本篇文献发表在NeuroImage杂志。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付出与研究成果。

1.引言

描述和理解儿童期和青少年期的大脑发育长期以来一直是发育神经科学的优先事项。基于对成年之前几年发生的结构和功能变化的现有知识，并考虑到青春期在精神病理学发展中的关键作用，该领域面临的重要挑战包括阐明年龄和青春期发育在典型成熟过程中的确切作用。考虑到该年龄段按性别划分的精神健康障碍诊断率的差异以及不同类型精神健康障碍的不同风险，理解这一过程是否因出生时分配的性别而异至关重要。然而，由于女性青少年青春期提前，这一任务也变得复杂，而青春期提前本身与精神病理学的发展有关。鉴于年龄、出生时分配的性别和青春期发育的复杂相互作用在过去的工作中已被证明与大脑变化和精神病理学的发展相关，解开这些因素在青少年大脑中的独特和重叠作用对于理解临床相关的发育过程至关重要。

静息态功能磁共振成像可用于刻画脑网络的特征。许多研究使用功能磁共振成像数据测量静息态功能连接（脑区之间信号的相关性），以理解大规模神经网络以及网络内和网络间连接模式的变化。这些静息态功能连接研究相当一致地确定了从儿童期到青年期与年龄相关的变化。一种已被用于刻画功能连接变化的方法是图论，其中通过将脑区视为整体网络中的节点来评估脑网络的拓扑特征。图论方法已发现从儿童期到青年期网络分离和定义增加，以及随着年轻人成熟，网络功能整合增加。使用图论方法的研究也发现了成年早期的性别差异，包括年轻成年男性大脑网络的功能分离指标通常较高，而年轻成年女性大脑网络的功能整合指标较高。在年轻人中，更广泛的功能连接性别差异，包括特定网络之间的连接差异以及男性整体功能连接值较高，也已被确定。在青少年，尤其是儿童中，一致的性别差异较少，但已发现功能连接的区域性差异，如楔前叶和杏仁核。此外，一些研究发现女性儿童中功能网络的分离和特化增加，而男性儿童中整合和全局加工增加，这与在年轻人中识别的模式相反。

儿童和青少年中与性别相关的研究发现较少且不一致，这导致了一种观点，即至少有一些性别差异可能是青春期变化的结果，这一命题得到了大量过去工作的支持。特别是，动物模型的研究已证明青春期激素在青春期对大脑有组织效应，并且这些激素对大脑及随后行为的影响是性别依赖的。关于青春期和青春期激素对人类大脑，特别是青少年大脑影响的研究更为有限，但已有研究将青春期激素浓度的变化和青春期分期分别与脑体积的变化联系起来。也有研究报道了青春期前后脑结构的性别特异性差异。直接研究青春期激素对功能连接影响的研究更为有限，但少数研究将青春期分期与女孩在社交和情绪加工过程中特定脑区之间功能连接的改变联系起来，并将睾酮水平与杏仁核-眶额皮层连接联系起来。最近的一些研究更广泛地研究了青春期发育对功能连接的影响，并发现皮层-皮层下功能连接减少，以及通过图论方法测量的功能分离和效率增加。尽管目前对潜在激素机制的调查和证据有限，但这些研究中有几项表明，功能连接的发育变化更符合青春期发育模型而非年龄模型，分别针对女性和男性，并且许多这些指标在青春期开始前后显示出明显的拐点。

上述研究为理解与年龄、出生时分配的性别和青春期相关的发育中大脑的变化提供了关键基础。然而，所有这些研究都使用了传统的“静态”分析，计算整个扫描过程中平均功能连接。这些分析可能仅提供了一个了解大脑如何功能和组织的窗口，并且可能特别受限，因为这种方法本质上假设整个功能网络状态及其关键属性和连接在整个静息态扫描过程中保持恒定。事实上，越来越多的文献强调脑状态的动态特性，即使在静息态间隔内也是如此，并且最近的工作开始更多地关注脑区间相关活动随时间的动态，以此进一步理解大脑功能和组织。研究扫描过程中功能连接的时间相关动态或变异性的分析，即“动态”分析，可能为理解大脑如何动态灵活地适应不同情境和认知需求，以及大脑中各个子网络如何随时间相互作用提供了一个独特的视角。有多种不同的方式可以评估动态功能连接，包括通过扫描过程中在单个脑区或更大尺度网络之间计算的某些指标的变异性，通过使用聚类技术来识别个体在扫描过程中进入并花费不同时间量的不同“脑状态”，以及通过旨在总结大脑功能的图论量的时变测量。动态连接指标已被证明与各种行为认知能力相关，包括刺激相关任务、工作记忆任务和整体认知表现。重要的是，动态功能连接的改变已与几种形式的精神病理学联系起来，如精神分裂症、双相障碍和抑郁症，在某些情况下，这些差异在仅评估静态功能连接时被掩盖，这强调了纳入动态测量的重要性。

对动态功能连接与年龄相关变化的研究发现，从儿童期到成年期，内在功能网络之间相关性的时间变异性增加，特别是在涉及核心认知网络的网络间相关性中，如额顶网络、默认模式网络和突显网络。从通过聚类技术识别脑状态的替代但可能互补的角度来看，个体花费时间的特定类型脑状态也已被证明随年龄而变化，年龄较大的个体花费更多时间在高度模块化和网络定义的状态中。此外，年龄较大的个体特别花费更多时间在默认模式网络内高连接的状态中，而年龄较小的个体花费更多时间在默认模式网络与任务相关网络（如认知控制网络）之间高连接的状态中，以及更多时间在更全局断开的状态中。与出生时分配的性别相关的动态连接发育差异研究相对不足，特别是从功能连接变异性的角度来看，但最近的工作发现，10至14岁出生时被分配为女性（AFAB)的儿童比出生时被分配为男性(AMAB)的儿童具有更广泛的成熟动态连接模式，花费更多时间在高度模块化和区分良好的状态中。在年轻人中，过去的工作发现，出生时被分配为女性者花费更多时间在分离的脑状态中，具有高网络内连接，特别是在默认模式网络的子网络之间，而出生时被分配为男性者在某些任务相关和感觉网络之间具有更高的连接，并且通常在状态间动态转换中表现出更大的流动性。这些基于性别的差异，特别是那些显示出相对更快的动态连接发展以及出生时被分配为女性者或女性中出现更成熟连接模式的差异，是否与青春期发育相关尚不清楚，因为目前尚无使用动态分析直接研究青春期发育对功能连接影响的调查。

此研究旨在建立并扩展先前研究儿童和青少年静息态功能连接动态模式的工作。特别地，此研究希望为关于动态如何随儿童年龄增长和经历青春期发育而变化，以及连接模式如何因出生时分配的性别而异的有限且有时存在冲突的研究提供更多见解。为了评估大脑动态，此研究将特别关注测量特定感兴趣网络内部和之间相关性的时间变异性：额叶边缘网络、默认模式网络以及背侧和腹侧皮质纹状体网络。选择这些网络是因为先前研究中已发现它们在发育过程中的改变，以及它们在精神病理学发展中的意义。此研究还将通过测量整个扫描过程中总结整体网络分离和整合的几个图论指标的时间变异性来评估动态功能连接。通过这样做，此研究旨在通过网络内和网络间变异性的结果，更直接地评估这些网络的功能配置，并补充其结果。此研究还旨在通过同时研究这些指标（网络变异性和图论指标变异性）如何与发育变化以及彼此相关，来填补文献中的空白。

为了研究动态功能连接与年龄、出生时分配的性别和青春期发育之间的关系，此研究利用了大规模纵向青少年脑认知发展研究的两个早期数据点，该研究采用基于人群的方法招募了超过1.1万名9岁和10岁的儿童，并正在对他们进行长达十年的纵向追踪。此研究使用动态条件相关方法来构建低运动静息态扫描过程中的时变相关矩阵。这些相关矩阵随后用于确定感兴趣网络节点之间相关性的变异性，以及根据这些矩阵随时间计算的图论指标的变异性。总体而言，此研究考虑了与动态功能连接相关的十五个结局指标：四个图论指标的变异性、四个网络（额叶边缘网络、默认模式网络、背侧和腹侧皮质纹状体网络）的网络内和网络间变异性，以及整个扫描过程中四个网络的平均功能连接变异性。第一个目标是评估这些结局指标如何随年龄变化，以及年龄的影响是否因出生时分配的性别而异。第二个目标是评估这些结局指标如何随青春期发育而变化，以及青春期状态的影响是否与出生时分配的性别相互作用。第三个目标是研究这些结局指标如何在整个年龄和青春期阶段因出生时分配的性别而异。由于关于动态功能连接与年龄、出生时分配的性别和青春期发育之间关系的文献相对有限，特别是从评估变异性而非脑状态转换的动态角度来看，此研究事先假设有限，并旨在使当前研究具有探索性。然而，此研究确实期望重复文献中的某些先前发现，例如随着儿童成熟，某些网络内部和网络之间变异性的增加，出生时被分配为女性者的青少年中更成熟的大脑模式，以及整个发育过程中潜在功能网络状态的整体分离和整合属性的变化。

2.材料与方法

2.1.样本

样本包括来自ABCD研究的参与者，这是一项21个中心的纵向研究，追踪一大群儿童随时间的人口学、身体、心理、环境和其他变量。ABCD研究包括11,878名参与者，他们在初始数据收集时年龄为9-10岁（基线），采用旨在招募反映美国社会人口学变异的流行病学信息样本的抽样策略。请注意，ABCD研究明确旨在纵向追踪参与者直至成年早期。每个ABCD数据收集站点都获得了当地或加州大学圣地亚哥分校中央机构审查委员会的机构审查委员会批准。从初始样本中，若个体参与者在基线数据收集（“Baseline”）、第二年随访事件（“Year 2”）或两者任一时间点具备足够质量的静息态功能磁共振成像（fMRI）数据（即符合纳入标准，详见“影像数据采集与预处理”部分），则其个体数据被纳入分析。最终获得4136名独立参与者共5122个观测值（基线期或第二年数据）。基线期数据包含2594名参与者，第二年数据包含2528名参与者。整体样本（包含两个时间点）的人口统计学信息，以及基线期与第二年独立样本的人口学特征详见表1。

2.2.年龄、出生时分配的性别和青春期状态的测量 

出生时分配的性别使用父母报告进行测量。具体来说，父母被问及孩子出生时在原始出生证明上被分配了什么性别，回答选项为“男性”、“女性”、“间性-男性”、“间性-女性”、“不知道”或“拒绝回答”。在此研究使用的样本中，没有父母为其孩子选择“间性-男性”或“间性-女性”选项。请注意，在稿件的其余部分，为简洁和可读性，此研究将简称为“性别”，但继续使用“出生时被分配为男性”和“出生时被分配为女性”以强调区分。青春期状态使用青春期发育量表测量，这是一种完全基于文本的对感知青春期发育的评估。青少年和家长都在ABCD中完成青春期发育量表，但此研究选择关注父母报告，正如文献中针对基线收集的ABCD数据所建议的那样，考虑到该年龄段“不知道”回答的比例很大。青春期发育量表基于关于身高、体毛和皮肤发育变化的五个问题，以及关于男性声音和面部毛发、女性乳房发育和月经初潮的问题。每个问题按四点量表评分，然后由ABCD团队创建总结分数，分别为出生时被分配为男性和女性者，将个体分为五类：青春期前、青春期早期、青春期中期、青春期晚期、青春期后。分类标准基于对特定项目回答的总和，这些项目因出生时被分配为男性和女性者而异。青春期发育量表已被证明与其他青春期发育测量（如医生评级和激素变化）相关性良好，包括在ABCD中。年龄根据参与者出生日期与开始ABCD研究访视数据收集日期之间的差异以月为单位测量。请注意，不同的测量可能发生在不同的天数或访视中，略微改变各种测量的确切年龄，但这种差异通常极小，并在月份水平被吸收。

2.3.影像数据采集与预处理

在每个研究站点的基线和第2年数据收集事件中，根据ABCD方案收集了静息态功能磁共振成像数据。有关ABCD成像采集参数和扫描协议的更多信息，以及有关最小预处理和质量控制程序的更多信息。简而言之，在每个研究站点采集静息态成像数据，并在3T扫描平台实现数据标准化。使用多波段平面回波成像和用于畸变校正的场图扫描，为每个参与者收集了几个静息态运行。每位受试者采用多频段EPI技术采集数次静息态扫描（通常为四次，具体次数视数据采集条件及受试者运动状态而定），每次扫描时长为五分钟（重复时间TR=800毫秒，各向同性采集层厚2.4毫米），并采用切片加速扫描及场图扫描进行畸变校正。所有扫描数据均经ABCD数据分析与信息中心（DAIC）完成方案合规性验证及初步质量控制。简而言之，解剖数据被归一化、与模板对齐并转换为CIFTI格式，并且将配准的静息态功能磁共振成像数据使用归一化和投射到CIFTI格式带入CIFTI空间。然后，这些CIFTI数据使用发育认知和神经影像学实验室的BOLD预处理程序进行进一步处理，该程序包括2mm FWHM高斯空间滤波。经最小化处理的时间序列数据随后仅基于低运动帧（帧间位移<0.30毫米[FD]）进行干扰回归分析，此过程需先应用专门的呼吸运动滤波技术，随后进行时间滤波（采用0.009–0.08 Hz的二阶巴特沃斯滤波器）。需要注意的是，在时间滤波之前，会使用线性插值法来替换高运动帧（> 0.30毫米FD），从而仅使用“优质”数据，同时避免因时间点缺失导致的混叠现象。经过处理后，利用多种图谱构建脑区时间序列；此分析采用人类连接组计划（六方最密堆积）360感兴趣区域（ROI）图谱。

处理后，此研究选择个体参与者的单次扫描数据用于后续分析。关于DCC方法的若干方面影响了数据选择。首先，尽管发育认知和神经影像学实验室的BOLD预处理建议审查高运动数据帧，但动态条件相关方法依赖于先前时间点的数据来估计时变模型参数。因此，删除时间点会中断时间序列，从而影响自相关结构的估计和下游分析。出于这个原因，使用此方法不建议审查数据点。然而，发育认知和神经影像学处理流程线性插值了本应被审查的时间点。这种线性插值对应用于神经影像数据的动态条件相关方法的影响尚不清楚，尽管去尖峰（一种插值形式）已被证明在广泛的动态分析中表现良好。线性插值已被用于动态条件相关方法在其他非影像用途中处理缺失数据，并且先前在其他背景下的有限研究表明，插值可能有积极影响，并且偏差会使时间序列的估计波动性向下偏倚，这不太可能导致虚假发现。然而，为了避免插值影响结果的风险，此研究旨在将插值保持在最低限度。因此，筛选数据仅限于帧数不超过10帧的序列（在去除初始稳定化体积后的完整序列中，总帧数为375帧），且采用线性插值法处理（即帧间距离FD值大于0.30毫米），这意味着仅纳入头动极低的序列。选择每个个体的阈值、平均FD值及最大FD值时，需满足该运行序列至少包含350帧数据。未通过ABCD团队整体静息态质量控制测量的参与者数据亦被排除。经上述排除标准筛选后，基线期数据质量合格的参与者数量为n=2594例，第2年数据合格者为n=2528例。

表1数据中纳入受试者总体样本的人口统计学信息，以及基线期和第2年时独特受试者样本的信息。

2.4.动态条件相关分析

应用动态条件相关方法处理过的脑区时间序列，以便评估动态功能连接。动态条件相关方法是一种多元广义自回归条件异方差模型 (GARCH)。广义而言，动态条件相关方法的目标是使用先前条件相关估计和当前观测值的加权组合来估计每个时间点所有感兴趣区之间的条件相关性。与设置固定窗口长度并平等加权所有时间点的滑动窗口方法不同，动态条件相关方法中的窗口长度是可变的，并使用基于时间序列先前行为的准最大似然方法确定。动态条件相关方法已被证明在将真实时变功能连接变化与噪声分离方面比滑动窗口方法具有更高的可靠性。动态条件相关方法还规避了滑动窗口方法固有的几个问题，例如需要确定正确的窗口长度或窗口重叠程度。关于动态条件相关方法进一步数学细节的补充材料。

应用动态条件相关方法在每个时间点（即该序列的每一帧）构建一个相关矩阵，该矩阵由所选Glasser图谱中所有360个感兴趣区之间的相关性组成，针对每个个体的所选序列。然后丢弃前5个矩阵，以使模型稳定。为了仅关注具有实质意义的选定网络（即过去研究中显示具有强烈发展变化且与精神病理学相关的网络），仅纳入了被确定为额叶-边缘网络（包括前扣带回/内侧前额叶皮质、岛叶、杏仁核和海马区域）、默认模式网络（包括前扣带回/内侧前额叶皮质、后扣带回、角回和颞中区区域）、背侧皮质-纹状体网络（包括背外侧前额叶皮质、背侧前扣带回/内侧前额叶皮质、背侧顶叶皮质、尾状核和壳核区域）、腹侧皮质-纹状体网络（包括腹侧前扣带回/内侧前额叶皮质、眶额皮质和伏隔核区域）一部分的感兴趣区（作为当前研究的一部分，参考相关文献以及Glasser等人补充神经解剖学结果中描述的脑区/聚类分组而确定）。分析中使用的所有Glasser脑区的列表及进一步描述见补充材料。然后使用该感兴趣区子集之间的Fisher变换后相关性来计算后续指标。

2.5.网络和图论指标变异性计算

然后使用动态条件相关方法输出的结果来计算不同的变异性指标。首先，使用相关矩阵序列计算几个不同的图论指标，使得为每个参与者构建每个时间点的一个图。从Fisher转换的动态条件相关矩阵构建未加权有向图，将所有负权重设置为零，然后使用脑连接工具箱计算感兴趣的图论指标。为了评估感兴趣子网络之间的整合，计算每个个体在每个纳入时间点的全局效率。简而言之，全局效率是网络中平均最短“路径长度”的倒数，并表示信息在整个网络中传递的效率。为了评估感兴趣子网络内的分离，计算了局部效率、聚类系数和传递性。局部效率是仅在与感兴趣节点直接连接的节点之间的平均最短路径长度的倒数，并表示信息在局部节点集合内传递的效率。聚类系数是非正式地，一个节点的连接节点中彼此也相连的比例，因此反映了单个节点周围的平均聚类连接性。聚类系数通过根据每个节点自身的连接数分别对其进行归一化来计算，因此可能因连接数少的节点而产生偏倚。传递性是聚类系数的一种变体，它基于整个网络共同归一化每个节点，因此对此问题更为稳健。关于这些图论指标的进一步数学细节，见补充材料。对于每个个体，然后使用该指标在所有纳入时间点上的标准差来计算这些图论指标的总体变异性。

接下来，计算每个个体在整个扫描过程中的网络内和网络间变异性。使用Glasser图谱中的脑区定义了四个网络（前额叶-边缘系统、默认模式网络、背侧皮质-纹状体网络及腹侧皮质-纹状体网络），如上简要所述。对于每个网络，通过取网络内包含的每个脑区之间成对的标准差值的平均值来计算网络内变异性。对于每对网络，通过取两个相应网络中每对脑区之间计算的标准差值的平均值来计算网络间变异性。重要的是，一些脑区在网络之间存在重叠，根据定义被视为两个网络的一部分。在这种情况下，它们与网络中相应其他脑区的变异性仅计算一次，以避免在计算总体平均值时重复计算这些连接。然后，将这些个体水平的扫描过程中网络内和网络间变异性测量值以及图论指标变异性用于后续统计分析。

2.6.统计分析

在计算每个个体的扫描过程中图论指标变异性以及网络内和网络间变异性之后，进行统计分析以评估这些变异性与样本中年龄、青春期状态和性别之间的关系。在适当的情况下，进行了一系列广义加性混合效应模型和线性混合效应模型。广义加性混合效应模型是广义加性模型的扩展，包含随机效应，用于解决独立观测假设被违反的数据，例如纵向数据或来自相关个体的数据。广义加性模型是非参数化的，并且具有不需要假设变量之间任何特定关系形式（例如线性关系）的优点，而是使用平滑函数基于数据估计关系的形式。然而，当预测因子仅为分类变量时，预测因子水平与结局之间不可能存在平滑关系，因此此研究选择在这种情况下使用线性混合效应模型。鉴于此研究正在建模纵向数据，包括来自一些参与者的重复测量，以及家庭和ABCD站点效应方面的个体间关系，因此结合随机效应的混合效应类型模型是合适的。

为了拟合一系列模型，此研究首先使用图论指标变异性（全局效率、局部效率、聚类系数和传递性）的四个测量指标作为结果变量，以年龄（以月为单位）、性别（出生时指定，二分测量）和青春期状态（按5个有序水平测量）作为单独的主效应，同时考察性别与年龄以及性别与青春期状态交互作用的模型。需要注意的是，性别与青春期状态的交互作用用于研究青春期发育的影响是否因性别而异，尽管青春期发育量表评分在出生时被指定为男性和女性之间的分布存在显著差异。年龄（及其与性别的交互作用）使用广义加性混合模型进行建模，性别使用线性混合效应模型进行建模，青春期状态（及其与性别的交互作用）首先使用广义加性混合模型（将青春期状态视为连续变量）进行建模，然后使用线性混合效应模型（将青春期状态视为分类变量）进行验证。然后使用四个感兴趣网络（额叶-边缘、默认模式、背侧和腹侧皮质-纹状体）内部和之间的10个变异性测量指标加上总体变异性作为结果变量，重复此过程。对于广义加性混合模型，（近似）p值使用Wald型检验计算，针对总体平滑项为零的零假设。这些检验基于平滑效应的贝叶斯置信区间，模型自由度基于帽子矩阵的迹计算。对于线性混合效应模型，（近似）p值使用R包lmerTest计算。这些p值基于F检验，其中使用Satterthwaite方法计算分母自由度。在每个模型内部（例如，仅考察年龄对图论指标变异性的主效应），使用Benjamini-Hochberg多重比较校正来校正相关预测因子在结果总数上的p值。所有模型均包含一组人口学协变量（家庭收入、父母最高教育水平、父母报告的儿童种族和民族、父母婚姻状况以及磁共振扫描仪制造商），并包含个体、家庭和数据收集站点的随机效应，以考虑数据的纵向性质和ABCD研究嵌套的数据收集结构（个体同时嵌套在家庭和数据收集站点内）。考察年龄效应的模型还额外将性别和青春期状态作为协变量。由于青春期状态和性别在当前样本中高度相关（因为出生时被指定为女性者的青春期成熟度预期大大增加），青春期状态和性别的模型（无论是作为主效应还是交互作用模型）在拟合时均包含或不包含对方作为协变量，但始终包含年龄作为协变量。所有分析均使用R进行，广义加性混合模型使用gamm4包拟合，线性混合效应模型使用lme4包拟合。

在脑海科技云平台中，内置了动态条件相关模型分析模块，支持用户批量处理数据，并确保每一步参数设置都有据可查。此外，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

需注意，所有分析的完整结果均见于补充材料（表S2、S3及S5）。针对年龄、性别及年龄×性别交互作用分析，所有具有统计学显著性的结果均展示于图中。由于涉及青春期状态的分析存在大量显著效应，本文仅选取部分具有代表性的发现进行图示呈现，完整结果集详见补充材料。

3.1.年龄与图论指标变异性

整个扫描过程中全局效率的变异性与年龄显著相关，而其他图论指标在变异性方面未显示出显著效应。绘制年龄的平滑效应，此研究发现年龄与全局效率的变异性呈非线性负相关关系，即变异性随儿童年龄增长而降低。在考察年龄与性别的显著交互作用时，此研究发现出生时被分配为女性和出生时被分配为男性的青少年在年龄与全局效率变异性之间均存在显著关系，但性质略有不同。绘制按性别分开的平滑效应，此研究发现出生时被分配为女性者在整个研究年龄范围内（107至165个月）年龄与全局效率变异性呈负线性关系，而出生时被分配为男性者在大约130个月之前没有显示出关系，此后全局效率的变异性开始下降。

图1.年龄（以月为单位）的平滑效应或年龄-性别交互作用对图谱指标变异性及网络内与网络间相关性的影响。

3.2.年龄与网络内和网络间连接性的变异性

只有额叶-边缘网络内部的变异性与年龄存在显著关系（表S2）。绘制年龄的平滑效应图（图1b），发现额叶-边缘内部变异性与年龄呈正线性关系，年龄较大的儿童在该网络内具有更多的变异性。在考察年龄与性别的交互作用时，发现只有出生时被指定为女性者在年龄与变异性之间具有显著关系（表S2），并且似乎是整体效应的驱动因素。这些出生时被指定为女性者还表现出年龄与默认模式网络内部变异性之间，以及额叶-边缘与腹侧皮质-纹状体网络之间、额叶-边缘与背侧皮质-纹状体网络之间、额叶-边缘与默认模式网络之间、默认模式与腹侧皮质-纹状体网络之间的变异性之间，以及所有节点的整体变异性（平均标准差）之间存在显著或临界显著的关系。出生时被指定为男性者未显示年龄与网络内部或网络之间变异性之间的显著关系（表S2）。绘制平滑效应图（图1b和图S5 [补充材料]）可以发现，出生时被指定为男性者除额叶-边缘内部连接外，所有网络内部和网络之间相关性的变异性均呈轻微线性下降，而额叶-边缘内部连接则呈轻微线性增加。相比之下，出生时被指定为女性者通常具有更多的非线性效应，除了默认模式与腹侧皮质-纹状体网络之间的变异性呈线性增加。对于所有其他网络相关性以及整体平均连接性的变异性，出生时被指定为女性者从最小年龄（约110个月）到约125个月呈现平台期或轻微下降，随后变异性增加直到约145个月，然后再次进入平台期或轻微下降（在较高年龄时效应方向的不确定性更大）。值得注意的是，对于出生时被指定为女性者，额叶-边缘内部连接性的变异性在此期间显示出最急剧的增加，再次表明这些出生时被指定为女性者是整体年龄效应的驱动因素（尽管出生时被指定为男性者也显示出随年龄的轻微线性增加）。

图2.青春期状态（以PDS第1至5级分类衡量）对图表指标变异性及网络内与网络间连接性的影响平滑效应。

3.3.青春期状态与图论指标变异性

当青春期状态作为连续变量处理时，全局效率、局部效率、聚类系数和传递性的变异性均显示出与青春期状态的显著关系（表S3）。然而，如方法部分所述，鉴于青春期状态是一个有序变量，此研究也进行了将青春期状态作为分类变量处理的线性混合效应模型分析。这些结果（见补充材料表S4）显示，全局效率的变异性仅在青春期中期（PDS类别3）和青春期后期（PDS类别5）组中显著（相对于青春期前，PDS类别1），而所有其他指标在所有类别中均显示出显著差异。因此，此研究发现局部效率、聚类系数和传递性的变异性确实与青春期状态存在显著关系，但认为全局效率的变异性仅与年龄存在强烈且可靠的关系。观察平滑效应图（图2a）可以发现，传递性与青春期状态呈强线性关系，青春期状态较高者的传递性变异性更大。局部效率和聚类系数的变异性与青春期状态的关系是非线性的，两者均从青春期前（PDS类别1）到青春期早期（PDS类别2）增加，在青春期早期和青春期中期（PDS类别2和3）之间呈现一定平台期，然后从青春期中期到青春期后期（PDS类别3至5）急剧增加。尽管青春期晚期（PDS类别4）特别是青春期后期（PDS类别5）周围的置信带较宽（由于这些组中个体数量较少），需要一定的谨慎解读，但此研究再次强调，补充材料中的分类结果显示，对于这些指标，每个PDS类别相对于青春期前均存在显著差异，因此青春期状态确实存在显著效应。当进一步控制性别（除年龄和一组人口学协变量外）时，所有效应均变为不显著。青春期状态与性别之间未发现显著交互作用。

3.4.青春期状态与网络内和网络间连接性的变异性

当将青春期状态作为连续变量处理时，研究发现青春期状态与所有网络内部和网络之间相关性的变异性，以及所有节点平均连接性的整体变异性之间存在显著关系（表S3）。观察平滑效应图（图2b和图S6 [补充材料]）可以发现，对于每一种网络内部和网络之间的相关性，除背侧皮质-纹状体网络内部外，随着青春期状态的增加，变异性均呈线性下降。换言之，这些网络的稳定性随着青春期的成熟而增加。在背侧皮质-纹状体网络内部，从青春期前到青春期晚期（PDS类别1至4）呈现轻微线性下降，随后从青春期晚期到青春期后期（PDS类别4和5）急剧下降（再次提醒，青春期后期组个体数量较少，其结果应谨慎评估）。将PDS组作为分类变量处理的结果（见补充材料）证实了这些发现，并表明相对于青春期前（PDS类别1），除四个网络（腹侧皮质-纹状体网络内部、背侧皮质-纹状体网络内部、背侧与腹侧皮质-纹状体网络之间，以及默认模式与背侧皮质-纹状体网络之间）在青春期早期（PDS类别2）相对于青春期前（PDS类别1）的差异不显著（ps < 0.11）外，所有其他网络内部和网络之间相关性在所有PDS类别之间均显示出显著变异性差异。当进一步控制性别（除年龄和一组人口学协变量外）时，所有效应均变为不显著。青春期状态与性别之间未发现显著交互作用。

3.5.出生时分配的性别与图论指标变异性

此研究发现所有考虑的图论指标的变异性与性别之间存在显著关系。查看效应的方向，此研究发现出生时被分配为女性者在所有指标中的变异性均高于出生时被分配为男性者。这些效应在控制青春期状态以及年龄和人口学协变量后仍然显著。

3.6.出生时分配的性别与网络内和网络间连接性的变异性

研究发现，所有网络内部和网络之间相关性的变异性，以及所有节点平均连接性的整体变异性（平均标准差），均与性别存在显著关系（表S5）。观察这些效应的方向（表S5，图3），发现相对于出生时被指定为男性者，出生时被指定为女性者在所有网络内部和网络之间配对中均表现出较低的变异性。这些效应在除年龄和人口学协变量外还控制青春期状态后仍然显著，图3显示了控制青春期状态后的效应。无论是图论指标变异性还是网络内部和网络之间变异性，性别与青春期状态之间均未发现显著交互作用。

图3出生时性别分配（以男性分配和女性分配为测量指标）对所有图表指标及网络内与网络间连接性值变异性的影响，因所有结局指标均显示显著效应。

4.讨论

此研究的目的是在一个大型、基于人群的样本中调查年龄、性别和青春期发育对青少年动态静息态功能连接的独特和重叠作用，以更好地理解和刻画功能连接模式的发育变化。与平均整个扫描过程中连接值的静态功能连接分析不同，动态功能连接分析能够研究整个扫描过程中神经活动的可变组织。这些动态模式可能对行为和认知测量具有特殊相关性，甚至可能作为精神科诊断的潜在生物标志物。因此，建立动态功能连接发育变化的基线至关重要，但与年龄和青春期发育相关的成熟效应，以及这些效应如何因性别而异，研究相对不足。此研究旨在通过研究儿童和青少年的动态功能连接来补充这一文献，其中动态功能连接被操作为整个静息态扫描过程中网络内和网络间相关性的变异性以及图论指标的变异性。此研究将分析集中在先前文献中已确定与发育和精神病理学相关的一组网络上，即额叶边缘网络、默认模式网络以及背侧和腹侧皮质纹状体网络。为了构建变异性测量，此研究使用了动态条件相关方法，该方法已被证明在将信号与噪声分离方面比替代的滑动窗口技术具有更高的可靠性，使用的样本包括来自ABCD研究中约9至14岁儿童的5122次满足严格低运动标准的静息态扫描。

第一个目标是探讨不同的结局指标如何随年龄变化，以及这种年龄效应是否因性别而异。此研究发现，整体网络整合的测量指标——全局效率的变异性在整个年龄范围内显著下降，并且这种模式在出生时被分配为女性和出生时被分配为男性的青少年中略有不同。出生时被分配为女性者的青少年在整个研究年龄范围内表现出持续下降，而出生时被分配为男性者在约10.8岁之前没有表现出下降。这表明随着儿童年龄增长，他们在整体网络整合方面花费更多时间在更稳定的网络状态中。这支持了先前的发现，即随着儿童年龄增长，他们花费更少时间在全局断开状态，更多时间在更模块化的状态中，并且功能网络的整合增加是发育中大脑的一个关键特征。目前的结果还表明，这种转变在出生时被分配为女性者中可能比出生时被分配为男性者发生得更早。

对于网络内和网络间变异性，此研究发现额叶边缘区域内连接性的变异性在整个年龄范围内增加，并且这种效应主要由出生时被分配为女性者的青少年驱动，因为出生时被分配为男性者显示出弱得多的关系。此研究还发现，出生时被分配为女性者在年龄与平均总体网络变异性之间，以及默认模式网络内变异性、额叶边缘网络与默认模式网络之间、额叶边缘网络与背侧和腹侧皮质纹状体网络之间、以及默认模式网络与腹侧皮质纹状体网络之间的变异性之间通常表现出正相关关系。所有这些网络内和网络间相关性，以及平均连接性，在出生时被分配为女性者的青少年中，在125至145个月龄之间显示出特别急剧的变异性增加。出生时被分配为男性者通常在同一组网络对的变异性中表现出微弱的下降。过去的研究表明，随着年龄增长，网络之间的时间变异性增加，特别是在核心认知网络之间。这些结果表明，至少在这个特定年龄范围内，变异性的增加在额叶边缘网络内最强，并且出生时被分配为女性者可能比出生时被分配为男性者更早地看到其他网络之间与年龄相关的连接性增加。考虑到额叶边缘网络连接变异性在跨多种精神病理学诊断的情绪失调中的意义，以及抑郁和焦虑的发病率在青春期急剧上升，出生时被分配为女性者的风险特别高，未来研究的一个关键问题是这种增加的动态变异性是风险因素还是保护因素。

第二个目标是研究变异性如何随青春期发育而变化。此研究发现，在控制年龄的情况下，网络分离的测量指标——聚类系数、传递性和局部效率的变异性随青春期发育而增加。此研究发现，在控制年龄的情况下，所有网络内和网络间相关性以及总体平均连接性的变异性随青春期发育而降低。图论指标的结果得到了先前静态连接性文献的支持，该文献发现整个大脑中分离和局部效率的测量指标在青春期开始前后增加，并且先前的工作普遍支持在青春期发育过程中不同功能网络的强化。尽管图论指标的大小与这些指标的变异性之间的联系尚未被很好地理解，但此研究可以推测它们的关系以及如何解释目前的发现。推测性地，与网络分离相关的图论指标的变异性增加可能表明，青春期状态更先进的人更多地波动进入模块化、区分良好的脑网络，或者在这些网络之间波动，而不是花费时间在更弥散、更普遍的脑网络状态中，后者可能更难被识别为不同的网络状态，因此由于花费更多时间在这些弥散状态中而记录为更低的变异性。花费更多时间在更明确的（即更不弥散的）状态中的模式，在更成熟的大脑中可见。花费更多时间在功能上更独特和模块化的网络状态中也可能解释所有网络内和网络间相关性的变异性降低，因为这些功能上定义的网络配置可能在青春期状态更先进的人中被更稳定地反映。重要的是，这些网络也是在更成熟的成年人大脑上定义的，青春期成熟度更高的人变异性降低可能反映了与功能网络定义更好的协调性。

然而，值得注意的是，当在年龄之外进一步控制性别时，青春期状态的所有效应都失去了统计学显著性。这可能是由于本样本中出生时被分配为女性和出生时被分配为男性者之间青春期发育量表得分存在巨大差异：几乎所有被认为是青春期晚期的个体都是出生时被分配为女性者，几乎所有被认为是青春期后的个体都是出生时被分配为女性者。这种在出生时被分配为女性者中青春期发育更先进的趋势在这个年龄段是预期的，并且在文献中常见。由于缺乏以晚期青春期阶段为特征的出生时被分配为男性者参与者，以及出生时被分配为女性者相对更先进的青春期发育，在此研究中区分青春期状态和性别的影响极其困难。这也可能解释了为什么青春期状态和性别之间的交互作用效应在所有分析中都不显著。由于青春期发育量表分布的差异，此研究可能无法检测到组特异性差异，部分原因是功效有限，特别是如果组差异主要在青春期发育量表的上限范围内，而在出生时被分配为男性者的子样本中基本未观察到。未来分析更广泛的青春期发育量表分数范围的研究将有助于揭示不同的成熟模式。特别是，在有限的、年龄较大的范围内匹配出生时被分配为女性和出生时被分配为男性者的个体，在该范围内青春期发育量表分数有更大的变异性，将有助于解开这些效应，并允许更直接地研究青春期效应的性别差异。随着ABCD中更多纵向数据的可用，这个问题可以通过额外的研究来探索。目前，此研究受到用于动态条件相关分析所需格式处理的影像数据可用性的限制。青春期状态信息已经为ABCD研究的后续年份收集，因此，未来的研究将能够使用预先整理的或随着更多ABCC处理的功能磁共振成像数据的发布来研究这个问题。

第三个目标是研究变异性如何因出生时分配的性别而异。此研究发现，在控制年龄和青春期状态的影响后，出生时被分配为女性者的青少年在所有考虑的图论指标（全局效率、局部效率、聚类系数和传递性）中具有显著更高的变异性。此研究还发现，相对于出生时被分配为男性者，出生时被分配为女性者在所有网络内和网络间相关性以及总体平均连接性中的变异性降低。值得注意的是，这些结果与考察青春期状态影响的结果非常相似，出生时被分配为女性者的效应方向与青春期状态更先进者相同。尽管性别结果确实考虑了青春期状态，但如上所述，出生时被分配为女性者组比出生时被分配为男性者组在青春期发育上先进得多，因此在此研究中区分青春期状态和性别的影响是困难的。性别结果可能确实反映了出生时被分配为女性者中大脑成熟更先进，这一现象在文献中被广泛观察到。这种现象通常归因于出生时被分配为女性者中青春期发育更先进，并且此研究确实看到出生时被分配为女性和出生时被分配为男性者之间青春期发育量表分数的不均匀分布可能驱动了这一结果，但也有可能性别差异先于青春期发育。然而，这些细微差别无法在此研究中探讨，因为在基线时，已经经历过青春期发育的出生时被分配为女性者的青少年比例与整个ABCD基线样本一致。

性别结果与青春期状态结果之间的唯一区别是，全局效率的变异性与性别显著相关，在出生时被分配为女性者中更高，而全局效率变异性与更先进的青春期状态仅呈边缘显著相关。尽管网络整合的测量指标与各种网络分离测量指标具有相同的效应方向，这可能最初看起来令人惊讶，但需要注意的是，跨网络的功能整合和网络间的功能分离是同时发生的关键发育过程，因此此研究并不一定期望它们彼此对立。此外，关于全局效率变异性与青春期状态缺乏显著性，先前的研究已经证明，网络拓扑的局部测量可能比全局测量更具时间变异性，并且更能反映变化的网络配置，因此可能更容易检测。由于在更先进的青春期发育中个体数量较少，此研究可能没有足够的功效来检测全局效率中与青春期相关的变化，特别是在考虑青春期和性别之间的协方差时。如果性别结果确实反映了出生时被分配为女性者中更先进的成熟，那么较大的组大小可能使效应更容易检测。此外，尽管青春期发育量表通常与青春期发育的生物学测量（包括ABCD中的激素水平）很好地对应，但青春期发育量表确实有缺点，包括在青春期早期阶段信息量较少，以及在年龄较大时父母报告不如自我报告有用。因此，此研究的青春期测量可能错过了一些相关的潜在变异来源。或者，全局效率的影响可能真正反映了与先进青春期或其他成熟完全分开的性别差异。

还值得注意的是，全局效率的变异性随年龄增长而减少，而局部效率和聚类系数的变异性（即网络分离的测量指标）随青春期状态而增加。先前的静态功能连接文献表明，在发育过程中，网络的分离和整合都增加。鉴于这些指标被认为是互补的，分离和整合的测量指标在发育过程中都增加，这并不矛盾。目前的结果可能表明，整体网络配置的整合属性在变异性方面随年龄而减少，但不同网络配置的分离属性在变异性方面随青春期成熟而增加。换句话说，随着儿童年龄增长，整体大脑网络配置的变异性减少，但随着青春期成熟，网络在进入更多样化配置方面的变异性增加。然而，需要更多的研究来直接调查这些关系。

总的来说，令人有些惊讶的是，在考虑了年龄效应之后，年龄和青春期成熟所呈现的效应方向是相反的（例如，特定子网络的变异性随年龄增长而增加，而子网络连接的变异性随青春期状态进展而减少）。由于文献中普遍报道随着个体年龄增长和成熟，变异性增加，这支持了年龄和青春期成熟过程可能不同的观点，或者至少青春期成熟对动态连接的影响（可能相当大）超出了年龄的效应。值得注意的是，青春期分析控制了年龄的效应，尽管当前样本的年龄范围相当窄，但该年龄范围内的青春期发育变化更大，且可能与年龄的直接关联较小，从而能够更好地区分它们的不同效应。这一观点也得到当前样本中青春期状态（和性别）的显著发现远多于年龄这一显著事实的广泛支持。这与先前研究年龄和青春期发育轨迹的研究一致，这些研究发现青春期发育模型比年龄模型更能描述脑发育（特别是功能连接）的发育轨迹。这表明年龄可能是一个不如青春期状态精确或有意义的成熟度量指标，而青春期状态可能更直接地指示正在进行的发育过程。青春期对大脑影响的确切机制仍不清楚，但已有研究概述了青春期激素特异性脑结构变化的几种潜在机制，如细胞增殖、程序性细胞死亡以及突触发育和修剪，这些机制得到了动物研究的支持，以及与脑雄激素和雌激素受体相关的脑功能变化。尽管将动物模型的发现外推到人类并不简单，特别是考虑到人类青少年青春期伴随的一系列复杂的社会心理、文化和环境变化，但有限的研究已将青春期激素浓度的变化与脑结构和功能的变化直接联系起来。年龄和青春期状态的影响可能既不同又重叠，同时也具有非线性和复杂性，未来的研究需要仔细且严谨地厘清发育各个方面的效应。此外，鉴于大量证据将青春期时机的改变与各种精神疾病联系起来，以及此研究有意选择与精神病理学相关的网络，此研究所关注的特定网络可能特别容易显示出与青春期发育相关而非与年龄相关的变化。

最后，同样有趣的是，在每个目标或预测因子组内（例如，考察年龄效应时控制性别和青春期状态，考察性别效应时控制其他变量等），图论指标变异性与网络内部和网络之间变异性的效应方向总是相反的。例如，在当前分析中，此研究发现图论指标变异性的增加总是同时伴随着网络连接性变异性的减少。在评估个体内关联时也发现了这一模式。由于文献中很少报道同时考察这两个指标，目前尚不清楚这是当前发育样本的特性，还是这两个指标应该总是相反的，并且是在测量某个潜在现象的两个不同端点。未来该领域的研究应有助于阐明这一点，并促进更好地理解从每个指标中可以得出哪些结论。

此研究存在若干必须指出的局限性。首先，由于影像数据的可用性以及此研究实施的极其严格的头动标准，整个ABCD研究的大样本量在当前工作中显著减少。为避免在动态条件相关方法中使用大量的头动删失（因为线性插值对结果的影响尚不确定），此研究希望在最大化受试者可用性的同时最小化必要的插值量。因此，此研究将样本限制为头动超过阈值的帧数少于10帧的参与者。应进一步研究插值对动态条件相关及其他动态功能连接分析的影响，这可能使此研究未来能够大幅增加样本量。这种严格的头动标准，虽然由于头动可能给功能连接分析带来众多潜在问题而具有益处，特别是在发育样本中，但也提出了一个问题：剩余的参与者相对于完整样本是否在某些方面存在偏倚。事实上，此研究发现纳入的子样本比完整样本年龄略大，且在内化、注意缺陷多动障碍和抑郁（基线期）评分上更低。尽管这些差异显著，但其幅度相对较小。这些样本差异是否足以有意义地改变此研究能够得出的结论尚不清楚。

此外，由于此严格的头动标准，以及此研究希望最大化纳入的参与者数量，因此纳入了仅有两个时间点之一（即基线期或第二年）的参与者，而非要求所有参与者都拥有两个时间点的可用数据。因此，此研究未对个体内变化进行更直接的纵向研究，但这应成为未来研究的一个方向。最后，近期研究指出，某些特征与ABCD样本中的失访率相关，这可能使得第二年的数据代表性略低于基线数据，并引入轻微偏倚。然而，考虑到由于严格的头动标准以及某些受试者影像数据的有限可用性，样本已经受到很大限制，这相对于其他潜在的偏倚来源而言可能不太令人担忧。

此研究的另一个局限性是难以分离性别和青春期状态的影响，这是由于该年龄段样本的结构。如前所述，几乎所有用于测量青春期状态的青春期发育量表较高端的个体都是出生时被分配为女性者。随着ABCD研究的进展，以及来自后期时间点的影像数据变得可用，按性别划分的青春期发育量表类别的差异应该会减少，并且区分青春期发育和性别的影响应该变得更容易。此外，尽管青春期发育量表类别通常是生物学青春期发育的良好测量指标，并且这在ABCD中特别得到验证，但青春期发育量表实际上是感知青春期阶段的测量指标，并不是直接测量青春期发育，因此有一些测量局限性，特别是在青春期早期阶段。此外，像所有自我报告和父母报告测量一样，青春期发育量表容易出现潜在的不准确，例如回忆偏差。此外，有证据表明，父母报告的青春期发育量表在年龄较大时不太准确，但在年龄较小时更准确。鉴于本样本中的大多数扫描都在这个较年轻的年龄范围内，在此范围内明确建议在ABCD研究中使用父母报告的青春期发育量表分数，此研究选择仅使用父母报告以保持一致性。然而，未来的工作可能会受益于结合多种青春期发育测量的方法。

此研究使用Glasser图谱，一个在成人样本上定义的图谱。此研究选择Glasser图谱是因为它在影像文献中的普及，包括在ABCD和其他儿科人群中。理想情况下，此研究会使用在儿童样本上定义的图谱，以避免随着儿童发育，与功能网络的更高一致性可能影响网络内和网络间相关性值以及后续指标的潜在混淆问题。然而，专门从年龄适当的儿科样本衍生的功能全脑图谱尚未开发出来，尽管有希望的工作开始开发结构定义的图谱，但仍然有限的采用限制了对其进行的解释和与过去工作的比较。因此，此研究选择使用Glasser图谱，但希望未来的工作能填补这一空白。此外，此研究选择仅关注儿童和青少年发育期间特别感兴趣且与精神病理学相关的核心神经认知网络中的区域，而不是大脑的所有区域。因此，此研究不在此年龄范围内得出关于全脑变异性的结论，并且感觉网络在发育过程中也显示出显著变化，可能具有不同的模式。未来的工作应研究更多的网络和广泛的全脑活动。此外，尽管选择这些特定网络是为了很好地刻画与精神病理学相关的网络对于理解这些指标的偏差如何与随后的精神病理学发展相关的重要性，但当前工作并未明确研究精神病理学的关联，部分原因是由于在此年龄范围内各种精神疾病的发病率相对较低。随着样本继续发育到青春期，以及临床疾病的发病率增加到预期水平，应研究动态变异性与各种精神病理学指标之间的关系。

最后，此研究承认出生时分配的性别与性别认同之间的重要区别，并且两者可能对大脑有不同的影响。此研究选择关注出生时分配的性别，而不是性别认同，是因为此研究对青春期发育的影响感兴趣，而在这个年龄范围内青春期发育因性别而有很大差异。此外，在此年龄段的ABCD中，性别认同与出生时分配的性别不一致的发生率有限。随着未来时间点的影像数据变得可用，以及样本中认同为性别少数群体的发生率增加，应彻底研究出生时分配的性别与性别认同之间的区别，并且考虑到越来越多的证据表明少数群体经历的压力可能导致青春期提前或发育加快的假设，这是一个特别有趣的未来研究途径。

尽管存在这些局限性，此研究也有许多优势，包括使用旨在反映美国儿童整体特征的大型基于人群的样本，以及使用不假设发育过程中效应线性的非参数模型，因为对于性别和青春期发育的影响尤其如此，这种线性效应不太可能存在。总体而言，此研究认为这项对ABCD样本中动态变异性的调查，以及它与年龄、性别和青春期发育的关系，为未来的研究开辟了许多有趣的途径。通过对图论指标以及网络内和网络间功能连接变异性的新颖探索，此研究发现年龄与额叶边缘网络内变异性的增加相关，以及对于出生时被分配为女性者特别的其他几个网络，并且此研究发现先进的青春期状态和出生时被分配为女性者都与索引功能分离和整合的图论指标的变异性增加相关，以及在所有研究网络内部和之间的整体变异性降低。此研究的推测，即这些结果可能指示出生时被分配为女性者中更先进的成熟，应随着来自ABCD和其他大规模影像研究和联盟的更多数据变得可用而进一步研究。还应研究来自其他类型动态功能连接分析的结果在ABCD中的一致性，目的是推动该领域更好地理解动态活动和时间变异性在儿童和青少年发育中所起的作用。这种理解对于指导理解在这一重要发育期间精神病理学发生的神经生物学基础至关重要。