Neurology：早期、未用药帕金森病存在特异的白质连接

神经影像研究认为PD（帕金森症）是一种网络失连接综合征，并可通过网络神经科学方法进行研究。网络神经科学将大脑从结构与功能上看作大尺度神经网络。该方法假设脑区之间的解剖连接与功能交互的异常，会引起网络功能的障碍。近期基于图论的研究发现，早期PD的功能连接组受到模块化破坏，虽然白质连接发生微小改变，但结构组织仍旧相对保留。因此，重要的是我们需要了解众所周知的解剖网络的固有变异性是否构成了早期PD中未检测到的结构异常的基础。此外，PD的病理和症状异质性可能影响发现一致的疾病相关结构变化的能力，尤其是在PD疾病的早期阶段。

一个有效的办法是，得到一个疾病相关的结构连接组，同时最小化解剖网络变量的遗传生理因素的影响以及疾病异质性的异质性的影响，这样的研究方法对于加深对PD结构网络病理改变的理解以及加强研究结果的可重复性十分重要。因此，来自科罗拉多大学的研究者在Neurology上发文，使用最小化个体异质性的网络分析方法对该问题进行了研究。 

研究目标：帕金森早期未用药患者全脑白质纤维连接的拓扑结构及连接强度

研究方法：该研究纳入70例早期未用药PD患者及41例健康对照，利用弥散MRI，采用无模型、数据驱动方法计算全脑白质的拓扑结构及连接强度。通过将每组解剖连接变量最小化，产生一个新的组特异性的白质解剖网络。在该组特异性白质解剖网络上计算全脑白质连接强度及网络指标，并进行组间比较。将这些网络测量指标与PD患者临床指标进行相关，评估其病理生理学相关性。

研究结果：PD组特异性白质解剖网络确定了PD相关的皮层与皮层下区域。模块化组织受损的伴随网络指标与多项临床指标相关。疾病病程与PD特异性白质解剖网络的全脑连接强度呈负相关。

研究结论：通过对解剖连接变量的最小化，在无先验分析假设下，发现了早期PD的特异性白质结构连接的存在并与临床症状相关。该研究新发现在已知PD相关的脑区之间的结构连接增加。为未来针对PD潜在白质结构改变的临床与病理异质性的研究提供了参考框架。 

在现有研究中，作者使用一个新的全脑数据驱动方法，未使用先验假设，仅关注健康对照及早期PD中最为一致的连接，从而在对照组及PD组确定一个组特异性白质解剖网络。该研究假设：PD特异性白质连接网络的改变（包括PD相关脑区的结构连接减低（同时保留个体结构解剖变异））可以解释PD结构网络的病理改变，并与临床指标及疾病进展相关。

被试：

该研究数据来自于PPMI（Parkinson’s Progression MarkersInitiative）数据库，仅选择使用3T Siemens扫描的影像数据以减少干扰因素。共得到92例未用药的早期PD患者及49例健康对照。

被试特征：

对照组年龄匹配、无任何神经系统疾病、一级亲属无PD患者，MoCA评分大于等于26分。PD患者入组标准：（1）达到PD诊断标准；（2）诊断为PD 2年内；（3）多巴胺摄入转运体异常；（4）基线Hoehn &Yahr scale 小于等于2分。完整的行为、认知、运动功能评估。采用MDS-UPDRS-Ⅲ进行运动症状严重程度评分。

影像数据：

dMRI来自3T Siemens扫描设备，12通道头线圈，64个扩散方向，b值1000。多巴胺摄入转运体成像采用SPECT。

dMRI数据预处理及质量控制：

视检有无信号缺失或其他伪影。采用FSL 进行预处理，包括涡流矫正、头动参数计算、剥脑、使用dtifit线性拟合体素弥散模型，计算弥散参数FA值。

对涡流矫正eddy_correct的输出文件估计总头动平移值，即在x、y、z三个方向上分别计算每个volume之间头动均方根的总和。被试头动mean±1*SD 大于1个体素被删除。对旋转头动未进行质量控制，因为旋转与平移高度相关。通过质量控制，共得到70例PD患者及41例健康对照用于随后分析。

结构网络的构建：

采用TrackVis，转角阈值35°（即大于35度停止追踪），进行全脑确定性追踪。FA mask为0.2，长度阈值10mm（即小于10mm删除）用于删除伪纤维束。全脑连接作为构建结构连接组的边（edges）。采用下面步骤得到被试个体空间的nodes（点，即用来构建连接组的ROI）： 

（1）采用FSL线性与非线性配准将MNI152模板配准至个体空间b0图； 

（2）将在MNI152空间的AAL图谱（无小脑）的90个大脑皮层ROI及ATAG图谱的12个皮下解剖ROIs通过最近邻插值的方法转化至被试个体空间。每个被试个体空间下的皮层及皮层下区域被作为nodes。

采用上述edges与nodes得到每个被试的加权结构连接矩阵。两节点（i,j）若作为终点存在一条白质纤维束，则被认为存在结构连接。不使用自身连接（即节点i和自己不存在结构连接）。结构连接乘以确定性追踪得到的相连白质纤维束的数量及纤维束平均FA值进行加权，将噪声的影响最小化。为进一步减少噪声的影响，对每一个被试的连接矩阵进行异常值检测，采用连接矩阵的四分位范围。

构建组特异性白质解剖网络：

为提取每组被试最一致的皮层及皮层下连接，采用非参的符号检验（nonparametric sign-tes，作者这里使用的非参数的单样本符号检验，其效果和做单样本t检验类似，单样本t是求得一组被试中均值显著大于0的结构连接（即存在真实连接），而非参数的单样本符号检验是通过对中位数的检验实现的，其利用一组样本中大于中位数和小于中位数的样本点应当大致相当的原假设对样本数据进行验证），使用Bonferroni校正（p<0.05）分别得到HC组及PD组特异性的WM解剖连接矩阵。

符号测试不仅可以最小化由噪声产生的结构误差，同时减少概率追踪造成的内在假阳性。将所得的HC与PD特异性解剖连接矩阵作为mask，提取结构加权连接矩阵，计算基于图论各项属性并进行组间比较。

网络拓扑分析：

采用多个全局及局部网络属性描述加权网络的拓扑特征。

全局属性分析，通过计算组特异性WM解剖连接的小世界属性描述网络节点间的全局信息整合效率与局部信息传输效率。简而言之，标准化路径长度（λ）表征全局信息整合（可理解为白质连接中的长连接或者远距离连接），标准化聚类系数表征(γ)表征信息分流能力（可理解为白质连接中的短连接能力或近距离连接）。如果λ≈1以及γ≫1，提示节点局部与远距离邻居间信息分享效率最高，即网络具备小世界属性。还计算了网络模块化（networkmodularity），代表网络结构中的层次。

局部属性分析，包括节点效率，节点度值。节点效率描述信息在该节点与网络其他节点间的传输效率，包括全局（节点效率，nodal efficiency）及局部（节点局部效率，nodal local efficiency）。节点度值是描述一个节点在网络中的影响力，节点度值高提示对网络信息流存在显著影响。节点介数度值描述每个节点在信息传输中的角色。

对比HC组与PD组各个网络属性差异，分析早期PD患者是否存在白质结构网络拓扑属性的改变及其与临床特征的相关性。       

计算个体水平连通性分数计算每个PD患者的组特异性WM解剖连接矩阵（A）内的积的和代表总连通性强度，作为被试连通性分数。并观察是否与病程与疾病严重程度存在相关。

Rich-club分析

当网络关键节点hub点内部连接多于与低度值节点间连接，则认为网络存在rich-club组织结构，可帮助理解网络高阶模块结构，提供网络容错性、层次顺序、网络特异化信息。标准化系数Φnorm >1，超过节点度值k的范围，反映网络存在rich-club组织结构。

根据给定节点度值k,以及与这些节点相连边，采用Φnorm将每一个被试节点划分为：rich-clubnode，feedernode，localnode。后两者要么是rich-club node的输入支线（feeder，即非rich-club节点和rich-club节点之间的连接）要么不是（local，即非rich-club节点间的连接）。因为每组中每一个被试存在不同的rich-club节点，针对使rich-club组织结构显著的最大k值，经验计算一个上限阈值，使每组中产生至少一个rich-club节点。组间采用相同的阈值确保无偏差。

计算平均rich-club 、feeder、local边强度，并进行组间比较，观察PD患者在rich-club组织结构是否存在改变，以及这些节点边强度是否与临床指标相关。所有的网络参数计算采用Matlab代码及GRETNA工具包。图1为研究基本流程：

图1.研究流程

将相结合的AAL模板与ATAG图谱配准至个体原始空间构建结构连接矩阵。乘以节点间纤维束数量及平均FA值进行加权。采用四分位间距进行异常值检测。采用非参的单样本符号检验得出针对HC组与PD组的特异性白质连接组网络作为mask，在组mask基础上计算每个被试的网络属性。

数据分析

人口统计学及临床变量：

卡方检验与K-W检验分别用来分析分类变量与连续变量统计学显著性。dMRI扫描期间头动参数的统计学检验采用非参数K-W检验。显著性水平P<0.05。

组特异性WM结构连接组组间比较：

采用基于网络的统计学方法（NBS）进行非参数检验，NBS采用非配对t检验5000次置换检验。对于每一个连接计算测试数据，阈值为t=3.1，得到一组阈上连接，以显示显著差异（Pcorr<0.05）。

比较HC组与PD组网络拓扑属性及与PD临床相关性：

采用FSL PALM（permutationanalysis of linear models）工具包进行全局及局部网络属性的非参数组间差异分析及与临床相关性。PALM与NBS显著性水平采用FEW校正，P corr<0.05。所有比较均将年龄、性别、头动、受教育程度，总颅内体积、数据来源中心及diffusion-motionmeasures作为协变量进行控制。
结果：

人口统计学与临床特征：

HC组与PD组人口统计学信息及MoCA均无显著差异。PD患者均为疾病早期，平均病程为11.2个月，采用MDS-UPDRS-IIIscore评估病情严重程度平均20.04分。具体信息见表1。两组间平均头动无显著差异。

表1.被试人口统计学信息表

HC与PD组特异性WM解剖连接：

图2展示组特异性WM结构连接的3D图像，HC组与PD组分别存在864与1220条边（双侧）。如图2A，PD与HC结构连接存在70.54%重叠。HC组特异性WM结构连接组仅有一条连接（嗅回与眶额回之间），PD组存在179条（179/610）连接，其节点包括皮层与皮层下区域如：中央前回，脑岛，海马，丘脑底核，黑质与纹状体。

值得注意的是：NBS检验显示PD组9条连接强于HC组，包括角回、颞中回、后扣带、枕中上回、尾状核、壳核、纹状体、辅助运动区（SMA）及额中回。如图2B。

图2.图特异性WM连接及NBS分析结果

HC与PD组特异性WM连接的拓扑差异：

图3描述2组全局与局部结构网络属性。PD组特异性WM连接组存在显著网络构架受损，全局信息网络传输减低（图3A）伴随左额下三角部脑区的(Inf-Fron-Tri-Left)节点度值的增高（图3B）。

图3.基于图论的PD白质结构连接

（A）基于图论的PD白质结构连接组全局属性：标准化聚类系数、小世界属性及模块化系数较HC组显著减低；

（B）局部属性：PD患者左额下三角节点度值及节点效率显著升高。

PD全脑连通性分数与临床指标的关联：

如图4所示，PD全脑连通性分数与病程呈显著负相关(Pcorr < 0.05)，与疾病严重程度或累积DaT分数无显著相关。

图4.病程与全脑连通性分数的相关

图论属性与临床指标的关联：均无显著相关。

组特异性WM连接组间rich-club差异：

PD组与HC组均存在rich-club组织结构（图5A）。最大节点度值80%(k≥ 9)作为阈值，HC组与PD组均至少有一个node可被划分为网络关键节点即rich-club node。选择该节点度值可最大化高度值节点间的连接。如图5A所示，HC组存在3个节点（左侧海马、双侧脑岛），PD组存在6个节点（双侧脑岛、双侧纹状体、双侧海马）为网络关键节点(k ≥9)。令人惊讶的是。PD患者较HC网络关键节点白质连接强度（rich-club edges)及其输入的支线连接强度(feeder edge strength)（图5B）显著增强。尽管非连接关键节点的白质连接(local edge strength)未达到统计学显著性（图5B），依然存在rich-club edgestrength及feeder edge strength增强的趋势。

图5.Rich-club 分析

Rich-club参数与临床相关性：     

Rich-club连接强度与MDS-UPDRS-III分数存在显著正相关。这表明，PD患者的运动受损或异常症状可能与rich-club的过强连接有关。同时，feeder edge强度与累积DaT分数存在显著正相关（图6）。

图6.Rich-club参数与临床相关性

总结：

通过降低研究中个体解剖连接异质性的分析方法，这项概念验证的全脑研究不需要从多位点数据库中对早期帕金森病的研究队列进行先验分析假设，从而在特定的帕金森病白质连接体中识别出了许多与帕金森病病理相关的皮层和皮层下区域，并且与HC相比，PD组的结构连接性出现异常提高（包括全脑NBS分析中发现的强连边和rich-club中识别出的更多rich节点），并且与受损的模块组织有关。

通过识别早期PD结构连接的核心特征，该方法可能提高对与疾病进展相关的结构网络的理解能力，并增强对疾病修正疗法（Disease-modifying treatments）过程中出现的核心结构连接变化的检测。
原文：Unique white matter structural connectivity in early-stage, drug-naive Parkinson disease

微信扫码或者长按选择识别关注思影