首發精神分裂癥患者腦有向功能網絡的模體研究

許曼 程敬亮○☆ 張勇 宋學勤 薛康康 羅樂凱

精神分裂癥是一種常見的重性精神障礙[1]，功能磁共振成像（functional magnetic resonance imaging，fMRI）研究發現患者存在多個腦區功能異常，功能連接受損[2-3]。但絕大部分精神分裂癥腦功能研究均基于腦區之間的無向功能連接，較少有研究報道其腦功能的效應連接。基于效應連接的有向功能網絡[4]能夠描述腦區之間連接的因果關系，反映信息流傳輸方式。為探究精神分裂癥的早期神經機制，排除藥物及發病次數的影響[5]，本研究特納入首發未用藥精神分裂癥患者為對象，進行fMRI檢查后采用收斂交叉映射 （convergent cross mapping，CCM）[6]算法估算腦區之間的效應連接并構建腦有向功能網絡，同時引入網絡模體（motif）分析方法[7]，探究首發精神分裂癥患者與健康對照的腦有向功能網絡中基本信息流模式差異，揭示疾病的神經影像學機制。

1 對象與方法

1.1 研究對象來自鄭州大學第一附屬醫院2018年1月至10月門診及住院的精神分裂癥患者。納入標準：①符合《美國精神障礙診斷與統計手冊第4版》精神分裂癥診斷標準，由精神科醫師診斷；②首次發病，未服用過抗精神病藥物；③年齡16～40歲；④漢族，右利手。排除標準：①有抑郁或雙相障礙等其他精神疾病史；②接受過精神類藥物或電休克治療；③有MRI檢查禁忌證；④有顱腦外傷史或其他器質性疾病。共入組44例患者。

對照組來自鄭州大學附屬醫院的工作人員及在校學生。納入標準：①無任何精神疾病史或精神疾病家族史；②年齡16～40歲；③受教育程度與患者匹配；④漢族，右利手。排除標準：①接受過精神類藥物或電休克治療；②有MRI檢查禁忌證；③有顱腦外傷史或其他器質性疾病。研究共入組39名對照。

本研究經醫院倫理委員會批準。所有被試或家屬均簽署知情同意書。

1.2 研究方法被試入組后收集其社會人口學信息及臨床特征，由精神科醫師使用陽性和陰性癥狀量表（positive and negative symptom scale，PANSS）評估患者癥狀，然后所有被試均行MRI檢查。

1.2.1 MRI數據采集及預處理 使用GE Discovery 750 3.0 T成像設備采集高分辨結構像及fMRI數據。結構像數據使用梯度回波序列，掃描參數為：層數 136，層厚 1.2 mm，重復時間（repetition time，TR）2000 ms， 回 波 時 間 （echo time，TE）3.2 ms， 矩 陣256×256，視野（field of view，FOV）256 mm×256 mm，翻轉角（flip angle，FA）90°。 fMRI使用單次激發回波平面成像序列，掃描參數為：層數34，層厚3.8 mm，TR 為 2000 ms，TE 為 35 ms， 矩陣 64×64，FOV 為220 mm×220 mm，FA 為 90°， 共采集 200個時間點。數據預處理使用DPARSFA軟件[8]。

1.2.2 構建有向功能網絡 利用功能分區模板[9]將大腦劃分為160個感興趣區域作為網絡的節點腦區，計算每個腦區的平均時間序列。采用CCM算法計算平均時間序列之間的因果關系來估算效應連接。CCM的基本思想是，若變量X對變量Y有影響，則變量Y將含有X的信息，通過計算X及Y的重構流型相關性可估算變量因果性。在大腦中，若存在腦區A的時間序列x[t]到腦區B的時間序列y[t]的因果關系，則認為腦區A到B存在效應連接。對任意一對腦區的時間序列進行CCM計算可得因果關系系數r值及其假設檢驗P值，則可得非對稱的r值矩陣及P值矩陣。對P值矩陣進行錯誤發現率（false discovery rate，FDR）校正（q＜0.01）得到校正后的P值閾值，以閾值化后的P值矩陣對r值矩陣進行二值化，元素值為1表明存在有向連接。至此每名被試均構建得到有向功能網絡。

1.2.3 網絡模體分析 模體（motif）是構成網絡的基本結構，反映網絡的基本信息傳輸單元[7]。當節點數量為3時共有編號為1～13的13個motif連接種類（見圖1）。本文進行網絡motif分析包括在全腦連接水平與在模塊連接水平的分析，其中模塊水平又包括每個模塊內部與兩兩模塊對之間的分析。

圖1 節點數量為3時motif連接模式，共有13個連接種類

網絡中每種motif出現頻數定義為motif的頻率譜[7]。為評價頻率譜的統計學意義，將頻率譜值與100個隨機網絡的motif頻率譜值進行標準化得到Z值，隨機網絡與功能網絡有相同的節點數、連接數及度分布。Z值為：Zi=(Nireal-mean(Nirand))/std(Nirand)，其中Nireal及Nirand分別是功能網絡與隨機網絡中第i種motif的頻率譜值。將Zi值與正態分布表中理論Z值相比，當Zi＞1.96（P＜0.05）時，認為頻率譜具有統計學意義，表明motif i在腦網絡中出現的頻率遠高于隨機網絡，在信息流傳輸中起重要作用。

分析全腦功能連接水平的motif時，分別計算兩組被試全腦網絡中所有種類motif的頻率譜值以及對應Z值。分析模塊連接水平的motif時，首先根據功能分區模板，將160個腦區分為6個網絡模塊[9]。分別計算兩組被試中所有種類的motif在每個模塊內部以及每兩兩模塊對之間的的頻率譜值與Z值。為比較motif i在全腦連接水平與模塊連接水平上的頻率譜大小，需要將頻率譜轉換為概率譜。 motifi的全腦概率譜值為 PiN=Nireal/∑(i∈[1：13])Nreal；motifi在模塊m內的概率譜值為Pmj=mjreal/ijii∑i∈[1：13]mjireal，其中mjireal是模塊mj中 motifi的頻率譜，j∈[1：6]；motifi在兩兩模塊對構成的網絡nk內的概率譜值為Pink=nkireal/∑i∈[1：13]nkireal，其中nkireal是模塊對nk中 motifi的頻率譜，k∈[1：15]。

1.3 統計學方法數據采用SPSS 22.0進行統計分析。兩組被試的人口統計學資料使用χ2檢驗及獨立樣本t檢驗進行比較。對于每種motif i，全腦連接水平頻率譜值Nireal的組間比較采用置換檢驗，并使用FDR法校正。對于每組被試的每種motifi， 分別將概率譜Pmj向量和Pnk向量與PN值進行比iii較，采用單樣本t檢驗。檢驗水準α=0.05，雙側檢驗。

2 結果

2.1 社會人口學及臨床資料兩組被試在性別（χ2=0.141，P=0.752）、年齡（t=1.621，P=0.112）及受教育年限（t=1.534，P=0.241）方面的差異均無統計學意義，見表1。

表1 患者組與對照組人口學及臨床資料

2.2 網絡motif分析結果

2.2.1 全腦功能連接水平與對照組相比，患者組中所有種類motif的頻率譜值均降低，差異具有統計學意義（P＜0.05，FDR 校正），見圖 2A。對照組中標準化頻率譜Z值具有統計學意義（Z＞1.96，P＜0.05） 的 motif種類有 M4、M6、M9、M13，患者組中Z值具有統計學意義（Z＞1.96，P＜0.05）的 motif種類有 M9、M12、M13，見圖 2B。

2.2.2 模塊內部功能連接水平 在對照組中，M13在模塊內的概率譜值高于其在全腦的概率譜值，差異有統計學意義（t=3.248，P=0.027），見圖 3A。M4、M6、M9、M13分別在 4 個、4 個、3 個、5 個模塊內的Z 值有統計學意義（Z＞1.96，P＜0.05），見圖 3B 上圖。 在患者組中，M12（t=2.356，P=0.041）與 M13（t=4.130，P=0.018）在模塊內概率譜值高于其在全腦概率譜值，見圖 3A。 M4、M9、M13分別在 1 個、1 個、6個模塊內的Z值有統計學意義 （Z＞1.96，P＜0.05），見圖 3B下圖。

2.2.3 兩兩模塊對的功能連接水平 在兩組被試中，所有種類的motif在兩兩模塊對連接水平上的概率譜值與全腦概率譜值的差異均無統計學意義（P＞0.05）， 見圖 4A。 在對照組中，M1、M4、M6、M8、M13分別在 4對、10對、4對、1對、15對模塊對連接的頻率譜 Z值具有統計學意義 （Z＞1.96，P＜0.05），見圖 4B 上圖。 在患者組中，M8、M11、M12、M13分別在2對、1對、5對、15對模塊對連接的頻率譜Z值具有統計學意義 （Z＞1.96，P＜0.05）， 見圖4B下圖。

3 討論

本研究使用CCM算法構建腦有向功能網絡。相較于其他研究文獻中使用的Granger因果檢驗等效應分析[10]，CCM算法在非線性的腦功能系統中適用性更好[6]，能夠更準確地估算腦區之間的效應連接。

圖2 兩組在全腦連接水平的motif結果：A.所有種類的motif頻率譜值及其組間差異，*表示組間差異具有統計學意義（P＜0.05）；B.所有種類的motif頻率譜標準化Z值，Z＞1.96表示對應motif的Z值有統計學意義（P＜0.05）

圖3 兩組在模塊內連接水平的motif結果：A.所有種類的motif在6個模塊內概率譜值箱型圖及全腦概率譜折線，*表示模塊內概率譜值與全腦概率譜值的差異具有統計學意義（P＜0.05）；B.所有種類的motif在6個模塊內的頻率譜Z值，每個色塊表示對應的 motif在對應的模塊內 Z 值有統計學意義（Z＞1.96，P＜0.05），顏色表示Z值大小

圖4 兩組在模塊對連接水平的motif結果：A.所有種類的motif在15個模塊對的概率譜值箱型圖及全腦概率譜折線；B.所有種類的motif在15個模塊對的頻率譜Z值，每個色塊表示對應的motif在對應的兩兩模塊對 Z值有統計學意義（Z＞1.96，P＜0.05），顏色表示Z值大小

本研究發現精神分裂癥患者腦有向功能網絡中所有種類motif的頻率譜值均顯著降低。表明患者腦中各類信息流傳輸單元的頻數減少，其有向功能連接受損，腦區之間的因果關系連接普遍減少。該結果與其他研究發現的精神分裂癥患者腦功能連接“失連接”結論相印證[2-3,11]。

對motif頻率譜的Z值分析發現，兩組被試的全腦有向功能網絡中有 5 種 motif（M4、M6、M9、M12、M13）的頻率譜Z值顯著高于理論Z值，差異具有統計學意義。這5種motif可分為鏈式連接（M4、M6、M9）及環式連接（M12、M13）[12]。 在鏈式連接模式中，兩邊節點不直接相連，而是通過中間節點進行信息傳遞。GOLLO等[13]發現在神經群模型中，M6與M9大量存在于獼猴皮層網絡功能模塊之間的信息傳輸中，M9對網絡中全腦信息的整合有重要意義。在環式連接模式中，任意兩個節點均能直接相連，在信息傳遞過程中形成緊密的循環。神經群模型研究發現，M13連接能夠支持每對節點之間形成共存同步的亞穩態[13]。本研究中M12、M13在模塊內部概率譜顯著高于其在全腦水平上的概率譜，而模塊內部由功能相關的腦區集合而成，表明環式連接對網絡中模塊內的功能信息集成具有重要意義。

與對照組相比，患者組腦網絡中，M4、M6、M9的頻率譜Z值具有統計學意義的模塊數量減少；而M12、M13的頻率譜Z值具有統計學意義的模塊數量增多。表明在患者腦網絡中，信息流形成鏈式連接的頻數降低，形成環式連接的頻數增加。反映在患者腦網絡普遍失連接的情況下，腦區之間更傾向于形成直接因果效應關系，而不是通過第三個腦區來進行信息傳遞。該結果與HADLEY等[14]發現患者功能網絡集群系數增加的結論可相互印證。綜上，在首發精神分裂癥患者的腦網絡中基本信息流模式已經出現異常。

本研究探討首發精神分裂癥患者腦有向功能網絡中信息流模式的變化，有助于從神經影像學角度理解疾病的發病機制。但本研究局限于在全腦及模塊連接水平對模體進行分析，未在中樞節點腦區水平對模體進行頂點分析；未分析變化的信息流模式與患者臨床特征 （如病程或癥狀嚴重程度等）的關系。后續可在增加樣本量的基礎上，深化模體分析層次，并與疾病的臨床特征相結合進行深入研究。