本篇文献分享发表于NeuroImage期刊，第一作者为Lukas Roell，共同第一作者为Stephan Wunderlich，通讯作者为Daniel Keeser。本公众号所发布内容旨在与大家分享学术新知，促进交流学习，版权归原作者或原出处所有，感谢各位学者的辛勤成果。

1.引言

过去二十年间，功能连接在刻画正常大脑组织以及各类脑疾病所致的改变方面发挥了主导作用。在静息态功能磁共振成像研究中，功能连接反映了静息状态下两个或多个脑区血氧水平依赖信号的统计依赖性。在适当的去噪策略下，BOLD信号源于脑血流量、血容量和血氧合作用的变化，被解释为神经活动的间接测量指标。因此，功能连接指的是不同脑区间神经活动相似性的程度。不同脑区间神经活动的统计相似性越高，这两个区域被认为功能连接越强。

以功能连接作为主要结局指标的研究通常采用以下四种方法之一：第一，基于典型的功能连接模式，将人脑划分为若干功能脑网络，如默认模式网络。第二，这些脑网络也可被视为沿不同空间轴分布的宏观梯度，并代表从青春期到成年期的发展标志。第三，许多研究试图将特定的功能连接模式与认知功能等行为领域联系起来，旨在阐明特定脑区对可观察人类行为的贡献。例如，海马与额中回之间的功能连接与多种认知过程（如工作记忆）相关。第四，为了识别病理状态的稳健生物标志物，许多方法通过比较临床样本与匹配的健康对照来检验特定功能连接模式的改变。例如，多个神经和精神疾病中已证实存在脑网络间的异常功能连接。

重要的是，采用上述四种方法之一的大多数研究都使用皮尔逊相关或偏相关来量化功能连接。由于相关系数仅覆盖两个BOLD时间序列之间的线性关系，近年来提出了旨在评估静息态fMRI研究中功能连接的其他指标。探索性证据表明，功能连接指标的类型会影响所得功能脑网络配置，包括提取的脑网络数量和大小，以及分配给每个网络的区域。近期一项跨学科工作将超过230种用于量化不同类型时间序列相似性的指标归为以下六类：基本度量、距离度量、谱度量、信息论度量、因果度量及其他杂项度量。这些相似性指标基于各种不同的计算方法，因此其数学属性（如非相似性、方向性、直接性、域或线性）各不相同。

面对种类繁多、数学属性各异的指标，目前尚不清楚上述FC研究中的常见方法是否能在不依赖于所选具体FC指标的情况下提供稳定结果。因此，在第一部分中，此研究考察了不同功能连接指标对静息态fMRI研究中几种常见基于功能连接结果的影响。具体而言，此研究评估了默认模式网络内的功能连接强度如何依赖于所选功能连接指标。此研究还检查了不同功能连接指标下宏观梯度的构成。此外，此研究还评估了海马-额叶功能连接与认知功能之间的关联是否在所有功能连接指标中保持稳定。最后，研究评估了精神分裂症患者与健康对照之间某些脑网络的功能连接差异是否独立于所选功能连接指标。

功能连接指标之间固然存在差异，但除此之外，当前广泛采用的功能连接统计定义本身还有一个更根本的问题：它未能区分研究者真正感兴趣的理论属性与评估该属性的方法学方法。换言之：当计算两个BOLD时间序列之间的纯统计相关性时，此研究往往不清楚这种方法学方法究竟捕捉了何种类型的生物学相互作用（理论属性）。如今，功能连接已被视为一个独立的研究主题，尽管其生物学基础尚未阐明。这一问题在临床异质性人群（如精神科样本）中尤为突出。

此研究假设，在生物学层面上，功能连接反映了两个或多个脑区同步其神经活动模式、促进它们之间有效信息流动的能力（理论属性），而功能连接指标的选择则是量化这种信号同步能力的方法（方法学方法）。因此，研究那些可能削弱不同脑区同步其神经活动能力的因素，是一种实证方法，用以探究哪种功能连接指标最适合测量人脑的连接性。

其中一个因素是正常衰老，它伴随着通过大规模规范建模方法揭示的全局和局部灰质体积下降。除了衰老之外，另一个值得关注的因素是恶性脑肿瘤等严重神经系统疾病。恶性高级别脑肿瘤更可能侵犯周围健康脑组织，从而导致结构性连接中断。考虑到结构性连接与功能连接之间的相互关系，此研究假设这种与年龄和肿瘤相关的灰质和白质组织退化很可能削弱大脑在不同区域间有效同步其神经活动的能力，导致晚年全局功能连接下降。事实上，近期一项大规模规范建模研究揭示了全局功能连接从四十岁中后期开始下降。

因此，在第二部分中，此研究旨在确定哪种功能连接指标最适合显示与年龄和恶性脑肿瘤相关的假定连接性下降。此研究进一步研究了在哪些功能连接指标下能够发现年龄相关连接性下降与认知衰退之间的关联。

通过此研究深入的多模态和跨诊断研究，为神经影像学研究领域做出贡献，以更好地理解是否可以使用皮尔逊相关或偏相关以外的指标在实证数据中量化脑连接性。

2.方法

2.1.研究样本

此研究基于四个在不同中心采集的独立数据集。所有研究程序均符合相关法律和机构指南，并已获得相应机构委员会的批准。此研究分析了来自德国莱比锡马克斯·普朗克研究所“Mind-Brain-Body ”数据集（MBB，DOI:10.18112/openneuro.ds000221.v1.0.0）、德国慕尼黑路德维希-马克西米利安大学医院精神病学与心理治疗科“临床深度表型”队列（CDF）、人类连接组计划衰老队列（HCP-Aging），以及比利时根特大学医院“脑肿瘤连接组学”数据集（BTC，DOI:10.18112/openneuro.ds001226.v4.0.0）的行为学和神经影像数据。

CDP和MBB数据集用于解决此研究的第一个目标，即考察不同功能连接指标对静息态fMRI研究中几种常见基于功能连接结果的影响。HCP-Aging队列、MBB数据集和BTC数据用于实现此研究的第二个目标，即评估不同功能连接指标捕捉年龄和肿瘤相关连接性下降的能力。BTC数据集中四名受试者的年龄和性别如图6和图7所示、

2.2. MRI数据采集

MBB数据集使用西门子3T Magnetom Verio扫描仪和32通道头线圈采集，扫描序列包括：磁化准备双快速梯度回波（MP2RAGE）序列、T2加权序列、静息态功能平面回波成像（EPI）序列以及弥散加权成像（DWI）序列；CDP数据集的成像方案参照了人类连接组计划（HCP） 的成像协议。该方案包括：T1加权磁化准备快速梯度回波（MP-RAGE）序列、T2加权SPACE序列（采用不同翻转角演化过程的应用优化对比度）、静息态平面回波成像（EPI）序列和弥散加权成像（DWI）序列，均在西门子3T Magnetom Prisma扫描仪和32通道头线圈上采集；BTC数据集使用西门子3T Magnetom Trio MRI扫描仪和32通道头线圈采集了T1加权MP-RAGE序列、静息态功能EPI序列和多壳层高角分辨率弥散成像序列。整个扫描方案在其他文献中已有描述。

2.3.多模态MRI数据处理

MBB和HCP-Aging数据集的T1和T2加权图像使用FreeSurfer v7.2进行处理。MBB、HCP-Aging和BTC数据集的DWI序列使用Mrtrix3 v3.0.3、FSL v6.0、Freesurfer v7.2、AFNI v22.1.09和ANTS v2.3.5的函数进行处理。HCP-Aging数据集的PCASL图像使用FSL v6.0中的Oxford-DSL进行处理。fMRIPrep v22.1.1用于预处理所有数据集的静息态功能MRI图像。移除前10个时间点并进行平滑处理后，使用Nilearn的clean_img函数从BOLD时间序列中回归掉全局信号、脑脊液信号、白质信号以及基于独立成分分析的自动运动伪影去除提取的噪声成分。使用Nilearn的maskers模块提取去噪后的BOLD时间序列。使用基于python的pyspi模块为20个不同指标计算受试者特定的功能连接。

2.4.功能连接指标的选择

近期一项跨学科研究提出了超过230种来自不同类别的指标来量化不同类型时间序列之间的非相似性，并发布了python包pyspi来计算这些指标。此研究选取了已在静息态fMRI研究中用于量化功能连接的四个数学类别的20个指标。此研究采用皮尔逊相关、偏相关、斯皮尔曼等级相关、肯德尔τ和交叉相关作为相关性指标。距离指标方面，计算了欧氏距离、曼哈顿距离、余弦距离、使用板仓平行四边形约束的动态时间规整以及使用坂尾-千叶带约束的动态时间规整。距离指标在数据分析前乘以-1以转换为相似性度量。相干幅度、相位相干、锁相值、相位斜率指数和谱格兰杰因果作为频域指标进行评估，而使用高斯、基于核或Kraskov-Stogbauer-Grassberger密度估计的互信息以及使用高斯或Kraskov-Stogbauer-Grassberger密度估计的转移熵作为信息论指标。

2.5.多模态神经影像结果与认知评估

如前所述，此研究的第一个目标是考察所选功能连接指标对静息态fMRI研究中几种常见基于功能连接方法的影响。此研究考虑了以下四种常用方法：默认模式网络连接性研究、宏观梯度评估、海马-额叶功能连接与认知关联的检验，以及基于病例对照比较的精神分裂症功能连接生物标志物识别。

关于此研究的第二个目标，即不同功能连接指标对年龄和肿瘤相关连接性下降的敏感性，此研究使用HCP-Aging队列和MBB数据集研究衰老效应，使用BTC数据集研究恶性肿瘤的影响。

多模态神经衰退的证据：在比较不同功能连接指标捕捉年龄和肿瘤相关连接性下降的能力之前，此研究首先利用其他MRI模态（结构MRI、DWI、PCASL）的数据证明，在此研究队列中确实存在多模态神经衰退。具体如下：

1. 结构MRI：脑体积测量

利用FreeSurfer v7.2处理结构MRI数据，基于FreeSurfer自带的皮层下分区和DKT皮层图谱，提取了以下预先定义的Hub节点区域的体积：楔前叶、后扣带回、前扣带回、脑岛、额上回、苍白球、壳核、丘脑、海马。这些区域因其与全脑其他区域的广泛连接而被选为Hub节点区域。将各区域体积进行z标准化后取平均，得到一个代表这些Hub节点区域平均体积的分数。

2. 弥散加权成像：结构性连接测量

利用DWI数据，通过Mrtrix3的tck2connectome函数，计算皮层下和皮层区域之间白质纤维束的数量，并用相应区域的体积进行标准化。提取Hub节点区域之间的结构性连接值，进行z标准化后取平均，得到所有Hub节点之间的全局结构性连接分数。

3. 伪连续动脉自旋标记：脑灌注测量

利用PCASL数据，通过Oxford ASL工具获得FreeSurfer皮层下分区和DKT图谱中所有区域的脑血流量（已进行部分容积校正）。提取每个Hub节点区域的脑血流量，进行z标准化后取平均，得到所有Hub节点的平均灌注量。

4. 静息态功能磁共振成像：功能连接测量

基于rs-fMRI数据，提取所有Hub节点区域的BOLD时间序列。对每种功能连接指标，计算所有Hub节点区域两两之间的功能连接值，然后在所有受试者内进行z标准化，最后在功能连接上取平均，得到每个受试者、每种功能连接指标下的平均功能连接分数。

对于BTC数据集中的恶性肿瘤患者，此研究采用以下策略评估肿瘤对连接性的影响：

基于DWI数据，使用Mrtrix3的tck2connectome函数，计算多模态Brainnetome图谱中所有区域之间的结构性连接。

对每名患者，分别提取靠近肿瘤位置的区域之间以及对侧半球相同区域之间的结构性连接值，经z标准化后取平均，得到两个分数：患侧结构性连接分数和对侧结构性连接分数。

基于rs-fMRI数据，对每种功能连接指标，采用相同策略计算患侧与对侧的功能连接分数。图1和图2分别展示了针对第一个和第二个研究问题的处理策略。

图1针对第一个研究问题的多模态处理策略。

图2针对第二个研究问题的多模态处理策略。

2.6统计分析

使用R v4.2.2进行统计数据分析。关于此研究的第一个目标，此研究在MBB数据集中描述性地评估了默认模式网络内的功能连接强度以及宏观梯度的构成。为考察健康受试者（来自CDP队列）中海马-额叶功能连接与认知功能之间的关联是否独立于所选功能连接指标，此研究为每个海马-额叶连接和每个功能连接指标计算了一个贝叶斯多元线性回归，以BACS综合分数为因变量，以海马-额叶功能连接、年龄和性别为预测变量。为了评估CDP队列中精神分裂症患者与健康对照之间常见脑网络的功能连接差异是否独立于所用功能连接指标，此研究为每个网络间连接和每个功能连接指标计算了一个贝叶斯多元线性回归，以网络间功能连接为因变量，以组别（精神分裂症、健康对照）、年龄和性别为预测变量。

关于此研究的第二个目标，此研究探讨了HCP-Aging和MBB数据集中衰老与多模态神经和认知衰退之间的关联。此研究使用贝叶斯多元线性回归，以Hub节点区域的平均体积、平均灌注、平均结构性连接和平均功能连接（所有20个指标）为因变量，以年龄和性别为预测变量。请注意，在MBB数据集的情况下，此研究将年龄作为二分预测变量（20-35岁年轻成人对比55-80岁老年成人），因为该数据集仅发布了年龄类别而非参与者的实际年龄。此外，此研究计算了贝叶斯多元线性回归，以NIH工具箱的认知综合分数为因变量，以Hub节点区域的平均体积、平均灌注、平均结构性连接和平均功能连接（所有20个指标）以及性别为预测变量。

使用brm's包计算的贝叶斯多元线性回归的主要兴趣检验统计量是Jeffreys默认贝叶斯因子（BF₁₀），它代表数据为备择假设（H₁：βₖ ≠ 0）相对于零假设（H₀：βₖ = 0）提供的连续相对证据量。BF₁₀在1到3之间反映备择假设的微弱证据，3到10之间被视为中等证据，10到30之间为强证据，30到100之间为非常强证据，BF₁₀超过100则为备择假设的决定性证据。

在脑海科技云平台中，内置了多种功能连接计算模块，支持用户批量处理静息态fMRI数据，并确保每一步参数设置都有据可查。平台的项目管理模块可清晰记录数据筛选标准、排除被试原因、分析版本、质量控制等信息，极大提升了研究的透明度和可复现性。感兴趣可联系预约产品演示。

3.结果

3.1.不同功能连接指标下的默认模式网络连接性

此研究比较了所有20个功能连接指标下两个半球的绝对连接强度。基于距离指标，此研究获得了默认模式网络内最高的绝对连接强度，其次是相关性指标，而信息论和频域指标显示出最低的绝对连接强度。在相关性指标中，偏相关的默认模式网络连接性最低。

3.2.不同功能连接指标下宏观功能梯度的构成

根据所用功能连接指标的不同，梯度模式在其图形表示上存在差异，尤其是相位相干、基于Itakura约束条件的动态时间规整、谱格兰杰因果和Kraskov-Stogbauer-Grassberger密度估计的转移熵未显示出Margulies等人提出的与默认模式网络相关的模式。相比之下，其余功能连接指标显示的梯度模式与已发表的默认模式网络梯度相对应。

3.3.不同功能连接指标下海马-额叶功能连接与认知的关联

图3A展示了从贝叶斯多元线性回归中提取的相应海马-额叶连接的β系数和BF₁₀，该回归使用CDP队列的健康对照评估了海马-额叶功能连接与认知之间的关联。结果表明，根据所选功能连接指标的不同，与认知功能相关的海马-额叶连接的数量和类型各不相同。例如，当使用皮尔逊相关、斯皮尔曼相关、肯德尔τ、欧氏距离、曼哈顿距离、余弦距离或坂尾-千叶带约束的动态时间规整时，左侧海马旁回与左侧前扣带回尾部之间更高的功能连接与更好的认知表现相关。这一发现在偏相关或其他任何功能连接指标下均未复现，表明功能连接指标的选择会影响脑-行为关联的结果和解释。

3.4.不同功能连接指标下精神分裂症的失连接模式

图3B显示了从贝叶斯多元线性回归中提取的预测变量“组别”的β系数和BF₁₀，该回归基于CDP研究中精神分裂症患者和健康对照，涵盖了脑网络间功能连接的病例-对照差异。结果显示，根据所选功能连接指标的不同，发现的失连接模式的数量和类型各不相同。例如，当使用偏相关、相干幅度或锁相值时，精神分裂症患者在视觉网络与背侧注意网络之间表现出超连接性。与此同时，其他任何功能连接指标下均未出现这一结果。因此，功能连接指标的选择会影响疾病相关失连接模式的结果。

图3 20项指标中病例组与对照组之间的脑-行为关联性及功能连接异常模式。

3.5.功能连接指标对年龄相关连接性与认知下降的敏感性

图4和图5展示了HCP-Aging和MBB队列中年龄与认知及Hub节点区域多模态神经结果之间的关联，以及从相应贝叶斯多元线性回归中提取的检验统计量。关于HCP-Aging数据集（图4A-D），此研究发现，参与者年龄越大，其Hub节点区域的平均体积（图4A）、结构性连接（图4B）和灌注量（图4C）平均越低。体积的效应最强，其次是灌注量和结构性连接。这些发现表明，HCP-Aging队列的Hub节点区域存在多模态年龄相关神经衰退。考虑到rs-fMRI数据（图4D），此研究的发现揭示，当使用皮尔逊相关、斯皮尔曼相关、肯德尔τ、交叉相关、欧氏距离或余弦距离作为功能连接指标时，有决定性证据表明Hub节点区域之间的功能连接随年龄下降。相应地，对于曼哈顿距离，此研究发现了非常强的证据支持这种关联，而对于高斯互信息则发现了强证据。在偏相关和坂尾-千叶带约束的动态时间规整的情况下，此研究仅发现了微弱证据，但对于相位相干和高斯转移熵分别有强证据和微弱证据支持年龄与Hub节点区域功能连接之间的正向关联。总体而言，效应量小于其他MRI模态。

关于MBB数据集（图4E-G），此研究发现，老年参与者Hub节点区域的平均体积（图4E）和结构性连接（图4F）平均低于年轻参与者。体积的效应强于结构性连接。这些发现表明，MBB队列中也可观察到Hub节点区域的多模态年龄相关神经衰退。考虑到rs-fMRI数据（图4G），此研究的发现显示，当使用交叉相关和板仓平行四边形约束的动态时间规整时，有决定性证据表明老年参与者的Hub节点区域功能连接低于年轻参与者。在皮尔逊相关、斯皮尔曼相关、肯德尔τ和余弦距离的情况下，此研究也获得了强证据支持这一组间差异，而欧氏距离和偏相关分别提供了中等证据和微弱证据。当使用坂尾-千叶带约束的动态时间规整、相干幅度、相位相干、锁相值、谱格兰杰因果以及两种转移熵版本时，老年参与者的Hub节点区域功能连接更高。除了板仓平行四边形约束的动态时间规整外，效应量均小于其他MRI模态。

回到HCP-Aging队列，此研究发现，Hub节点区域更大的平均体积（图5A）和更高的平均灌注（图5C）分别与HCP-Aging队列中更好的认知表现相关。灌注的效应强于体积的效应。对于Hub节点区域之间的结构性连接（图5B），此研究未发现此类关联。这些发现表明，HCP-Aging队列中与年龄相关的认知衰退存在于体积和灌注方面。关于rs-fMRI数据（图5D），仅观察到微弱证据表明Hub节点区域之间更高的功能连接与更好的认知表现相关，当使用皮尔逊相关、肯德尔τ、余弦距离和板仓平行四边形约束的动态时间规整时。效应量小于结构MRI和PCASL。

图4. HCP-Aging与 MBB 队列中年龄与多模态神经结局指标之间的关联性

图5. HCP-Aging队列中多模态神经结局与整体认知功能的相关性

3.6.功能连接指标对肿瘤相关连接性下降的敏感性

图6和图7显示了BTC数据集中四名恶性肿瘤患者的结构性连接和功能连接数据。此研究的发现表明，前三名受试者中，靠近特定肿瘤位置的区域之间与对侧半球相同区域之间的白质束平均数量更少，而BTC数据集中的健康对照则不然。对于第一名受试者（图6A），当使用皮尔逊相关、斯皮尔曼相关、肯德尔τ、欧氏距离、曼哈顿距离、余弦距离、坂尾-千叶带约束的动态时间规整或相位斜率指数作为功能连接指标时，观察到靠近特定肿瘤位置的区域之间与对侧半球相同区域之间的功能连接较低。对于第二名受试者（图6B），只有基于核的互信息和两种转移熵指标显示了相应结果。相比之下，相关性和距离指标以及若干频域指标显示出相反方向的效应。对于第三名受试者（图7A），除相位相干和板仓平行四边形约束的动态时间规整外，没有功能连接指标显示出靠近特定肿瘤位置的区域之间与对侧半球相同区域之间的明确差异，前者显示较低的功能连接。对于第四名受试者（图7B），与健康对照相比，两侧半球之间的白质束平均数量确实存在显著差异。只有相位相干和谱格兰杰因果显示了相应的模式。

图6肿瘤邻近区域与对侧等效区域间白质纤维束及功能连接（FC）的比较。

图7.肿瘤邻近区域与对侧等效区域间白质纤维束及功能连接（FC）的比较。

4.讨论

基于四个独立的多模态MRI数据集，此研究首先探讨了具有不同数学属性的功能连接指标是否会在典型基于功能连接的研究问题背景下导致不同的结论。此外，此研究评估了除皮尔逊相关或偏相关之外的功能连接指标是否更适合检测与衰老或恶性脑肿瘤相关的连接性下降。

4.1.功能连接指标对功能神经影像学典型研究方法的影响

所选功能连接指标会显著影响默认模式网络连接强度、宏观梯度构成、脑-行为关联以及疾病相关失连接模式的研究结果。因此，在将功能连接作为结局指标的研究中，指标选择是关键步骤，直接决定研究结论。

4.2.相关性和距离指标在检测年龄相关连接性下降中的优越性

相关性和距离指标在检测年龄相关的连接性下降方面表现最佳，而偏相关仅提供微弱证据，在汇总跨区域功能连接评分时实用性存疑。频域和信息论指标未能恰当捕捉年龄相关的连接性下降。

4.3.跨数据集、脑区和个体的变异性

功能连接指标的敏感性受扫描序列参数影响，且在不同个体和脑区之间存在差异。因此，合适指标的选择需综合考虑扫描条件、感兴趣区域和个体特征。

4.4.将当前发现嵌入理论功能连接框架

此研究结果为Reid等人提出的理论框架提供了实证支持，强调功能连接研究需要明确区分理论属性、方法学属性和混杂属性。没有单一的“最佳”指标，选择取决于研究问题、其他方法学因素和潜在混杂因素。

4.5.研究局限与未来方向

此研究存在以下局限：对“真实情况”的假设可能不完全成立；未提供指标选择的明确指南；未考察全局信号回归的影响；缺乏纵向数据验证重测信度。未来研究应结合模拟数据、系统评估扫描参数影响，并纳入更多未使用的指标。