FC进行预测。对于自闭症个体，模型仅在神经典型对照组数据上进行训练，然后应用于自闭症组以获取偏离分数。对于神经典型个体，则采用十折交叉验证获得偏离估计，即每次使用九折数据训练模型并在保留的第十折上测试，重复此过程直至所有对照参与者的偏离值均由不包含其自身数据的模型计算得出。
个体层面的FC偏离以z分数进行量化，计算方式为观测FC值减去预测FC值后除以估计方差，检验模型拟合的验证统计量表明建模过程有效。极端偏离被定义为|z|>2.3（近似对应p<0.01的双侧阈值）。这一阈值的选择是既往研究常用范围（|z|>1.96至|z|>2.6）中的折衷方案，在保持对有意义偏离的敏感性同时保证一定的特异性。敏感性分析显示研究结果对更宽松（|z|>1.96）和更严格（|z|>2.6, |z|>3.1）的阈值均保持稳健。
三尺度偏离重叠分析： 在连接层面，研究者分别对两组参与者计算每个连接上出现极端偏离的参与者百分比，以量化个体间重叠程度。组间差异采用10,000次诊断标签置换检验及Benjamini-Hochberg错误发现率（FDR）校正进行评估。
在脑区层面，研究者为每个参与者计算每个脑区的“偏离度”（deviation degree），即连接至该脑区的极端FC偏离的总数。由于偏离度为连续变量，难以直接进行跨参与者重叠比较，研究者评估了从1到20的不同偏离度阈值τ下的重叠情况，计算每个脑区在各阈值下偏离度至少为τ的参与者数量，并以这些阈值范围内的曲线下面积（AUC）作为区域重叠的阈限无关汇总指标。组间比较同样采用10,000次置换检验及FDR校正。
在网络层面，研究者计算每个参与者极端偏离落在每个网络内部及每对网络之间的百分比，并使用1%–10%的偏离百分比阈值计算AUC，以类似方法评估组间差异。这些阈值范围的选择依据是超出上限的参与者极少。
临床与认知指标预测： 作为次要研究结果，研究者使用支持向量回归（SVR）结合五折交叉验证，检验三个空间尺度的FC偏离模式是否能够预测自闭症个体的临床和认知指标。预测指标包括：ADI-R社交互动、沟通和限制重复行为分量表分数、ADOS社交情感和限制重复行为分量表分数、韦氏简版智力量表第二版全量表智商、短感官谱量表（SSP）的低敏感和高敏感子量表分数、自闭症谱系商数（AQ）以及社交反应量表（SRS-2）总分。
敏感性分析： 为评估结果稳健性，研究者检验了参与者性别、注意缺陷多动障碍（ADHD）共病、精神药物使用、数据集来源以及不同脑分区粒度（Schaefer-200和Schaefer-800）的影响。
连接层面的异质性： 在自闭症个体中，正向极端偏离（FC高于预期）的数量范围为0至5,652个（中位数741.5），负向极端偏离（FC低于预期）为0至5,119个（中位数657）。在神经典型对照中，正向偏离范围为35至3,570（中位数760），负向偏离为105至4,745（中位数673.5）。Wilcoxon秩和检验显示两组在总偏离负担上无显著差异（正向偏离p=0.086，负向偏离p=0.4），独立双样本t检验表明正向与负向偏离比在组间无差异（t=0.58, p=0.55），说明自闭症个体不存在整体性的功能过度连接或连接不足偏向。
关键的是，无论在自闭症组还是对照组，没有任何单一连接在超过3.4%的个体中表现出极端偏离（图3a），两组中重叠百分比均未超出4%。置换检验表明，连接层面重叠的组间差异经FDR校正后均不显著（所有p_FDR>0.05）。这一结果揭示了自闭症功能连接在连接层面高度异质的特性，即不同个体之间存在极大差异，没有哪个特定连接在多数患者中一致异常。
脑区层面的汇聚： 尽管连接层面的偏离高度个体化，但这些偏离所涉及的脑区却呈现出显著的汇聚效应。在最低阈值（τ=1）下，区域重叠范围从41.9%到77.8%不等；在最高阈值（τ=20）下，重叠范围为1.8%至12.8%。与神经典型对照相比，自闭症个体在以下区域表现出显著更高的负向偏离重叠：感觉运动区、前脑岛、前额叶、颞极、视觉区和杏仁核。在正向偏离方面，自闭症个体在内侧前额叶、额上回、扣带回、顶下小叶以及皮层下区域表现出显著更高的重叠。神经典型对照组在任何区域均未表现出显著更高的重叠。这些结果在不同阈值设定下基本一致。
网络层面的汇聚： 网络层面重叠的最低阈值（τ=1%）处，重叠范围从4.4%到61.9%；在最高阈值（τ=10%）处，重叠范围为0%至5.4%。具体而言，自闭症个体在以下方面表现出显著更高的负向偏离重叠：视觉网络和腹侧注意网络内部的连接、感觉运动网络与其他系统（尤其是视觉、背侧注意和默认模式网络）的连接、以及内侧颞叶区域与感觉运动、腹侧注意、边缘系统和默认模式网络（DMN）的连接。在正向偏离方面，自闭症个体在DMN和认知控制网络（额顶网络）与大脑其余部分的连接中表现出更大的重叠，此外还表现在皮层下-皮层下连接和皮层下-皮层连接中。神经典型对照组在任何网络对内均未表现出显著更大的重叠。
临床与认知指标的预测： 在连接层面，FC偏离显著预测了全量表智商（中位数r=0.16, p_FDR<0.001）和SRS分数（中位数r=0.29, p_FDR<0.001）。在脑区层面，偏离度显著预测了全量表智商（中位数r=0.1, p_FDR=0.01）和SRS分数（中位数r=0.1, p_FDR=0.02）。在网络层面，偏离模式显著预测了ADI社交互动分数（中位数r=0.17, p_FDR<0.001）、AQ分数（中位数r=0.17, p_FDR<0.02）和SRS分数（中位数r=0.18, p_FDR<0.001）。这些结果表明，脑网络组织的不同层级捕捉了自闭症的不同临床特征。
敏感性分析结果： 所有敏感性分析结果与主分析一致，包括考虑性别、ADHD共病、精神药物使用、不同数据集来源以及不同的脑分区精细度（Schaefer-200和Schaefer-800）的检验，证明了研究结论的稳健性。
本研究证明，自闭症中的功能连接表现出尺度依赖的异质性，其特征是在个体连接层面符合预期的变异水平，但在特定脑区和宏观网络层面非典型FC显著汇聚。这一发现表明，自闭症并非在脑组织的所有层面上均一性地异质，而是为理解诊断标准下个体的个体差异和共同临床特征提供了一个神经生物学框架。
连接层面的异质性可能代表自闭症众所周知的临床异质性的神经关联，并为文献中FC发现不一致的现象提供了合理解释。然而，自闭症个体并未表现出超出规范的偏离总数，且任何特定连接的偏离重叠程度与对照组无差异，表明偏离的数量和集中程度在正常预期范围内。
在脑区和网络层面，负向FC偏离（即非典型的连接减弱）在自闭症个体中显示出更大的区域和网络层面重叠，主要涉及感觉运动区、额叶和颞叶区域，以及感觉运动系统与背侧和腹侧注意系统、内侧颞叶和DMN之间的连接。这与自闭症文献中广泛记录的非典型感觉处理和运动协调障碍相一致。正向FC偏离（即FC高于预期）在DMN内部及DMN与其他系统之间表现出更大的重叠，额顶网络也显示更大重叠，这与先前研究报告的认知控制网络过度连接的发现一致。
这些发现共同提示，在大部分自闭症个体中共有的核心神经表型涉及感觉运动区域FC的减弱和跨模态区域FC的增强，这与自闭症层级功能改变的报道相符。研究结果进一步表明，任何临床干预应根据个体的区域或网络偏离特征进行个体化调整，而非依赖传统群体均值比较所隐含的“一刀切”方法。
1. 多尺度分析框架的创新性： 本研究首次在自闭症领域系统应用了涵盖连接、脑区和网络三个空间尺度的规范性建模分析框架，揭示了尺度依赖的异质性组织原则——尽管特定连接的偏离高度个体化，但在区域和网络层面汇聚为更一致的模式。这一发现为理解共同诊断如何从不同的连接中断中产生提供了一个精致的解释。
2. 方法学严谨性： 研究构建了基于大样本、多中心数据的规范模型，采用AUC作为与阈限无关的汇总指标来量化跨参与者重叠，并通过多种敏感性分析验证了结果的稳健性。对偏离阈值的系统检验进一步支持了研究结论在不同严格度设定下的一致性。
3. 大脑行为关联的多层次解析： 研究发现不同层级的FC偏离预测不同的临床表型——连接和区域层面的偏离预测智力能力，而网络层面的偏离预测更广泛的自闭症特质和社交功能，强调在表征脑-行为关系时考虑多层次的重要性。
4. 转化的启示意义： 研究确定的汇聚脑区和网络可作为个体化治疗开发的潜在靶点，为精准医学在自闭症干预中的实施提供了理论基础。研究结果提示应关注偏离模式的网络和区域汇聚而非特定连接，从而引导临床干预策略的制定。