摘要
研究表明，内在功能连接（FC）中的个体间变异性（ISV）与各种各样的认知和行为表现相关。然而，ISV在FC中的潜在组织原理及其相关基因转录谱尚不清楚。使用静息态功能磁共振成像数据从人类连接组计划（299年成人被试）和艾伦人类脑图谱的微阵列基因表达数据，我们进行了转录-神经成像关联研究调查内在的ISV的空间配置及其与空间基因转录谱的关联。我们发现，FC中多模态关联皮层的ISV最大，而单模态皮层和皮层下区域的ISV最小。重要的是，偏最小二乘回归分析显示，与人类加速区（HARs）相关的基因的转录谱可以解释FC中ISV空间分布的31.29%的变异。转录谱中的顶级相关基因在中枢神经系统的发育、神经发生和突触的细胞成分中得到了丰富。此外，我们还观察到，基因转录谱对FC中ISV的异质性分布的影响是由脑血流结构介导的。这些发现强调了ISV在FC中的空间排列，以及它们与转录谱和脑血流供应变化的耦合。
1. 引言
人类大脑功能连接（FC）中的个体间变异性（ISV）是认知和行为方面的个体差异的基础。最近，静息态功能磁共振成像（R-fMRI）研究表明，成人和新生儿的FC均表现出显著的区域差异，表现为多模态关联皮层的ISV高于单模态皮层。这些FC中ISV较高的区域不仅可以预测个体在高阶认知功能（如认知抑制和流体智力）方面的差异，还可以为个体识别提供有价值的信息。此外，先前的研究表明，在新生儿大脑中检测到的FC中ISV的总体空间模式与在健康成年人中观察到的空间分布相似。在新生儿大脑和成人大脑之间的FC中，ISV的总体空间分布相似性强调了基因表达对FC中ISV空间分布的影响。此外，人类双胞胎研究表明FC是可遗传的。同卵双胞胎的FC相似性高于异卵双胞胎和非相关个体的相似性。然而，遗传因素对FC中ISV的异质性分布的作用机制仍不清楚。
先前研究已探索了人脑FC组织的遗传基础，通过比较同卵双胞胎、异卵双胞胎和非相关单胞胎对的FC变异性，估计了FC中ISV的遗传贡献。他们发现，基因共享程度的增加（同卵双胞胎为100%）与FC变异性的降低显著相关，这表明FC中的ISV有很强的遗传效应。以往关于FC中ISV的遗传贡献的研究主要揭示了FC的高遗传力，然而，哪些基因与ISV在FC中的异质性分布相关尚不清楚。通过比较基因组分析，Doan等人确定了人类加速区域（HARs）的基因组，这表明了人类与其他物种相比不同的加速扩散的基因组位点。位于人类加速区域的基因，被称为HAR基因，已被发现与神经元发育过程相关，如皮层扩张、神经发生和神经元分化，并调节人类特定的社会和行为特征。值得注意的是，HAR基因涉及整个人体的各种功能的影响，这并不是大脑特有的。Wei等人随后通过将HAR基因集与脑基因集重叠，鉴定出一组HAR基因，标记为HAR-脑基因，这些基因在脑部位的表达明显高于非脑部位。他们发现，HAR-脑基因在人类大脑认知功能网络的皮层扩张和皮层组织中起着至关重要的作用。最近的研究表明，皮层扩张被认为是影响ISV异质性分布的影响因素。因此，我们推测HAR-脑基因表达谱的区域变异可能是ISV在FC中异质性分布的潜在遗传基础。然而，基因表达谱如何塑造ISV在FC中的异质性分布仍在很大程度上是未知的。
FC中ISV高的区域主要位于前额叶和顶叶皮层，主要与脑血流量高的区域相重叠。静息态下的脑血流（CBF）反映了区域代谢水平，是人类大脑的一个基本生理特性。此外，静息态的CBF也受到参与神经发生和神经元发育遗传因素的影响。此外，此前的一项研究发现，影响大脑代谢的基因也调节FC。因此，我们推测脑代谢水平可能介导了基因表达对FC中ISV的影响。
为了揭示遗传因素对FC中ISV的作用机制，我们进行了一项转录-神经成像关联研究（图1）。我们的第一个目标是基于人类连接组计划（HCP；299成人被试）的高分辨率数据调查ISV的空间配置及使用基于元分析方法的探究其与各种认知能力的关系。基于之前的研究，我们假设FC中的高ISV可能位于关联皮层，这往往负责高阶功能。我们的第二个目标是通过直接检查FC中基因表达谱和ISV的重叠空间变异，通过研究从艾伦人脑图谱获得的基因表达谱与FC中被试间变异之间的关系。我们假设，对脑神经元发育至关重要的HAR-脑基因的表达与FC中的ISV显著相关。我们的第三个目的是通过中介分析来模拟基因表达谱、CBF和ISV空间分布之间的关系来检验静息态CBF的潜在中介效应。
编辑切换为居中
添加图片注释，不超过 140 字（可选）
图1.研究设计和研究方法的示意图。(A)使用来自HCP的重复测量R-fMRI数据来计算FC中ROI水平的ISV。(B)利用来自艾伦人脑图谱的大脑皮层区域的微阵列基因表达数据，获得6个供体的平均基因表达谱。(C)采用偏最小二乘回归方法研究ISV在FC中的分布与基因表达谱之间的关系。(D)ISV相关转录-神经成像关联的基因特异性分析。(E)对主要相关基因的基因富集分析。(F)检测FC中基因、静息态CBF和ISV之间关系的中介分析。ISV，被试间变异性，FC，功能连接，PLS，偏最小二乘，CBF，脑血流。
2. 方法
2.1 被试
被试来自人类连接组计划（HCP）数据库的900名参与者中的339名不相关的健康成年人。由于HCP提供了来自大量双胞胎和非双胞胎兄弟姐妹的数据，我们只选择了不相关的被试，每个被试都有一个独特的家庭ID，以避免由家庭结构中共享的遗传和环境因素导致的混杂效应。所有被试的年龄都在22岁至37岁之间，并提供了知情同意书。HCP得到了华盛顿大学机构审查委员会的批准。
2.2 fMRI数据获得
所有R-fMRI数据均使用定制的32通道西门子3T连接体Skyra扫描仪收集。在扫描过程中，被试被要求睁开眼睛，盯着黑色背景上明亮的十字注视点，然后放松。R-fMRI数据在两个不同时间阶段收集。每个阶段包括两次运行扫描，包括从左到右（LR）和从右到右（RL）相位编码方向，导致每个被试进行4次静息态磁共振扫描。每个R-fMRI扫描使用多波段梯度回波平面成像序列，具体参数如下：重复时间（TR）= 720 ms，回波时间（TE）= 33.1 ms，翻转角 = 52°，视野 = 208×180 mm2，矩阵大小= 104×90, 共72层，体素大小 = 2×2×2 mm3，多波段系数 = 8，共1200卷（扫描时间为14.4 min）。为了消除不同相位编码方向对我们的发现的潜在影响，我们的分析仅限于在两个不同阶段的LR相位编码运行的R-fMRI数据。
2.3 R-fMRI数据预处理
R-fMRI数据首先由HCP的最小预处理程序进行预处理，其中包括梯度失真校正、头部运动校正、图像失真校正、对蒙特利尔神经学研究所（MNI）空间的空间转换和强度归一化。40名被试因头部运动过度而被丢弃。因此，我们使用299名被试（28.46±3.69岁，139名男性/160名女性）进行后续分析。本研究的进一步数据预处理采用静息态功能磁共振数据处理助手（DPARSF）和统计参数映射软件（SPM12）。我们执行的额外预处理步骤包括：(1)去除线性趋势；(2)回归噪音信号（包括24个头部运动参数、脑脊液、白质和全脑信号）；(3)进行时间带通滤波（0.01-0.1Hz）。利用回归后的残差被用于构造FC矩阵。
2.4 FC矩阵构造
为了构建全脑FC矩阵，使用625个相似大小区域的分割图谱将脑灰质（不包括小脑)分割成625个感兴趣区域（ROI），保留了自动解剖标记（AAL）标签。然后，通过平均该区域内所有体素的时间序列，从每个ROI中提取时间序列。最后，计算每对可能的ROI的时间过程之间的皮尔逊相关系数，并使用Fisher-z变换进行归一化，得到每个被试的625×625的FC矩阵。
2.5 FC的ISV
ROI水平的ISV：为了推导出全脑FC中ISV的空间分布图，我们根据每个ROI计算了FC模式中的ISV（图1）。每个ROI的FC映射被表示为一个624维的向量
编辑切换为居中
添加图片注释，不超过 140 字（可选）
, 分别表示ROI，被试和扫描阶段。给定一个ROI i 和 s 一个被试的，两个阶段之间ROI水平FC的ISV被量化为：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
其中，
