FUNCOIN:一种用于脑功能网络异常检测的全脑功能连接整合性标准化建模新框架

《Progress in Neurobiology》:Normative modeling of brain function abnormalities in complex pathology requires a whole-brain approach

【字体: 大 中 小 】 时间:2026年03月19日 来源:Progress in Neurobiology 6.1

编辑推荐:

  为克服脑疾病缺乏客观功能生物标志物及异质性难题,研究人员开发了全脑功能连接整合性标准化建模新方法FUNCOIN,用于在系统水平上识别个体偏离正常脑功能范围的情况。该研究利用英国生物银行(UK Biobank)约46000名健康个体的静息态功能磁共振(rsfMRI)数据构建模型,成功地在双相情感障碍和帕金森病患者的脑功能连接中发现了显著的、具有统计学意义的异常模式,甚至在帕金森病诊断前长达8年的扫描中也能检测到异常。该研究为复杂脑疾病的早期识别、亚型分层和个体化评估提供了新的网络水平分析工具。

  
人类大脑的复杂性和脑疾病的异质性,使得寻找稳定、客观的脑功能生物标志物充满了挑战。许多神经精神疾病,如双相情感障碍和帕金森病,并非简单的“生病-健康”二分状态,而更像是一个从正常到异常的连续谱。传统的病例-对照研究侧重于寻找群体间的平均差异,难以捕捉个体层面的独特变异,也无法有效应对患者群体内部的高度异质性。与此同时,越来越多的证据表明,脑疾病的影响往往不局限于局部脑区,而是会波及整个大脑的功能网络。然而,现有的静息态功能磁共振功能连接的标准化建模方法大多是“局部化”的,它们一次只分析一条连接,既无法捕获疾病的系统性全脑特征,也面临海量多重比较的统计困境。为了填补这一空白,一项发表在《Progress in Neurobiology》上的研究提出并验证了一种全新的全脑功能连接整合性标准化建模框架。
为了攻克上述难题,研究人员开发了名为“功能连接整合性标准化建模”的新方法,并公开发布了相应的Python软件包。该方法是对统计学中“协变量辅助主成分回归”方法的改进和适配,旨在对高维、半正定的功能连接矩阵进行降维和回归,一次性找到与年龄、性别等协变量最相关的功能连接成分,从而构建出精简而高效的全脑标准化模型。研究利用英国生物银行(UK Biobank)这一大规模人群队列,选取了约46000名无神经系统或精神疾病诊断的个体数据,以约7:3的比例划分为训练集和测试集,用以构建和验证模型。此外,研究还选取了符合条件(慢性、有静息态功能连接改变证据、样本量大于100)的双相情感障碍和帕金森病患者数据,用于检验模型识别疾病异常的能力。
主要研究结果
1. 全脑标准化建模识别出与性别、年龄相关的功能连接轨迹
研究利用FUNCOIN方法对32000名训练集健康个体的数据进行分析,成功识别出两个主要的功能连接投影成分。第一个成分的强度与性别和年龄均显著相关,其脑图显示该成分涉及默认网络、背外侧前额叶、丘脑、纹状体和小脑等脑区。第二个成分主要与性别相关,涉及默认网络、颞顶联合区、海马旁回等区域。这两个成分为正交,且其强度在健康人群中的分布可以分别用线性模型(经对数变换)很好地描述,从而建立了基于年龄和性别的全脑功能连接“常模”。
2. 全脑标准化模型可识别复杂脑疾病个体的功能偏差
将训练好的FUNCOIN模型应用于独立的测试集(包括14000名健康个体、101名双相情感障碍患者和132名帕金森病患者)后,研究发现,与健康对照组相比,疾病组中表现出极端Z值(|Z|>2)的个体比例显著更高。具体而言,9.1%的帕金森病患者在第一成分上呈现Z1<-2的异常模式;而双相情感障碍患者则分为两个亚组,分别有7.9%和6.9%的患者在第一成分(Z1>2)和第二成分(Z2<-2)上表现出异常,且没有一个患者同时在这两个成分上异常,暗示了疾病内部的异质性。
3. 帕金森病患者在临床诊断前数年已显示出全脑功能连接异常
一个非常突出的发现是,在那些在扫描之后才被临床诊断为帕金森病的患者中(平均在诊断前3.2年,最长可达7.8年),有9.3%的个体已经在FUNCOIN模型的第一成分上被识别为异常(Z1<-2)。这一比例与包含所有帕金森病患者的分析结果几乎一致,表明该全脑模型具有在疾病临床症状充分显现之前就检测到脑功能网络早期异常的潜力,这对于早期筛查和干预具有重要意义。
4. 局部化标准化模型无法可靠地发现功能连接偏差
作为对比,研究团队也构建了传统的“边-wise”模型,即对功能连接矩阵中的每一条边(共1485条)独立建立线性回归模型。结果显示,尽管在群体水平上,帕金森病患者的异常边数量分布与健康人有显著差异,但无法有效地在个体水平上将疾病患者识别为“异常者”。无论是选取拟合优度最高的单一边进行分析,还是通过统计异常边数量或极端Z值均值来整合信息,都无法像FUNCOIN模型那样稳定、显著地区分出疾病个体。此外,对患者之间异常边模式的相关性分析发现,其相关性极低且围绕0分布,表明边-wise模型捕捉到的信号可能混杂了大量噪音,缺乏特异性。
5. 模型验证与技术效能评估
研究对FUNCOIN模型进行了严谨的验证。一致性分析表明,在样本量大于2000时,模型识别出的前两个投影成分是稳定可靠的。模型修正了原统计方法在截距估计上的偏差,确保了预测的无偏性。残差分析证实了模型的正态性和方差齐性假设。测试集健康个体的Z值分布符合标准正态分布,说明模型具有良好的校准性和泛化能力。计算效率测试显示,该模型可扩展至大规模数据集。此外,分析排除了扫描站点和数据质量(如头动)对主要研究结果的混淆影响。
研究结论与意义
本研究系统性地论证了对于复杂脑疾病进行功能连接标准化建模时,采取全脑、系统水平分析的必要性和优越性。研究所提出的FUNCOIN框架,通过协变量相关的降维,巧妙地规避了传统边-wise方法面临的多重比较和特异性不足的问题,实现了对高维功能连接矩阵高效、稳健的建模。应用该模型于大规模人群数据,不仅描绘了健康大脑功能连接随年龄、性别的正常变化轨迹,更重要的是,它能够以个体为单位,定量识别出双相情感障碍和帕金森病患者偏离“常模”的、具有疾病特异性的全脑功能连接模式。尤为引人注目的是,该模型能够检测到帕金森病患者在临床确诊多年前的脑功能网络异常,这为神经退行性疾病的极早期预警和筛查提供了全新的视角和工具。同时,模型对双相情感障碍患者内部不同异常亚组的识别,也展示了其在解析疾病异质性、助力精准分型方面的潜力。综上所述,FUNCOIN为将脑功能网络测量转化为具有临床意义的个体化生物标志物开辟了一条有前景的新途径,有望推动神经精神疾病的诊断、预后评估和治疗决策向更客观、更精准的方向发展。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号