《Brain and Behavior》:Multi-Metric EEG Connectivity and Graph Analysis Reveal Altered Resting-State Networks in Major Depressive Disorder
编辑推荐:
摘要
目的:重度抑郁症(Major Depressive Disorder,MDD)的脑电功能连接研究结果不一致,部分原因在于不同估计量捕捉了神经耦合的不同方面。研究人员采用多指标静息态脑电(EEG)方法,结合线性、基于相位、非线性和图论测量,以表征与频率相关
摘要
目的:重度抑郁症(Major Depressive Disorder,MDD)的脑电功能连接研究结果不一致,部分原因在于不同估计量捕捉了神经耦合的不同方面。研究人员采用多指标静息态脑电(EEG)方法,结合线性、基于相位、非线性和图论测量,以表征与频率相关的传感器水平连接性改变,并识别与抑郁症相关失连接相关的传感器水平网络模式。
方法:对30名符合DSM-IV标准的MDD参与者和28名健康对照者的静息态EEG进行分析,采用19通道10–20系统导联。经MNE-Python预处理,包括滤波、基于独立成分分析(ICA)的伪迹去除、电流源密度(CSD)变换和对称正交化后,在theta、alpha和beta频带计算相干性(coherence)、相位锁定值(PLV)、相位滞后指数(PLI)和互信息(MI)。边水平差异采用Brunner–Munzel检验并进行Holm校正,以Westfall–Young maxT校正确认,并使用Hedges' g和图论指标进行总结。
结果:MDD表现出频率依赖和指标依赖的传感器水平连接性改变。theta频带的coherence、PLV和PLI以额叶至后部、额中央、颞叶/后颞叶、顶枕及中央至枕部传感器对之间的低连接性为主,而theta频带MI仅显示少量额叶/额颞叶连接增强。alpha频带结果更具选择性,主要表现为额极/额叶至中央、额中线及后部连接的coherence和PLV降低,而alpha频带MI呈现有限的混合模式。beta频带中,coherence、PLV和PLI仅显示稀疏的稳健性降低,而beta频带MI显示广泛增强的统计依赖性。在20%比例密度下的图论总结主要显示theta和alpha频带网络的平均加权强度和全局效率降低。
结论:这些发现表明MDD存在频率依赖和指标依赖的静息态EEG传感器水平连接性改变。主要模式为theta/alpha频带分布式传感器对连接性降低,同时beta频带MI依赖性增强。研究结果提供了经校正且基于效应量的传感器间协调改变的证据,但未确定特定皮层区域或命名网络的功能障碍。该框架可支持未来在独立、临床注释、高密度EEG或多模态数据集中开展假设驱动研究。
重度抑郁症静息态脑电多指标连接性与图论分析研究解读
一、研究背景与问题
重度抑郁症(Major Depressive Disorder,MDD)是全球范围内高发的情绪障碍,以持续情绪低落、兴趣丧失及认知情感功能紊乱为特征。临床评估和自评量表如Beck抑郁量表-II仍是评估抑郁症状的重要工具,但无法直接量化神经生理学改变,也难以充分反映MDD的生物学异质性。脑电图(electroencephalography,EEG)作为一种非侵入性手段,可用于检测振荡活动和功能连接,但既往EEG功能连接研究结果存在明显不一致,主要原因在于不同连接性估计量捕捉神经耦合的不同方面,且各研究在预处理策略、连接性指标选择和统计校正方法上存在差异。因此,需要采用多指标联合分析框架,系统表征MDD相关传感器水平连接性改变,为未来假设驱动研究提供可重复的统计学基础。
二、研究内容与主要结论
研究人员利用Mumtaz等人公开的19通道EEG数据集,对30名MDD参与者和28名健康对照者进行静息态闭眼EEG分析。研究采用coherence、相位锁定值(phase-locking value,PLV)、相位滞后指数(phase-lag index,PLI)和互信息(mutual information,MI)四种互补连接性估计量,在theta(4–8 Hz)、alpha(8–13 Hz)和beta(13–30 Hz)三个频带分别计算传感器水平连接矩阵,并辅以图论指标进行网络级总结。研究发现MDD存在频率依赖和指标依赖的连接性改变:theta频带coherence、PLV和PLI以广泛降低为主,alpha频带coherence和PLV呈选择性降低,而beta频带MI显示广泛增强。图论分析进一步显示theta和alpha频带网络的平均加权强度和全局效率降低。该研究不支持简单的全局低连接或高连接模型,而强调组间差异同时取决于振荡频率和连接性估计量。
三、关键技术方法
研究人员采用MNE-Python标准化预处理流程,包括重采样至250 Hz、分段为8秒epoch、陷波滤波和1–40 Hz带通滤波、坏通道球形样条插值、Infomax独立成分分析(ICA)伪迹去除及ICLabel自动分类,随后进行电流源密度(current source density,CSD)变换和正则化对称正交化以减少容积传导和信号泄漏。连接性估计采用多锥度方法计算coherence、PLV和PLI,MI基于Hilbert幅度包络的直方图估计。边水平组间比较采用Brunner–Munzel检验并辅以Holm校正,以Westfall–Young maxT置换校正作为确认层,效应量以Hedges' g报告。图论分析在20%比例密度阈值下构建加权无向图,计算平均加权强度、平均聚类系数、全局效率、局部效率和介数中心性,并在10%–30%密度范围内检验阈值稳定性,另以未阈值化加权网络进行敏感性分析。
四、研究结果
4.1 边水平功能连接概览
研究在19通道导联下对每个频带×指标组合的171条无向边进行检验。稳健结果定义为同时通过Holm校正Brunner–Munzel检验和Westfall–Young maxT确认的边。结果显示theta频带coherence有27条降低边,PLV有36条降低和1条增强边,PLI有49条降低边;theta频带MI有3条增强边。alpha频带coherence有9条降低边,PLV有24条降低边,PLI有2条降低边,MI呈1条降低和5条增强的混合模式。beta频带coherence、PLV和PLI仅保留稀疏的稳健降低,而MI显示62条增强边且无降低边。
4.2 theta频带连接性
theta频带coherence、PLV和PLI均以MDD组连接性降低为主。coherence的稳健降低集中在额叶至后部、额中央、颞叶/后颞叶、顶枕和中央至枕部传感器对。PLV的降低分布与之相近,涉及额中央、额颞、额叶至后部、中央至枕部及后颞叶传感器对,仅F3–F7额叶传感器对显示单一增强。PLI呈现最广泛的降低模式,分布于额叶、额中央、额颞、颞顶、顶枕及后部传感器对。相比之下,theta频带MI仅保留Fp2–F8、F3–T7和F7–T7三条增强边。
4.3 alpha频带连接性
alpha频带结果较theta频带更具选择性。coherence的稳健降低限于9条边,集中于额极/额叶至中央、额中线和中央至枕部传感器对。PLV显示24条降低边,分布于额极/额叶至中央、额中线、中央至枕部及额叶至后部传感器对。PLI仅保留F7–F8和F3–F8两条额叶传感器对降低边。MI呈混合模式,包括F7–T7、F3–T7、Fp1–Fz、F8–T8和Fp1–T7五条增强边及Cz–O1一条降低边。
4.4 beta频带连接性
beta频带结果呈明显指标特异性分化。coherence仅保留O1–O2枕部传感器对一条降低边;PLV保留O1–O2、T8–P7、F3–C4、F7–C4、F7–O1和Fp2–O1六条降低边;PLI仅保留Fp2–C3一条降低边。与之形成鲜明对比的是,beta频带MI显示62条广泛分布的增强边,涉及额极/额叶、中央、颞叶、顶叶/后部和枕部传感器,呈弥漫性正向改变。
4.5 主要层与稳健层
部分指标家族在主要层与稳健层之间完全保留,包括theta频带coherence、PLV、PLI、MI和beta频带PLV。其他家族出现部分收缩,其中alpha频带PLI从6条主要边收缩至2条稳健边,收缩幅度最大。仅通过主要层而未通过稳健层的边被谨慎解释。
4.6 效应量与矩阵总结
Hedges' g矩阵显示theta频带coherence、PLV、PLI及alpha频带coherence、PLV以负向效应为主,beta频带MI呈广泛正向效应,theta和alpha频带MI存在较小正向簇。总体表明MDD的传感器水平连接性改变呈频率依赖和指标依赖特征。
4.7 图论网络指标
在20%比例密度阈值下,theta频带coherence、PLV和PLI网络显示MDD组平均加权强度和全局效率降低,theta频带PLI还显示平均聚类和局部效率降低。alpha频带coherence和PLV网络显示平均加权强度和全局效率降低。beta频带仅beta-MI网络显示局部效率升高。介数中心性在所有频带×指标网络中均无校正后组间差异。
4.8 未阈值化加权网络敏感性分析
在60项频带×指标×图指标比较中,83.3%在20%比例阈值和未阈值化加权方法下效应方向一致。比例阈值分析产生24项Holm显著比较,未阈值化分析产生26项,其中14项在两种方法下均显著,表明整体图论模式对网络构建方法具有稳健性。
五、讨论与结论
讨论部分指出,本研究的核心发现并非统一的连接性升高或降低,而是频率依赖和指标依赖的组间差异模式。theta频带coherence、PLV和PLI以降低为主,alpha频带coherence和PLV呈选择性降低,beta频带MI呈广泛增强。PLI对零滞后耦合和容积传导效应不敏感,theta频带PLI的广泛降低为组间差异提供了非零滞后相位耦合证据。MI与coherence、PLV和PLI行为不同,表明其捕捉了不可还原为相位一致性或线性谱协方差的非线性依赖关系。图论结果支持边水平发现,显示MDD在theta和alpha频带网络强度及整合性降低。研究局限性包括19通道低密度导联限制空间分辨率、横断面设计无法确立因果关系、临床变量未建模以及MI结果需独立验证。结论认为,MDD与频率依赖和指标依赖的静息态EEG传感器水平连接性改变相关,最可重复的降低见于theta频带coherence、PLV、PLI及alpha频带coherence和PLV,而beta频带MI显示广泛增强的统计依赖性,不支持简单的全局低连接或高连接模型。