Environment International:儿童阅读网络的功能连接与其产前接触的多溴联苯醚浓度有关


环境和人类的发展息息相关,环境的恶化给人类带来的不仅仅是表面看起来的危机,生存在环境问题严重的人群中可能也被潜在的影响甚至于改变其发展轨迹。儿童在幼年阶段尤其容易受到此类问题的困扰,但环境变化如何具体作用于我们人体目前还不清楚,因此,有大量研究在对类似问题进行研究(比如中国雾霾问题的大规模研究)。阅读障碍是一种目前仍旧不清楚其病理成因的语言障碍之一,其中,遗传因素可以解释60%的阅读障碍患者的障碍成因。有研究者指出暴露于神经性毒物,包括多溴二苯醚(PBDEs,一种神经毒物,被大量用作印制板基材覆铜箔层压板与半固化片的阻燃剂,被混合在树脂中,有毒,味道类似桉树气),可能是该问题研究中容易被忽视的危险因素(如果儿童在出生前就长期保留此类毒物浓度较大的环境中,其遗传因素可能受到影响)。为此,来自哥伦比亚大学的研究者使用静息态功能性磁共振成像(rs-fMRI)检查了5岁儿童社区样本(N=33)中产前PBDE浓度与阅读相关网络(RN)功能连接的相关性。产妇血清中的多溴二苯醚(ΣPBDE)含量测定在12.2 (Mean)+2.8(SD)妊娠周进行。结果发现,这些5岁儿童在产前接触到的ΣPBDE浓度越高,其阅读网络的全局效率就越低,ΣPBDE浓度与DMN网络则不相关,这说明了ΣPBDE浓度的影响是具有特异性的。本研究发表在环境与健康类著名杂志Environment International上。 

研究背景:

在美国,大约有200万儿童有特殊的学习障碍,其中80%患有阅读障碍(RD)。这些儿童在学业失败、抑郁、焦虑、滥用药物和失业方面的风险都大幅增加。虽然对RD病因的研究主要集中在内源性因素,如遗传和智力,这些因素只能解释RD中约60%的差异。外源性的、可改变的环境因素,如暴露于神经毒物,包括多溴联苯醚(PBDEs),可能是RD研究中被忽视的危险因素。多溴二苯醚是一类生物积累的卤代化合物,曾被广泛用作阻燃剂,目前仍存在于织物、家具、电子产品、电线绝缘和婴儿用品等消费品中。尽管在过去的20年里,PBDE在美国已经逐步被淘汰,但通过现有产品的释放和环境中的生物持续性,PBDE的持续暴露仍然存在。

多溴二苯醚暴露是由于吸入或摄入家庭灰尘或受污染的食物,并在脂肪组织中积累。研究表明,在美国,几乎所有人都暴露于多溴二苯醚,在全国有代表性的全国健康与营养检查调查(NHANES)中,97%的美国成人样本血液中可检测到多溴二苯醚水平。产前暴露于多溴二苯醚可能通过间接作用(如破坏甲状腺激素)或氧化应激和DNA损伤等直接机制破坏儿童的大脑发育。多溴二苯醚可能会干扰神经元分化、突触形成和髓鞘形成,这些都对大脑的健康发育至关重要。在第一项关于产前多溴二苯醚浓度对人类大脑功能影响的MRI研究中,作者最近发现,产前孕妇血清中多溴二苯醚浓度较高与支持视觉注意力和执行功能受损的大脑区域整体效率的改变有关。流行病学证据则表明,母亲多溴二苯醚浓度与儿童期不良神经发育结果之间存在关联,包括认知能力下降。因此,产前孕妇血清中多溴二苯醚浓度较高与阅读障碍儿童的脑功能发育以及其阅读能力之间是否存在关系值得深入研究。

作者在一项纵向出生队列研究中登记的5岁儿童样本中,检查了这些儿童母亲的产前多溴二苯醚浓度,以及这些儿童的阅读技能和支持阅读的大脑网络内的静息状态功能连接之间的关联。作者的研究设计如下:

(1) 计算来自于5岁儿童社区样本的RN(阅读网络)连通性;

(2) 检验RN连通性与阅读技能的关系(即文字识别);

(3) 检验母体血清PBDE浓度是否与RN连接和阅读技能改变有关。还探讨了哪些PBDE同源基因对RN连接和阅读技能的改变贡献最大。 

研究方法:

被试:

316对母亲-孩子组合的持续的纵向出生队列中选择了47名儿童(Horton et al., 2013),参与一天的访问,包括核磁共振扫描和阅读评估。本试点研究的47名研究对象的样本来自2009年至2010年的父母队列研究。其中14名儿童由于头动、数据值异常等原因被排除在外,最后纳入分析的被试为33名儿童。 

母亲产前的PBDE浓度测量

在妊娠的前三个月或后三个月定期进行产前抽血时(中位值为12.2周,标准偏差为2.8周),通过无菌静脉穿刺收集孕妇血清,测量PBDEs。关于本队列中多溴二苯醚同系物的样本收集和分析的完整细节已经发表。 

阅读技能测试

MRI扫描之前,由一名训练有素的研究助理在访问当天进行全面的阅读评估。管理和评分由注册心理学家审查。孩子们完成了阅读准备的测试。包括:伍德考克阅读精熟测验(WRMT-2,字母识别测试);;基本阅读技能测试(WRMT-2,单词识别)。此外,在其他部分还评估了可能有助于获得阅读技能的认知技能,包括:Wide Range Assessment of Memory and Learning 第二版、Sound Symbol Learning测试、Woodcock Johnson Test ofCognitive Abilities测试、Visual Auditory Learning测试和Comprehensive Test of Phonological Processing测试。这些测试表都是针对英文的,如果想使用,可能只能自己翻译了。

目前的研究集中在大脑连接和基本阅读技能之间的联系,因此,只分析了通过单词识别子测试的单词阅读能力。由于缺乏可变性,字母识别没有被检查(< 10%的参与者表现低于平均值1个标准差)。单词识别得分的残差为正态分布,因此在参数检验中将其作为一个连续变量。

静息态数据收集和处理

作者对每个儿童收集了5分钟的静息态数据(个人感觉有点儿短了,但考虑到5岁儿童,确实不好采集)。8通道线圈,西门子3T机器。TR为2s,采集为顺序采集(没有用现在更常用的隔层扫描),44层,视野24cm,体素大小为3*3*3,翻转角度72度,矩阵大小为80*80(mm)。为了配准,作者还采集了每个儿童的T1结构像,在采集期间手动检查质量,采集参数为常见参数,无特殊修改。作者使用了FSL来做数据预处理,删除了前两个时间点,然后先进行头动校正,再进行时间层校正(这和我们常说的顺序扫描先头动后时间层是一样的顺序)。然后在剥头皮的基础上使用非线性配准和两步配准法把功能性配准至标准空间(MNI)。最后,使用了6mm的空间平滑。然后,作者使用了CONN工具包完成了后续的数据预处理,包括逐帧头动的检查、协变量处理(头动、脑脊液和白质信号)、0.008-0.09的带通滤波和剔除全脑信号Z大于3的数据点。

阅读网络构建:

作者使用的阅读网络的12个种子点(表1,图1)是在之前的任务态研究中确定的,作者使用MARSBAR根据这12个种子点的MNI坐标为中心,画6mm小球的方式创建了种子点。作为对照网络,作者还选取了DMN网络的九个节点来以相同方法构建DMN网络。

利用各网络间两两相关系数(皮尔逊相关)的均值来构建每个被试的阅读网络。网络效率是通过全局效率(Global efficiency,GE)来衡量的,全局效率是一种大脑整合的图论测量方法,它反映了从网络的每个区域到所有其他区域的效率高低。

之所以评估GE而不是其他图论指标,是因为作者对RN的网络内集成更感兴趣。使用图论分析中常用的固定阈值(稀疏度> 0.15)分别计算每个参与者的RN(阅读网络)和DMN(默认网络)的GE。在以前的工作中,全局效率在0.15稀疏度时,结果最为稳定。为了确保结果的稳健性,与之前的研究一致,RN和DMN的平均GE通过两个额外的稀疏度进行了评估,这两个阈值与初始固定值(0.125、0.15、0.175)之间的增量很小。表1 所有种子点的MNI坐标


图一 阅读网络种子点

S3. Reading Network(RN) 和 Default Mode Network (DMN)感兴趣区的可视化. RN ROIs红色标记, DMN ROIs 蓝色标记. 

缩写词: L = left, R = right; ACC = anterior cingulatecortex, AG = angular gyrus, FFG = fusiform gyrus, IFGop = inferior frontalgyrus pars opercularis, IFGtr = inferior frontal gyrus pars triangularis, IPL =inferior parietal lobule, IPS = intraparietal sulcus, IOG = inferior occipitalgyrus, MFG = middle frontal gyrus, MPFC = medial prefrontal cortex, MTG =middle temporal gyrus, PCC = posterior cingulate cortex, PCG = precentralgyrus, PCUN = precuneus, SMA = supplementary motor area, THAL = thalamus, TPJ =temporoparietal junction.

如果您对脑网络及其他神经影像数据处理感兴趣,请点击以下文字,可添加微信号siyingyxf18983979082进行咨询:

第十四届磁共振脑网络数据处理班(重庆)

第十一届磁共振弥散张量成像数据处理班

第六届任务态fMRI专题班(重庆)

第二十七届磁共振脑影像基础班(南京)

第九届磁共振脑影像结构班(南京)

第十届脑影像机器学习班(南京)

    数据分析:作者首先检验了因变量和自变量的分布(图S2)。为了解决参数检验的假设,通过非正态分布变量的P-P图检验残差的分布。如果这些残差是正态分布,则不进行变量转换。数据缺失的病例被排除在分析之外。所有检验均为双尾检验,显著性水平为p < .05。

S2 因变量和自变量的分布

首先,使用单样本t检验来测试平均RN连通性是否显著不为0,也就是说,以前在成人和较大的儿童中识别建立的这个假定的RN,在这个幼儿样本中也很明显。此外,使用配对样本t检验来检验平均RN连通性是否与随机生成的网络(12个6 mm的球体,以随机生成的峰值坐标为中心)有显著差异。然后使用三个线性回归分析来检查RN的全局效率、单词识别和PBDE之间的关联。模型包括一系列已知的大脑连接(年龄、性别、出生体重、社会经济地位[SES]、平均头部运动和全球相关性)和阅读(性别、出生体重、社会经济地位和语言智商[VIQ])的潜在混杂因素。

通过加权分位数和(WQS)回归,控制性别、出生体重和平均运动,进一步评估PBDE浓度与RN的单词识别或GE之间的关系。该方法被用来评估四个高度相关的PBDE同源物(PBDE 47、99、100和153)和RN的单词识别(GE)之间的相关性。WQS可以评估混合物的整体影响,并确定每个同类个体对整体影响的贡献。 

结果:

被试:33名儿童(54%女性;目前的分析包括82%的西班牙裔、12%的非西班牙裔白人、3%的非洲裔美国人、3%的其他)。参与MRI研究的儿童在人口统计学特征或多溴二苯醚暴露方面与较大队列中的儿童没有差异。在rs-fMRI分析中,33名受试者和14名受试者(未参与核磁扫描的)的PBDE浓度和阅读水平均无差异。参与研究的儿童年龄中位数为5.0岁。这些参与实验的儿童的单词识别能力在单词识别上处于国内儿童的平均范围内(平均值= 95.6;相对于国家标准(平均值= 100;SD = 15)。产前PBDE浓度见表3。这四个同源基因的浓度显著相关(Spearman rs 0.41 - 0.92,所有p < 0.015),并且这些分析中的儿童的相应数据与父母队列中的儿童之间没有显著差异(表1)。

2 人口学基本信息和阅读各项技能测试结果

阅读网络:其中,平均RN(阅读网络)连通性显著大于0(t(32) = 9.478, p < .0001),显著大于随机生成网络的平均连通性(t(32) = 4.632, p < .0001)。RN更大的GE(平均值=0.274;SD = 0.042)与更高的词识别分数存在显著的相关关系(βu = 205.55,t(27) = 2.09, p = .050,图2)。同时,RN的GE(全局效率)越大,儿童的平均单词识别得分越高(该关系在三个阈值下结果均显著,βu = 233.1, βst = 0.57, CI βst: 0.03, 1.11; t(27) = 2.21, p = .039)。作为对照网络,DMN的GE与单词识别的得分无关。

2 阅读网络的全局效率和词汇识别分数的相关

PBDEs 和阅读能力

在稀疏度值为0.15时,较高的产前PBDEs水平与较低的RN的调整后GE相关(图3,之所以是调整后,是因为进行了转换,使其正态,(βu = −0.001, βst = −0.55, CIβst: −1.01, −0.09; t(30) = −2.50, p = .02)。说明PBDE浓度升高10ng与全局效率降低0.01有关。在三个不同稀疏度的阈值下,得到的结果是类似的。在调整了两个潜在的异常值之后,这种相关性仍然显著。

3 较高的产前PBDEs与RN网络的全局效率负相关

作者利用WQS混合方法,发现加权PBDE指数与RN的全局效率呈负相关。暴露指数每增加1/ 5,可检测到阅读网络的全局效率减少0.01(95%置信区间:0.02,0.003)(p = .006)。同源基因47和153对全局效率的变化贡献最大。PBDE同系物99和100对这种关联的贡献可以忽略不计(权重为3%)。 

总结:

该研究结果表明,在5岁以下的儿童中,存在阅读网络内的连接,并且该网络的全局效率增加与更好的单词阅读能力相关。同时,这项初步研究证明,阅读网络的损伤与其产前暴露于PBDEs环境中是存在显著关联的,而单词阅读能力则与产前PBDE浓度无关。该发现进一步强调了在研究阅读障碍的病因因素时,检查产前和早期生活接触环境神经毒物的重要性,以及识别影响和预测认知和行为结果的神经生物学标记的潜在重要性。

如需原文请加微信:siyingyxf 或者18983979082获取,如对思影课程感兴趣也可加此微信号咨询。

微信扫码或者长按选择识别关注思影

非常感谢转发支持与推荐

欢迎浏览思影的数据处理课程以及数据处理业务介绍。(请直接点击下文文字即可浏览思影科技其他课程,欢迎报名与咨询):

第二十七届磁共振脑影像基础班(南京)

第九届磁共振脑影像结构班(南京)

第十届脑影像机器学习班(南京)

第十二届磁共振弥散张量成像数据处理班

第六届小动物磁共振脑影像数据处理班

第十一届磁共振弥散张量成像数据处理班

第六届任务态fMRI专题班(重庆)

第二十八届磁共振脑影像基础班

第十四届磁共振脑网络数据处理班(重庆)


第七届脑电数据处理入门班(内容与第八届入门一致)

第二十届脑电数据处理中级班(重庆)

第七届近红外脑功能数据处理班(上海)


第十九届脑电数据处理中级班(南京)

第六届脑电信号数据处理提高班(南京)

第八届脑电数据处理入门班(南京)

第十八届脑电数据处理中级班(南京)


思影数据处理业务一:功能磁共振(fMRI)

思影数据处理业务二:结构磁共振成像(sMRI)与DTI

思影数据处理业务三:ASL数据处理

思影数据处理业务四:EEG/ERP数据处理

思影数据处理服务五:近红外脑功能数据处理


思影数据处理服务六:脑磁图(MEG)数据处理


招聘:脑影像数据处理工程师(重庆&南京)


BIOSEMI脑电系统介绍