認知功能障礙是許多精神障礙的核心特征，包括精神分裂症（SZ），并且與異常的大腦激活和功能連接配接有關。然而，目前尚不清楚認知障礙如何與功能障礙和任務激活異常相關聯。
這項研究使用最近開發的活動流映射方法，将精神分裂症的腦功能連接配接與任務下的異常激活聯系起來，以描述精神分裂症的認知功能障礙。
< h1 類"pgc-h-right-arrow" data-track""3" >後視圖</h1>
普遍性認知障礙是SZ最常見和最穩定的迹象之一。功能性磁共振成像（fMRI）将SZ的認知功能障礙與局部大腦活動和功能障礙聯系起來。功能連接配接（功能連接配接，FC）被定義為不同大腦區域之間的統計依賴性，有助于測試SZ的"連接配接障礙"假說。
雖然有大量證據表明精神分裂症中存在FC異常，但尚不清楚異常FC如何導緻異常任務誘導的激活和認知障礙。
最近，受連接配接計算模組化原理的啟發，研究人員開發了一種"主動流動映射"的模組化方法，将大腦激活與FC聯系起來。這種方法解釋了給定的大腦區域激活是如何通過分布式FC和激活産生的（圖1）。
該方法已被用于預測健康成年人中任務誘導的激活。将這種方法應用于臨床資料可以幫助研究異常連接配接和活動流如何影響異常激活，這與認知障礙直接相關。
圖 1.活動流算法
任務誘導的大腦區域j的激活可以通過将所有其他大腦區域i的興奮乘以這些大腦區域和j之間的功能連接配接來預測。活動流的關鍵假設是，激活是由以 FC 估計值為特征的分布式程序生成的。如果SZ的異常激活反映了一個分布式過程，則活動流預測應該能夠在經驗資料中重複組激活差異。
<h1類"pgc-h-arrow-right-"資料跟蹤""10"的>方法</h1>
該研究在OpenNeuro資料庫（n-93）和SZ（n-36）中選擇了健康的成年人，他們都在實驗時接受了治療。該研究收集了靜止，任務狀态資料和結構資料，并使用fMRIprep和Ciftify進行資料預處理。
灰階資料被簡化為Cole-Anticevic總腦網絡部門（CAB-NP）圖，其中包括718個皮層和皮下腦區域。由于頭部過度移動，6個HC和12個SZ被淘汰。實驗任務是空間容量工作記憶（WM）任務（圖2）。
圖 2.空間容量工作記憶任務 （SCAP） A. 任務範例。B. 結果的準确性。小組和任務難度的主要影響是顯著的。
1. 任務激活估計
使用标準 GLM 來适應從編碼到反應間 （6.5-9.5s） 活動的 SCAP 任務。然後比較單個水準内具有高WM負載的WM負載的減少活動。此外，在CAB-NP圖譜的12個功能網絡中進行了相同的分析。對各組間存在顯著差異的大腦區域進行随訪，作為ROI。
2.FC估計
靜止狀态和任務狀态資料（非 WM 任務）連接配接以形成用于估計 FC 的單個時間序列。給定大腦區域的FC通過主要成分回歸方法計算，并獲得每個大腦區域的主要成分。
3. 活動流映射
公式
原理如圖1所示。
請注意，在預測給定大腦區域的激活時，排除任何具有組間激活差異的大腦區域，以確定預測不僅僅依賴于與功能異常的大腦區域的連接配接。
4. 模拟FC幹預
使用回歸模型将患者的ROI激活與HC激活水準相比對。所得β權重被解釋為模拟FC。使用活動流映射生成 SCAP 任務準确性的預測，并将其與原始資料進行比較。
<h1類"pgc-h-right-arrow"data-track""24"的>結果</h1>
1. 任務引發激活異常
SZ在左腹帶背回皮層（ACC），右内坩埚區（MST），右外側裂背臀骨（PO）和右後腦島（PI）中存在激活異常（圖3）。
SZ 的這些區域在高 WM 負載與低 WM 負載條件下的激活較少。網絡級檢查發現預設網絡 （DMN） 表現出相同的活動模式。ROI 和網絡級别的異常激活和行為是相關的。
圖 3.SCAP任務相關的大腦活動A.組間差異（高與低WM負荷，pFWE<0.05）。B.CAB-NP腦分裂。C. 網絡級組差異（pFWE < 0.05）。
2.FC例外
ROI組之間的有限差異（SZ>HC：左MST-右肌/紋狀體;SZ <HC：右PI-right ACC）。FC 組之間在網絡級别沒有差別。
3. 活動流預測異常激活
活動流圖譜成功預測了兩組受試者全腦的活動模式（圖4），兩組全腦預測無顯著差異。ROI 組和網絡預測組之間的差異如圖 4 所示。
圖 4.活動流映射預測異常激活 A. 真實和預測的組差異。B. 投資回報率和DMN的真實和預測性激活。* P < 0.05
4. 預測異常行為
所有 ROI 激活都與圖 5 中的單個行為相關。
圖 5.激活預測行為 A.SCAP 的準确性與實際激活或預測激活有關。B.實際任務的準确性與活動流映射獲得的準确性的比較
5. 模拟 FC 幹預
平均真實 FC 和模拟 FC 之間的差異如圖 6 所示。結果顯示，每個目标大腦區域與上葉和前額葉皮層之間的FC增加。結合感覺網絡的減少，FC有助于使功能失調的激活和行為正常化。
圖 6.SZ 假定連接配接幹預 A. 回歸模型用于拟合 SZ 的 FC 到 HC 資料。B. 每個投資回報率的平均資料驅動型 FC 幹預權重。C.需要最大和最小FC幹預的大腦區域。D. 驗證 FC 幹預。E. 模拟 FC 生成的預測行為。
< h1級"pgc-h-arrow right-"data-track""40" ></h1>
本研究通過"主動流動映射"模拟了大腦間隔和任務相關活動的運動，作為FC的函數。結果表明，分布式空間的來源可以準确預測與行為相關的異常激活，這表明FC在SZ的異常活動和行為中起着關鍵作用。
具體而言，SZ的感覺運動和認知控制網絡之間的活動流量增加導緻任務狀态中預設網絡停用的減少，表明SZ無法抑制與任務無關的資訊。
基于上述結果，采用資料驅動的模拟發現，上葉和前額葉皮層活動的變化改善了SZ的大腦激活和行為表現，進而為個性化刺激幹預提供了線索。
引用
Hearne LJ， Mill RD， Keane BP， Repovš G， Anticevic A， Cole MW.精神分裂症中大腦激活和認知異常的潛在活動流。科學技術 2021年7月14日;7（29）：eabf2513.doi： 10.1126/sciadv.abf2513.PMID： 34261649;PMCID： PMC8279516.
編譯者：Liu（Brainnews創意團隊）
評論：西蒙（Brainnews編輯部）
#pgc-card .pgc-card-href { text-decoration： none; 大綱：無; 顯示： 塊; 寬度： 100%; 身高： 100%; } #pgc-card .pgc-card-href：hover { text-decoration： none; /-pc Styles/.pgc-card （box-size：border-box; 高度： 164px; 邊框： 1px 實心#e8e8e8; 位置：相對; 填充： 20px 94px 12px 180px; 溢出：隐藏; } .pgc-card：：after { content： " "; 顯示： 塊; 左邊框：1px實心#e8e8e8; 高度： 120px; 位置：絕對; 右： 76px; 頂部：20px; } .pgc-cover { position： absolute; 寬度： 162px; 高度： 162px; 頂部： 0; 左： 0; 背景尺寸：封面; } .pgc-content { overflow： hidden; 位置：相對; 上衣： 50%; -webkit-transform： translateY（-50%）; 轉換： translateY（-50%）; } .pgc-content-title { font-size： 18px; 顔色： #222; 行高： 1; 字型粗細：粗體; 溢出：隐藏; 文本溢出：省略号; 空格：不換行; } .pgc-content-desc { font-size： 14px; 顔色： #444; 溢出：隐藏; 文本溢出：省略号; 頂部填充：9px; 溢出：隐藏; 行高： 1.2em; 顯示： -webkit-inline-box; -webkit-line-clamp： 2; -webkit-box-orient： vertical; } .pgc-content-price { font-size： 22px; 顔色： #f85959; 填充頂部：18px; 行高：1米; } .pgc-card-buy { width： 75px; 位置：絕對; 右： 0; 頂部： 50px; 顔色： #406599; 字型大小： 14px; 文本對齊：居中; } .pgc-buy-text { padding-top： 10px; } .pgc-icon-buy { 高度： 23px; 寬度： 20px; 顯示： 内聯塊; background： url（https://lf6-cdn-tos.bytescm.com/obj/cdn-static-resource/pgc/v2/pgc_tpl/static/image/commodity_buy_f2b4d1a.png）; }
雙腦：認知神經科學之父，加紮尼加自傳書籍心理學應用心理學，48.8 購買