摘要：

背景：颞叶癫痫（Temporal Lobe Epilepsy，TLE）与异常的动态功能连接模式相关，但每个时间点的大脑活动动态变化尚不明确，且与TLE动态时间特征相关的潜在分子机制也尚不清楚。

方法：对84例TLE患者和35例健康对照者（Healthy Controls，HCs）进行静息态功能磁共振成像（resting-state functional Magnetic Resonance Imaging，rs-fMRI）扫描。利用隐马尔可夫模型（Hidden Markov Model，HMM）分析TLE患者和健康对照组的rs-fMRI数据，以探索伴有认知障碍的TLE患者（TLE patients with cognitive impairment，TLE-CI）大脑活动的复杂时间动态特性。此外，通过艾伦人脑图谱（Allen Human Brain Atlas，AHBA）数据库，研究与TLE患者动态模块特征相关的基因表达谱。

结果：本研究识别出五种HMM状态。与健康对照组相比，TLE患者和TLE-CI患者在动态变化上表现出显著差异，包括占有率分数、持续时间、平均停留时间和转换率。此外，TLE患者和TLE-CI患者在HMM状态间的转换概率也显著不同（p<0.05）。TLE和TLE-CI患者的状态时间重构与多个脑网络相关（包括高阶默认模式网络（Default Mode Network, DMN）、皮质下网络（Subcortical Network, SCN）和小脑网络（Cerebellum Network, CN））。此外，研究发现1580个基因与TLE的动态脑状态显著相关，主要富集在神经元信号传导和突触功能方面。

结论：本研究为表征TLE中的动态神经活动提供了新见解。通过HMM分析定义的脑网络动态特性可能加深研究对TLE和TLE-CI的神经生物学基础的理解，并表明TLE中神经配置与基因表达之间的联系。

引言

颞叶癫痫（TLE）是成人中最常见的局灶性癫痫类型，约40%的TLE患者病情顽固难以治疗[1]。TLE是一种进展性疾病，与广泛认知能力下降相关[2]。尽管大多数癫痫发作可以通过抗癫痫药物控制，但TLE患者常表现出不同程度的认知障碍，如记忆障碍、命名困难、执行功能障碍和注意力分散[3]。这些认知障碍可能随着癫痫的进展而持续恶化。多达50-80%的TLE患者在至少一个认知领域存在障碍，其中记忆障碍最为常见[4, 5]。然而，认知障碍容易被忽视。通常，当认知能力下降被发现时，由于缺乏及时治疗，严重的脑损伤已经扩散。这些广泛损伤可能导致TLE患者生活质量显著下降，有时甚至比癫痫发作本身更具破坏性[6]。因此，迫切需要新的客观技术来揭示TLE患者早期认知障碍的神经病理机制。

静息态功能磁共振成像（rs-fMRI）是一种广泛用于研究TLE及其他脑疾病相关脑功能变化的非侵入性方法[7]。传统的静态功能连接（FC）分析通过计算预定义脑区的时间序列相关系数来评估fMRI信号波动的同步性[8]。许多rs-fMRI研究发现TLE患者脑内和脑网络之间的FC受损，包括默认模式网络（DMN）、前顶网络（FPN）和皮质下网络（SCN）[9, 10]。这些脑功能网络内和之间的FC变化与认知障碍相关。然而，FC研究依赖于静息态FC在扫描期间“stationary”的假设[11]。这一假设忽略了rs-fMRI期间FC的显著变异性，可能已不再适用。越来越多的证据表明，人体大脑系统是一个复杂的动态系统，FC在扫描期间会随时间波动[12]。一些研究报告了TLE患者[13, 14]或认知障碍患者中观察到的异常动态功能连接特征，突显了在神经影像领域研究脑连接动态性这一新方向的重要性，以及其在揭示TLE患者认知障碍相关机制中的关键作用。

捕捉复杂功能活动和连接模式（即空间状态）的时间变异性对于理解大脑的动态组织方式至关重要[15]。与反复出现的空间状态相关的时间特征可以通过占有率分数（FO，即特定功能活动或连接状态所占时间比例）、寿命（LT，即特定状态持续时间）、平均停留时间（MDT，即特定状态平均持续时间）、转换率（SR，即不同功能状态转换的总体频率）和转换概率（TP，即HMM中所有状态对之间转换的概率）来表征[16]。这些被称为时空度量的特定脑连接动态模式已被证明与思维过程以及特定的认知和情绪状态相关[17]。此外，脑动态模式的变化与阿尔茨海默病[18]、孤立综合征[19]和精神分裂症[20]相关。

滑动窗口方法被广泛用于分析脑动态波动[21]。在研究之前使用滑动窗口方法的rs-fMRI研究[22]及其他TLE研究[23]中，常发现DMN、感觉运动网络（SMN）和SCN的异常连接。然而，滑动窗口方法存在局限性[24]。它依赖于固定的窗口大小，其尺寸和步长是关键参数。选择最佳窗口大小至关重要，窗口过长会限制快速动态的可视化，而窗口过短则可能错过足够的数据以进行可靠的网络估计[25]。HMM通过将脑活动表征为从静息数据推断出的一系列离散状态，有效解决了这些挑战[26]。先前研究表明，HMM能够捕捉最小时间尺度上的脑活动动态[27]。此外，先前研究证实，脑活动的快速变化远非随机，因此HMM有助于在短时间内提供对中枢神经系统疾病脑活动动态特性的更丰富描述[28]。

脑活动受基因调控，脑基因表达谱有助于将脑活动与基因联系起来[29]。AHBA数据集被广泛用于研究基因表达与脑模式之间的关系[30]。转录组神经影像学关联分析可以揭示疾病相关变化的分子基础。例如，Amanda等人描述了不同形式自闭症谱系障碍（ASD）中的动态连接模式，揭示了不同ASD亚组中不同的分子信号机制[31]。Ling等人的结合神经影像学和转录组数据的分析表明，与神经血管单元完整性和突触可塑性相关的基因可能驱动脑代谢变化，从而介导TLE的遗传风险[32]。然而，与TLE动态神经结构相关的分子机制仍不明确。

本文涉及到的部分算法，在脑海科技多模态脑影像分析云平台可一键分析。平台内置一键式分析700+算法（包括fMRI、T1、DTI、MRS、QSM、机器学习等），用户无需学习代码，几天就可以掌握脑影像数据分析，欢迎添加微信号19906719439（樊老师）咨询产品相关

1 研究材料与方法

1.1研究对象

本研究纳入了2019年1月至2023年12月在广西医科大学第一附属医院确诊为颞叶癫痫（TLE）的患者。依据1981年、1989年和2017年国际抗癫痫联盟（ILAE）的诊断标准[33]，研究进行了严谨的诊断流程。纳入标准为：（1）确诊为TLE的患者；（2）遵循稳定的抗癫痫药物治疗方案；（3）证实为右利手。排除标准包括：（1）因可识别的颅脑结构异常（如创伤、肿瘤或血管异常）导致的继发性癫痫患者；（2）有神经或精神疾病史，或其他严重躯体疾病史；（3）有药物或酒精滥用史；（4）存在磁共振成像（MRI）禁忌证；或（5）未能充分遵守研究方案或MRI数据质量较差。需要注意的是，海马萎缩和硬化——TLE患者中常见的病理变化——并非本研究的排除标准。同时，研究纳入了35名在神经和精神方面健康的对照组个体，以提供神经影像学比较的基线数据。该对照组在人口统计学特征上与患者组匹配，并且经过全面的健康筛查。本研究的方案已获得广西医科大学第一附属医院伦理委员会的批准，并且所有参与者均签署了知情同意书。

1.2 神经心理学测试

所有被诊断为TLE的参与者均接受了全面的神经心理学评估。使用蒙特利尔认知评估量表（MoCA）[34]对其认知功能（包括语言、记忆、注意力、视觉空间技能和执行能力）进行评估。得分低于26分的参与者被归类为伴有认知障碍的TLE患者（TLE-CI），而得分高于26分的参与者被认为具有正常认知功能的TLE患者（TLE-CN）。

1.3 MRI数据采集

使用3.0特斯拉扫描仪（Philips，荷兰）采集MRI数据。参与者进行了450秒的静息态功能磁共振成像（rs-fMRI）扫描，获取了225个体积的大脑图像。随后获取了高分辨率的矢状T1加权图像，接着采集了轴向T2液体衰减反转恢复（FLAIR）序列，以识别并去除临床上不明显的细微脑部病变。有关rs-fMRI数据和T1加权结构图像采集的详细方法，请参阅补充材料。

1.4 图像预处理

使用DPABI软件（在MATLAB R2018b环境中运行）对rs-fMRI数据进行提取和预处理。首先将DICOM影像文件转换为NIfTI格式。详细的预处理步骤见补充材料。

1.5 隐马尔可夫模型

HMM假设大脑区域时间序列的波动可以浓缩为一组有限的潜在状态，每种状态代表一种可能持续或转换到另一种状态的短暂状态。该模型计算处于给定状态的概率以及状态之间的转换可能性。HMM分析的核心步骤包括：使用自动解剖标记（AAL）图谱将每位参与者的脑部分为116个感兴趣区（ROIs），对ROIs内的时序数据进行平均以生成复合时序，对这些时序进行标准化，并将它们整合到一个统一的数据集中。从该数据集中，HMM识别出具有独特统计特征的不同、反复出现的状态。为确定HMM状态的最优数量，研究评估了最小自由能和中间段的占有率。最终，研究从HMM状态中得出若干测量指标（包括FO、LT、MDT、SR和TP），以捕捉受试者内的动态变化（补充材料）。

1.6 基因表达数据预处理

艾伦人脑图谱（AHBA）（http://human.brain-map.org）提供了来自六个捐赠人脑的标准化微阵列表达数据（所有捐赠者均无已知的神经精神或神经病理病史），涵盖3702个脑组织样本中的20000多个基因。使用abagen工具箱（https://www.github.com/netneurolab/abagen）对基因表达数据进行预处理。详细的预处理步骤见补充材料。最后，利用缩放稳健的S形方法对每个基因的表达值进行样本间归一化。得到的基因表达矩阵（1938个样本×15633个基因）用于后续分析。

1.7 转录-神经影像学关联分析

基于AHBA基因表达数据以及具有时间特征的HMM状态3的平均激活，研究基因表达与HMM状态3平均激活之间的空间关联。从HMM状态3的平均激活中提取以每个组织样本坐标为中心、6毫米半径球体内的体素平均值。随后，使用皮尔逊相关性方法分析TLE中基因表达与HMM状态3平均激活之间的空间相关性。采用Bonferroni方法对多重比较进行调整（p<0.05/15633=3.20×10−6）。根据先前研究，研究下载了TLE基因表达谱[35]。最终，经过多重比较调整后与TLE表达基因谱相交的基因被定义为与TLE动态状态相关的基因。

1.8 富集分析

使用DAVID数据库（https://david.ncifcrf.gov/）对与动态状态相关的基因进行基因本体论（GO）富集分析（包括生物过程（BP）、分子功能（MF）和细胞组分（CC））以及京都基因与基因组百科全书（KEGG）富集分析。显著性阈值设为p<0.05（FDR校正）。

使用STRING数据库（https://string-db.org/）构建与动态状态相关的基因的蛋白-蛋白相互作用（PPI）网络。置信度设为0.9，其他参数保持默认值。通过Cytoscape识别PPI网络中的关键节点。利用度中心性算法确定PPI网络中的五个关键基因，这些基因被认为是生物功能中最重要的基因。

1.9 统计分析

本研究使用SPSS 25.0软件包（SPSS, Inc., Chicago, IL, USA）[36]和GRETNA [37]进行统计分析。连续变量表示为均值±标准差（SD），分类变量表示为频次。连续数据的比较采用独立样本t检验或单因素方差分析（ANOVA），分类数据的分析采用卡方检验。

为检验HMM状态的FO、LT、MDT和SR，使用双尾双样本t检验比较TLE患者与健康对照组（HCs）以及TLE-CI与TLE-CN。采用假发现率（FDR）校正以应对多重检验问题，显著性阈值设为p<0.05。

使用非参数置换检验分析TLE患者与HCs以及TLE-CI与TLE-CN之间HMM状态的TP。共进行了5000次置换，以建立每组之间动态全局差异的零分布，并据此计算p值。

2 结果

2.1 人口学和临床数据

本研究最终分析了84例TLE患者和35例HC的数据。表1展示了TLE患者和HC的人口学及临床特征。三组间在年龄、性别和教育水平方面无显著差异。然而，TLE-CI、TLE-CN和HC的MoCA评分存在显著差异。

2.2 TLE患者的HMM状态异常动态变化

首先，使用119名受试者（包括84例TLE患者和35例HC）的静息态功能磁共振成像（rs-fMRI）数据来估计隐马尔可夫模型（HMM）状态。观察发现，HMM状态5展现出最小的自由能和中间的占有率分数（FO）。基于这些发现，本研究最终确定了5种HMM状态（图1）。

在HMM中，FO被用于研究TLE的时间特征。与HC相比，TLE患者HMM状态3的FO显著降低（p=8.6×10⁻⁷）（图2a）。TLE患者和HC在其余HMM状态的FO上无显著差异（图2a）。TLE患者HMM状态3的寿命（LT）显著缩短（p=1.2×10⁻⁴）（图2b），且TLE患者HMM状态3的平均停留时间（MDT）也显著缩短（p=1.2×10⁻⁴）（图2c）。然而，TLE-CI和TLE-CN在HMM状态的FO、LT和MDT上无显著差异（图2d-e）。

2.3 HMM状态间的异常转换模式

TLE患者的转换率（SR）显著高于HC（p=0.010）（图3a），表明在扫描过程中TLE患者和HC的网络动态模式存在明显差异。此外，置换分析（5000次置换）显示，TLE患者和HC在HMM状态的转换概率（TP）上存在显著组间差异。

表1. 该表格对比了TLE患者（包括认知障碍和无认知障碍亚组）与健康对照组的人口学及临床特征。结果显示，各组在年龄、性别和教育年限上差异不显著。

图1 5种HMM状态。HMM，隐马尔可夫模型。

该图展示了通过隐马尔可夫模型（HMM）分析得到的5种不同的脑活动状态（State 1至State 5）。上方的矩阵图表示不同脑区之间的功能连接强度，颜色代表连接强度的数值，其中蓝色表示低连接强度，黄色表示高连接强度。下方的3D脑图则直观地显示了每种状态下大脑各区域的活动模式，不同颜色代表不同的活动水平或网络参与程度。这些状态反映了大脑在静息状态下的不同动态活动模式，可能与认知功能和信息处理的不同阶段有关。

图3b显示了HMM状态之间转换概率（TP）的显著组间差异。与健康对照组（HCs）相比，TLE患者从HMM状态2、4和5到状态1，从状态1和2到状态2，从状态4和5到状态3，从状态2、3、4和5到状态4，以及从状态1、2、3、4和5到状态5的TP显著增加（状态2到1：p=0.0316；状态4到1：p=0.0070；状态5到1：p=0.0098；状态1到2：p=0.0012；状态2到2：p=0.0100；状态4到3：p=0.0150；状态5到3：p=0.0112；状态2到4：p=0.000；状态3到4：p=0.0032；状态4到4：p=0.000；状态5到4：p=0.0110；状态1到5：p=0.0386；状态2到5：p=0.000；状态3到5：p=0.0038；状态4到5：p=0.0028；状态5到5：p=0.0000）。此外，TLE患者从HMM状态1和3到状态3的TP显著降低（状态1到3：p=0.0000；状态3到3：p=0.0042）。这些发现表明TLE患者HMM状态之间的转换模式存在显著异常。

TLE-CI和TLE-CN之间的SR无显著差异（p=0.098）（图3c），表明两组的网络动态模式相似。然而，图4d显示了HMM状态之间TP的显著组间差异。与TLE-CN相比，TLE-CI从HMM状态3、4和5到状态4，从状态2到状态2，以及从状态2到状态3的TP显著增加（状态3到4：p=0.0424；状态4到4：p=0.0458；状态5到4：p=0.0468；状态2到2：p=0.0104；状态2到3：p=0.0482）。这些结果表明TLE-CI的HMM状态之间存在显著的异常转换模式。

2.4 状态脑激活图

在患有TLE的患者中，空间激活图显示大脑的大规模全球网络主要处于状态3（图4a）。这种状态主要表现为默认模式网络（DMN）区域（包括额叶、顶叶和扣带回）的活动增强。相反，在枕叶、皮质下区域和小脑观察到活动减少。在伴有认知障碍的TLE患者（TLE-CI）中，大规模全球脑网络状态的空间激活图主要由状态2主导（图4b）。HMM状态2显示顶叶和小脑的激活增加，而颞叶和皮质下区域的激活减少。

图2 动态指标的差异。（a-c）TLE患者与HCs的每个HMM状态的占有率分数（FO）、寿命（LT）和平均停留时间（MDT）存在显著差异。（d-f）TLE-CI与TLE-CN的每个HMM状态的FO、LT和MDT存在显著差异。所有时间属性均通过双尾双样本t检验进行评估。*表示显著组间差异（p<0.05）。TLE：颞叶癫痫；HCs：健康对照组；TLE-CI：伴有认知障碍的颞叶癫痫；TLE-CN：认知功能正常的颞叶癫痫；FO：占有率分数；LT：寿命；MDT：平均停留时间。

2.5 相关性分析

在TLE患者中，各HMM状态的动态指标与蒙特利尔认知评估（MoCA）评分之间无显著相关性（p>0.05）。同样地，对于伴有认知障碍的TLE患者（TLE-CI），各HMM状态的动态指标与MoCA评分之间也不存在显著相关性（p>0.05）。

2.6 与TLE相关的HMM状态基因

通过皮尔逊相关性分析，研究了具有动态时间特征的HMM状态（状态3）的平均激活与基因表达之间的关系。在进行多重比较和校正后，共发现3815个基因。通过将先前研究中发现的TLE基因表达谱与经多重比较和校正后获得的基因进行比对，最终确定了1580个基因，并将其定义为与TLE动态状态相关的基因。

2.7 富集分析

利用DAVID数据库，将与TLE动态状态相关的基因与基因本体（GO）通路进行比较。GO富集分析结果显示，在生物过程（BP）方面，“信号转导”“细胞黏附”和“轴突导向”显著富集；在细胞组分（CC）方面，“细胞质”“细胞溶质”“突触前膜”和“突触后膜”显著富集；在分子功能（MF）方面，“离子通道活性”“蛋白质结合”和“钙离子结合”显著富集。京都基因与基因组百科全书（KEGG）富集分析显示，“生物钟同步”“吗啡成瘾”和“钙信号通路”是显著的通路。

2.8 蛋白-蛋白相互作用（PPI）网络分析

基于1580个与TLE动态状态相关的基因，进行了PPI网络分析。构建了一个包含669条边的网络，这显著高于预期的540条边。研究发现，由PIK3CA、PIK3CB、PIK3CD、CTNNB1和ITGB1编码的蛋白质是PPI网络中的前五大关键基因。

3 讨论

研究对 TLE（颞叶癫痫）患者及健康对照组（HC）的静息态功能磁共振成像（rs-fMRI）数据进行了隐马尔可夫模型（HMM）分析，旨在探索 TLE 认知受损（TLE-CI）脑活动复杂的时序动态性。同时，研究利用 Allen 脑图谱（AHBA）数据库，研究了与 TLE 患者动态模块特征相关的基因表达谱。研究确定了五个独特的空间状态，这些状态通过功能连接和平均功能活动在研究样本中得以表征。动态测量结果显示，与健康对照组相比，TLE 患者的状态 3 的驻留时间（LT）、平均持续时间（MDT）更短，频率（FO）更低，而状态3 的特征是默认模式网络（DMN）、感觉运动网络（SMN）和突触连接网络（SCN）的活动更高。在 TLE 认知受损（TLE-CI）和 TLE 认知正常（TLE-CN）之间，动态测量指标未见显著差异。此外，研究还发现 TLE 患者与健康对照组在稳定性（SR）和转移概率（TP）方面存在显著差异。在 TLE-CI 和 TLE-CN 之间，稳定性未见显著差异，但转移概率差异显著。研究的研究结果表明，在静息态功能磁共振成像下，TLE-CI 患者的脑活动表现出小脑网络重构，这可能反映了大脑对疾病影响的代偿性变化。然而，研究并未发现动态网络异常与神经认知功能表现之间的相关性。此外，研究共确定了 1580 个与 TLE 隐马尔可夫模型状态激活相关的基因。富集分析表明，这些与 TLE 动态状态相关的基因在突触前 / 突触后膜、离子通道活性和蛋白质结合等多个与 TLE 相关的术语上具有本体富集性。这些发现基于 rs-fMRI 数据揭示了 TLE 的动态神经构型，有助于从整合的角度理解特定的 TLE 机制。

图 4 状态的脑激活图。（a）状态 3 的平均激活分布主要由 TLE 引发。（b）状态 2 的平均激活分布主要由TLE-CI 引发。

3.1 TLE 中的脑网络动态

研究通过 HMM 揭示了 TLE 及其认知障碍患者的神经动态。与健康对照组（HC）相比，TLE 患者的脑动态发生了变化。研究确定了五种独特的脑活动状态，表明 TLE 患者的功能连接（FC）随时间波动而非静止不变。研究随后评估了这些状态的时间分布。结果显示，TLE 患者与健康对照组在脑状态的总体分布上存在显著差异，尤其在频率（FO）、驻留时间（LT）和平均持续时间（MDT）方面，这一发现与之前的研究结果一致[38, 39]。在 TLE 动物模型的静息态功能磁共振成像（rs-fMRI）研究中也观察到了类似的现象[40]。这些差异表明，TLE 患者的神经网络动态特征为 LT 和 MDT 的减少以及 FO 的降低。这些发现可能反映了网络配置稳定性的下降和区域间连接的减弱。此外，尽管与 TLE-CN 相比，TLE-CI 显示出状态占用率增加和持续时间缩短的趋势，但这些差异并不具有统计学意义，这表明 TLE-CI 患者可能与 TLE-CN 患者在动态功能连接方面存在相似的变化。然而，由于 TLE-CI 的代偿效应，研究无法确定这些动态网络异常与神经认知功能表现之间的直接相关性[41]。

通过持续且流畅的状态转换，人脑复杂的动态系统为认知功能提供了基础。理解这些转换对于把握TLE 受损大脑（伴有认知缺陷）的功能可塑性至关重要。研究分析了所有五种 HMM 状态的稳定性（SR），即状态之间转换的频率[42]。结果显示，TLE 患者与健康对照组在脑状态的 SR 和转移概率（TP）方面存在显著差异，其中 TLE 患者的 SR 高于健康对照组，表明 TLE 患者表现出不稳定的转换模式[43]。更具体地讲，HMM 分析能够捕捉数据中包含的大部分信息。

图 5 来自基因本体（GO）和京都基因与基因组百科全书（KEGG）富集分析的结果。圆圈的大小代表参与某个本体论条款的基因数量，每个圆圈的颜色代表显著性水平。其中，BP 代表生物过程，MF 代表分子功能，CC代表细胞成分。

3.2 TLE-CI 中的脑网络动态

此外，TLE-CI 中还观察到动态畸变。TLE-CI 和 TLE-CN 在稳定性（SR）方面没有显著差异，表明两者在脑连接转换方面具有相似的模式。然而，在转移概率（TP）方面存在显著的组间差异，这表明 TLE-CI 的脑状态转换模式发生了显著变化。这种状态转换的不灵活性可能与TLE-CI 的病理生理学有关[44]。

基于 TLE 诱导的大规模全脑网络状态的空间激活图，研究的结果显示默认模式网络（DMN）、突触连接网络（SCN）和感觉运动网络（SMN）的激活程度高，而视觉网络（VN）和小脑网络（CN）的激活程度低。对于 TLE-CI 诱导的大规模全脑网络状态，研究的结果显示 SMN 的激活程度低，而 CN 的激活程度高。这些发现与之前的证据一致，即 TLE 患者在 DMN、VN、SMN 和 CN 中表现出异常的静态和动态网络相互作用[45, 46]。在 TLE 患者中广泛研究的 DMN、VN 和 SMN 网络，在广泛的 TLE 病理生理学中表现出异常连接[47, 48]。值得注意的是，研究观察到 TLE-CI 中 CN 的高激活程度，这与之前的一项研究结果一致[49]。尽管小脑传统上被认为是运动回路的一部分，但现在人们认为它通过与大脑认知中心的新皮层的密集相互连接，对各种认知功能有贡献[50]。一些研究表明，TLE 患者小脑的结构和功能变化与认知障碍有关[51, 52]。总之，这些发现表明 CN 在 TLE 中也很重要，可能成为研究 TLE-CI 的有前途的生物标志物。功能网络连接（FNC）的减少反映了网络功能障碍，而 FNC 的增加则归因于代偿机制或大脑微观结构损伤后的重组。

图 6 由 TLE 动态状态相关基因构建的蛋白质 - 蛋白质相互作用（PPI）网络。圆圈的大小和颜色表示度中心性（degree centrality）的大小。TLE 代表颞叶癫痫；PPI 代表蛋白质 - 蛋白质相互作用。

3.3 神经构型与基因表达之间的联系

研究把 TLE 中 HMM 状态的激活与动态时间特征和基因表达水平联系起来。TLE 是一种受突触连接、受体功能和离子通道异常等诸多因素影响的复杂性疾病，这些因素已被证实体内易于发生 TLE[53]。近期人类影像遗传学的进步为探索与脑功能或结构测量相关的基因提供了思路。通过采用皮尔逊相关性分析，研究确定了1580个与TLE动态状态相关的基因。富集分析显示，这些基因在多个本体论术语中富集，包括细胞质、突触前膜和突触后膜、离子通道活性、蛋白质结合和钙离子结合等。在 TLE 患者和动物模型中，大脑突触连接的结构和功能变化也得到了证实[54]。癫痫是由异常电流通过神经元细胞膜引起的，而众多离子通道促使了这一过程。这些离子通道的功能障碍是导致神经元过度兴奋从而引发癫痫的基础[55]。因此，在本体论术语中出现与离子通道相关的术语并不令人意外。值得注意的是，KEGG通路分析识别出一些关键通路，如生物钟同步、吗啡成瘾和钙信号通路等，这些通路在先前研究中与癫痫和神经性疾病有关[56]。在各种癫痫中，癫痫发作表现出睡眠 - 觉醒和生物钟节律模式，反之又会扰乱睡眠和生物钟节律。由此产生的睡眠剥夺可能会导致疾病进展，甚至引发癫痫相关死亡[57]。尽管没有足够证据表明存在“TLE 特异性”基因，但研究从多尺度理解 TLE 提供了一种潜在视角。研究结果拓展了 TLE 中新出现的分子通路图谱，并表明与 TLE 动态状态相关的基因值得进一步研究。

3.4 蛋白质 - 蛋白质相互作用（PPI）网络

此外，富集分析显示，与 TLE 动态状态相关的基因主要富集于突触前膜 / 突触后膜、离子通道活性和蛋白质结合等，这表明多种通路共同参与了 TLE 中的脑动态过程。PPI 网络分析揭示了一个具有 669 条边的网络，显著超过了预期的 540 条边，表明蛋白质相互作用高度互联。特别是，枢纽基因 PIK3CA、PIK3CB 和 PIK3CD 是Ⅰ型PI3K 的亚型，它们编码不同的催化亚基。PI3K（磷脂酰肌醇- 3 - 激酶）是一种重要的细胞内信号转导酶，在细胞生长、增殖、分化、存活和运动等多种细胞功能中发挥关键作用。在信号转导过程中，PI3K 通过生成磷脂酰肌醇（3,4,5）- 三磷酸（PIP3）激活下游信号分子，如 AKT（蛋白激酶 B）和 mTOR（雷帕霉素靶蛋白）通路，从而调节许多细胞过程[58]。PI3K/AKT 信号通路是癫痫相关通路之一，在癫痫的发病机制中发挥重要作用[59]。此外，作为排名靠前的枢纽基因 CTNNB1 和 ITGB1 表明，Wnt 信号通路和整合素介导的通路在 TLE 中的作用比之前认为的更为显著，提供了新的见解，可能为未来的治疗策略提供依据[60]。未来研究还需探索这些基因在 TLE 中的因果效应。

本研究存在一些局限性。TLE - CI 组和 TLE - CN 组的样本量不相等。未来研究应增加样本量，并纳入纵向测量，以探讨与动态特征相关的组间差异。患者接受了多种类型、剂量和疗程的抗癫痫药物治疗，这可能会影响本研究的结果。每位参与者的功能磁共振成像扫描时间相对较短。为了减轻这一局限，研究将所有参与者的时间序列数据进行拼接，并将 HMM 模型应用于由此产生的扩展数据集。这种方法使研究能够捕捉足够的信息，以解决扫描时长较短的问题。此外，尽管研究将 TLE 动态状态的激活与转录组数据联系起来，以加深对 TLE 分子机制与神经动态之间关系的理解，但基于相关性的转录 - 神经影像学研究无法提供因果关系的证据。

4 结论

参考文献

解读：万家利

审核：吴金颖