神經(jīng)影像研究認為PD（帕金森癥）是一種網(wǎng)絡(luò)失連接綜合征，并可通過網(wǎng)絡(luò)神經(jīng)科學方法進行研究。網(wǎng)絡(luò)神經(jīng)科學將大腦從結(jié)構(gòu)與功能上看作大尺度神經(jīng)網(wǎng)絡(luò)。該方法假設(shè)腦區(qū)之間的解剖連接與功能交互的異常，會引起網(wǎng)絡(luò)功能的障礙。近期基于圖論的研究發(fā)現(xiàn)，早期PD的功能連接組受到模塊化破壞，雖然白質(zhì)連接發(fā)生微小改變，但結(jié)構(gòu)組織仍舊相對保留。因此，重要的是我們需要了解眾所周知的解剖網(wǎng)絡(luò)的固有變異性是否構(gòu)成了早期PD中未檢測到的結(jié)構(gòu)異常的基礎(chǔ)。此外，PD的病理和癥狀異質(zhì)性可能影響發(fā)現(xiàn)一致的疾病相關(guān)結(jié)構(gòu)變化的能力，尤其是在PD疾病的早期階段。

一個有效的辦法是，得到一個疾病相關(guān)的結(jié)構(gòu)連接組，同時最小化解剖網(wǎng)絡(luò)變量的遺傳生理因素的影響以及疾病異質(zhì)性的異質(zhì)性的影響，這樣的研究方法對于加深對PD結(jié)構(gòu)網(wǎng)絡(luò)病理改變的理解以及加強研究結(jié)果的可重復(fù)性十分重要。因此，來自科羅拉多大學的研究者在Neurology上發(fā)文，使用最小化個體異質(zhì)性的網(wǎng)絡(luò)分析方法對該問題進行了研究。 

研究目標：帕金森早期未用藥患者全腦白質(zhì)纖維連接的拓撲結(jié)構(gòu)及連接強度

研究方法：該研究納入70例早期未用藥PD患者及41例健康對照，利用彌散MRI，采用無模型、數(shù)據(jù)驅(qū)動方法計算全腦白質(zhì)的拓撲結(jié)構(gòu)及連接強度。通過將每組解剖連接變量最小化，產(chǎn)生一個新的組特異性的白質(zhì)解剖網(wǎng)絡(luò)。在該組特異性白質(zhì)解剖網(wǎng)絡(luò)上計算全腦白質(zhì)連接強度及網(wǎng)絡(luò)指標，并進行組間比較。將這些網(wǎng)絡(luò)測量指標與PD患者臨床指標進行相關(guān)，評估其病理生理學相關(guān)性。

研究結(jié)果：PD組特異性白質(zhì)解剖網(wǎng)絡(luò)確定了PD相關(guān)的皮層與皮層下區(qū)域。模塊化組織受損的伴隨網(wǎng)絡(luò)指標與多項臨床指標相關(guān)。疾病病程與PD特異性白質(zhì)解剖網(wǎng)絡(luò)的全腦連接強度呈負相關(guān)。

研究結(jié)論：通過對解剖連接變量的最小化，在無先驗分析假設(shè)下，發(fā)現(xiàn)了早期PD的特異性白質(zhì)結(jié)構(gòu)連接的存在并與臨床癥狀相關(guān)。該研究新發(fā)現(xiàn)在已知PD相關(guān)的腦區(qū)之間的結(jié)構(gòu)連接增加。為未來針對PD潛在白質(zhì)結(jié)構(gòu)改變的臨床與病理異質(zhì)性的研究提供了參考框架。 

在現(xiàn)有研究中，作者使用一個新的全腦數(shù)據(jù)驅(qū)動方法，未使用先驗假設(shè)，僅關(guān)注健康對照及早期PD中最為一致的連接，從而在對照組及PD組確定一個組特異性白質(zhì)解剖網(wǎng)絡(luò)。該研究假設(shè)：PD特異性白質(zhì)連接網(wǎng)絡(luò)的改變（包括PD相關(guān)腦區(qū)的結(jié)構(gòu)連接減低（同時保留個體結(jié)構(gòu)解剖變異））可以解釋PD結(jié)構(gòu)網(wǎng)絡(luò)的病理改變，并與臨床指標及疾病進展相關(guān)。

被試：

該研究數(shù)據(jù)來自于PPMI（Parkinson’s Progression MarkersInitiative）數(shù)據(jù)庫，僅選擇使用3T Siemens掃描的影像數(shù)據(jù)以減少干擾因素。共得到92例未用藥的早期PD患者及49例健康對照。

被試特征：

對照組年齡匹配、無任何神經(jīng)系統(tǒng)疾病、一級親屬無PD患者，MoCA評分大于等于26分。PD患者入組標準：（1）達到PD診斷標準；（2）診斷為PD 2年內(nèi)；（3）多巴胺攝入轉(zhuǎn)運體異常；（4）基線Hoehn &Yahr scale 小于等于2分。完整的行為、認知、運動功能評估。采用MDS-UPDRS-Ⅲ進行運動癥狀嚴重程度評分。

影像數(shù)據(jù)：

dMRI來自3T Siemens掃描設(shè)備，12通道頭線圈，64個擴散方向，b值1000。多巴胺攝入轉(zhuǎn)運體成像采用SPECT。

dMRI數(shù)據(jù)預(yù)處理及質(zhì)量控制：

視檢有無信號缺失或其他偽影。采用FSL 進行預(yù)處理，包括渦流矯正、頭動參數(shù)計算、剝腦、使用dtifit線性擬合體素彌散模型，計算彌散參數(shù)FA值。

對渦流矯正eddy_correct的輸出文件估計總頭動平移值，即在x、y、z三個方向上分別計算每個volume之間頭動均方根的總和。被試頭動mean±1*SD 大于1個體素被刪除。對旋轉(zhuǎn)頭動未進行質(zhì)量控制，因為旋轉(zhuǎn)與平移高度相關(guān)。通過質(zhì)量控制，共得到70例PD患者及41例健康對照用于隨后分析。

結(jié)構(gòu)網(wǎng)絡(luò)的構(gòu)建：

采用TrackVis，轉(zhuǎn)角閾值35°（即大于35度停止追蹤），進行全腦確定性追蹤。FA mask為0.2，長度閾值10mm（即小于10mm刪除）用于刪除偽纖維束。全腦連接作為構(gòu)建結(jié)構(gòu)連接組的邊（edges）。采用下面步驟得到被試個體空間的nodes（點，即用來構(gòu)建連接組的ROI）： 

（1）采用FSL線性與非線性配準將MNI152模板配準至個體空間b0圖； 

（2）將在MNI152空間的AAL圖譜（無小腦）的90個大腦皮層ROI及ATAG圖譜的12個皮下解剖ROIs通過最近鄰插值的方法轉(zhuǎn)化至被試個體空間。每個被試個體空間下的皮層及皮層下區(qū)域被作為nodes。

采用上述edges與nodes得到每個被試的加權(quán)結(jié)構(gòu)連接矩陣。兩節(jié)點（i,j）若作為終點存在一條白質(zhì)纖維束，則被認為存在結(jié)構(gòu)連接。不使用自身連接（即節(jié)點i和自己不存在結(jié)構(gòu)連接）。結(jié)構(gòu)連接乘以確定性追蹤得到的相連白質(zhì)纖維束的數(shù)量及纖維束平均FA值進行加權(quán)，將噪聲的影響最小化。為進一步減少噪聲的影響，對每一個被試的連接矩陣進行異常值檢測，采用連接矩陣的四分位范圍。

構(gòu)建組特異性白質(zhì)解剖網(wǎng)絡(luò)：

為提取每組被試最一致的皮層及皮層下連接，采用非參的符號檢驗（nonparametric sign-tes，作者這里使用的非參數(shù)的單樣本符號檢驗，其效果和做單樣本t檢驗類似，單樣本t是求得一組被試中均值顯著大于0的結(jié)構(gòu)連接（即存在真實連接），而非參數(shù)的單樣本符號檢驗是通過對中位數(shù)的檢驗實現(xiàn)的，其利用一組樣本中大于中位數(shù)和小于中位數(shù)的樣本點應(yīng)當大致相當?shù)脑僭O(shè)對樣本數(shù)據(jù)進行驗證），使用Bonferroni校正（p<0.05）分別得到HC組及PD組特異性的WM解剖連接矩陣。

符號測試不僅可以最小化由噪聲產(chǎn)生的結(jié)構(gòu)誤差，同時減少概率追蹤造成的內(nèi)在假陽性。將所得的HC與PD特異性解剖連接矩陣作為mask，提取結(jié)構(gòu)加權(quán)連接矩陣，計算基于圖論各項屬性并進行組間比較。

網(wǎng)絡(luò)拓撲分析：

采用多個全局及局部網(wǎng)絡(luò)屬性描述加權(quán)網(wǎng)絡(luò)的拓撲特征。

全局屬性分析，通過計算組特異性WM解剖連接的小世界屬性描述網(wǎng)絡(luò)節(jié)點間的全局信息整合效率與局部信息傳輸效率。簡而言之，標準化路徑長度（λ）表征全局信息整合（可理解為白質(zhì)連接中的長連接或者遠距離連接），標準化聚類系數(shù)表征(γ)表征信息分流能力（可理解為白質(zhì)連接中的短連接能力或近距離連接）。如果λ≈1以及γ?1，提示節(jié)點局部與遠距離鄰居間信息分享效率最高，即網(wǎng)絡(luò)具備小世界屬性。還計算了網(wǎng)絡(luò)模塊化（networkmodularity），代表網(wǎng)絡(luò)結(jié)構(gòu)中的層次。

局部屬性分析，包括節(jié)點效率，節(jié)點度值。節(jié)點效率描述信息在該節(jié)點與網(wǎng)絡(luò)其他節(jié)點間的傳輸效率，包括全局（節(jié)點效率，nodal efficiency）及局部（節(jié)點局部效率，nodal local efficiency）。節(jié)點度值是描述一個節(jié)點在網(wǎng)絡(luò)中的影響力，節(jié)點度值高提示對網(wǎng)絡(luò)信息流存在顯著影響。節(jié)點介數(shù)度值描述每個節(jié)點在信息傳輸中的角色。

對比HC組與PD組各個網(wǎng)絡(luò)屬性差異，分析早期PD患者是否存在白質(zhì)結(jié)構(gòu)網(wǎng)絡(luò)拓撲屬性的改變及其與臨床特征的相關(guān)性。       

計算個體水平連通性分數(shù)計算每個PD患者的組特異性WM解剖連接矩陣（A）內(nèi)的積的和代表總連通性強度，作為被試連通性分數(shù)。并觀察是否與病程與疾病嚴重程度存在相關(guān)。

Rich-club分析

當網(wǎng)絡(luò)關(guān)鍵節(jié)點hub點內(nèi)部連接多于與低度值節(jié)點間連接，則認為網(wǎng)絡(luò)存在rich-club組織結(jié)構(gòu)，可幫助理解網(wǎng)絡(luò)高階模塊結(jié)構(gòu)，提供網(wǎng)絡(luò)容錯性、層次順序、網(wǎng)絡(luò)特異化信息。標準化系數(shù)Φnorm >1，超過節(jié)點度值k的范圍，反映網(wǎng)絡(luò)存在rich-club組織結(jié)構(gòu)。

根據(jù)給定節(jié)點度值k,以及與這些節(jié)點相連邊，采用Φnorm將每一個被試節(jié)點劃分為：rich-clubnode，feedernode，localnode。后兩者要么是rich-club node的輸入支線（feeder，即非rich-club節(jié)點和rich-club節(jié)點之間的連接）要么不是（local，即非rich-club節(jié)點間的連接）。因為每組中每一個被試存在不同的rich-club節(jié)點，針對使rich-club組織結(jié)構(gòu)顯著的最大k值，經(jīng)驗計算一個上限閾值，使每組中產(chǎn)生至少一個rich-club節(jié)點。組間采用相同的閾值確保無偏差。

計算平均rich-club 、feeder、local邊強度，并進行組間比較，觀察PD患者在rich-club組織結(jié)構(gòu)是否存在改變，以及這些節(jié)點邊強度是否與臨床指標相關(guān)。所有的網(wǎng)絡(luò)參數(shù)計算采用Matlab代碼及GRETNA工具包。圖1為研究基本流程：

圖1.研究流程

將相結(jié)合的AAL模板與ATAG圖譜配準至個體原始空間構(gòu)建結(jié)構(gòu)連接矩陣。乘以節(jié)點間纖維束數(shù)量及平均FA值進行加權(quán)。采用四分位間距進行異常值檢測。采用非參的單樣本符號檢驗得出針對HC組與PD組的特異性白質(zhì)連接組網(wǎng)絡(luò)作為mask，在組mask基礎(chǔ)上計算每個被試的網(wǎng)絡(luò)屬性。

數(shù)據(jù)分析

人口統(tǒng)計學及臨床變量：

卡方檢驗與K-W檢驗分別用來分析分類變量與連續(xù)變量統(tǒng)計學顯著性。dMRI掃描期間頭動參數(shù)的統(tǒng)計學檢驗采用非參數(shù)K-W檢驗。顯著性水平P<0.05。

組特異性WM結(jié)構(gòu)連接組組間比較：

采用基于網(wǎng)絡(luò)的統(tǒng)計學方法（NBS）進行非參數(shù)檢驗，NBS采用非配對t檢驗5000次置換檢驗。對于每一個連接計算測試數(shù)據(jù)，閾值為t=3.1，得到一組閾上連接，以顯示顯著差異（Pcorr<0.05）。

比較HC組與PD組網(wǎng)絡(luò)拓撲屬性及與PD臨床相關(guān)性：

采用FSL PALM（permutationanalysis of linear models）工具包進行全局及局部網(wǎng)絡(luò)屬性的非參數(shù)組間差異分析及與臨床相關(guān)性。PALM與NBS顯著性水平采用FEW校正，P corr<0.05。所有比較均將年齡、性別、頭動、受教育程度，總顱內(nèi)體積、數(shù)據(jù)來源中心及diffusion-motionmeasures作為協(xié)變量進行控制。
結(jié)果：

人口統(tǒng)計學與臨床特征：

HC組與PD組人口統(tǒng)計學信息及MoCA均無顯著差異。PD患者均為疾病早期，平均病程為11.2個月，采用MDS-UPDRS-IIIscore評估病情嚴重程度平均20.04分。具體信息見表1。兩組間平均頭動無顯著差異。

表1.被試人口統(tǒng)計學信息表

HC與PD組特異性WM解剖連接：

圖2展示組特異性WM結(jié)構(gòu)連接的3D圖像，HC組與PD組分別存在864與1220條邊（雙側(cè)）。如圖2A，PD與HC結(jié)構(gòu)連接存在70.54%重疊。HC組特異性WM結(jié)構(gòu)連接組僅有一條連接（嗅回與眶額回之間），PD組存在179條（179/610）連接，其節(jié)點包括皮層與皮層下區(qū)域如：中央前回，腦島，海馬，丘腦底核，黑質(zhì)與紋狀體。

值得注意的是：NBS檢驗顯示PD組9條連接強于HC組，包括角回、顳中回、后扣帶、枕中上回、尾狀核、殼核、紋狀體、輔助運動區(qū)（SMA）及額中回。如圖2B。

圖2.圖特異性WM連接及NBS分析結(jié)果

HC與PD組特異性WM連接的拓撲差異：

圖3描述2組全局與局部結(jié)構(gòu)網(wǎng)絡(luò)屬性。PD組特異性WM連接組存在顯著網(wǎng)絡(luò)構(gòu)架受損，全局信息網(wǎng)絡(luò)傳輸減低（圖3A）伴隨左額下三角部腦區(qū)的(Inf-Fron-Tri-Left)節(jié)點度值的增高（圖3B）。

圖3.基于圖論的PD白質(zhì)結(jié)構(gòu)連接

（A）基于圖論的PD白質(zhì)結(jié)構(gòu)連接組全局屬性：標準化聚類系數(shù)、小世界屬性及模塊化系數(shù)較HC組顯著減低；

（B）局部屬性：PD患者左額下三角節(jié)點度值及節(jié)點效率顯著升高。

PD全腦連通性分數(shù)與臨床指標的關(guān)聯(lián)：

如圖4所示，PD全腦連通性分數(shù)與病程呈顯著負相關(guān)(Pcorr < 0.05)，與疾病嚴重程度或累積DaT分數(shù)無顯著相關(guān)。

圖4.病程與全腦連通性分數(shù)的相關(guān)

圖論屬性與臨床指標的關(guān)聯(lián)：均無顯著相關(guān)。

組特異性WM連接組間rich-club差異：

PD組與HC組均存在rich-club組織結(jié)構(gòu)（圖5A）。最大節(jié)點度值80%(k≥ 9)作為閾值，HC組與PD組均至少有一個node可被劃分為網(wǎng)絡(luò)關(guān)鍵節(jié)點即rich-club node。選擇該節(jié)點度值可最大化高度值節(jié)點間的連接。如圖5A所示，HC組存在3個節(jié)點（左側(cè)海馬、雙側(cè)腦島），PD組存在6個節(jié)點（雙側(cè)腦島、雙側(cè)紋狀體、雙側(cè)海馬）為網(wǎng)絡(luò)關(guān)鍵節(jié)點(k ≥9)。令人驚訝的是。PD患者較HC網(wǎng)絡(luò)關(guān)鍵節(jié)點白質(zhì)連接強度（rich-club edges)及其輸入的支線連接強度(feeder edge strength)（圖5B）顯著增強。盡管非連接關(guān)鍵節(jié)點的白質(zhì)連接(local edge strength)未達到統(tǒng)計學顯著性（圖5B），依然存在rich-club edgestrength及feeder edge strength增強的趨勢。

圖5.Rich-club 分析

Rich-club參數(shù)與臨床相關(guān)性：     

Rich-club連接強度與MDS-UPDRS-III分數(shù)存在顯著正相關(guān)。這表明，PD患者的運動受損或異常癥狀可能與rich-club的過強連接有關(guān)。同時，feeder edge強度與累積DaT分數(shù)存在顯著正相關(guān)（圖6）。

圖6.Rich-club參數(shù)與臨床相關(guān)性

總結(jié)：

通過降低研究中個體解剖連接異質(zhì)性的分析方法，這項概念驗證的全腦研究不需要從多位點數(shù)據(jù)庫中對早期帕金森病的研究隊列進行先驗分析假設(shè)，從而在特定的帕金森病白質(zhì)連接體中識別出了許多與帕金森病病理相關(guān)的皮層和皮層下區(qū)域，并且與HC相比，PD組的結(jié)構(gòu)連接性出現(xiàn)異常提高（包括全腦NBS分析中發(fā)現(xiàn)的強連邊和rich-club中識別出的更多rich節(jié)點），并且與受損的模塊組織有關(guān)。

通過識別早期PD結(jié)構(gòu)連接的核心特征，該方法可能提高對與疾病進展相關(guān)的結(jié)構(gòu)網(wǎng)絡(luò)的理解能力，并增強對疾病修正療法（Disease-modifying treatments）過程中出現(xiàn)的核心結(jié)構(gòu)連接變化的檢測。
原文：Unique white matter structural connectivity in early-stage, drug-naive Parkinson disease

微信掃碼或者長按選擇識別關(guān)注思影