基于纤维束-脑区分析揭示胼胝体网络特异性老化及年龄调节的认知关联

《Communications Biology》：Network-specific corpus callosum aging and age-moderated cognitive associations using tract-to-region analysis

本研究针对胼胝体(CC)不同功能网络连接如何随年龄变化及其与认知的关系尚不明确的问题，利用人脑连接组计划-衰老(HCP-A)队列的718名成人扩散磁共振成像(dMRI)数据，采用纤维束-脑区(tract-to-region)分析方法。研究发现胼胝体不同功能网络（如凸显/腹侧注意网络和躯体运动网络）呈现加速的三次方老化轨迹，且年龄显著调节了脑-行为关联：在年轻成人中关联微弱，而在老年成人中显著增强。这表明胼胝体完整性，尤其是高阶联合网络的连接，在晚年生活中对维持认知功能变得至关重要。论文发表于《Communications Biology》。

　　

大脑如同一个精密的指挥中心，左右半球需要通过一座名为“胼胝体”(Corpus Callosum, CC)的“信息高速公路”紧密协作，才能高效处理复杂的认知任务。作为人类大脑中最大的白质连合纤维束，胼胝体在整合信息、协调双侧半球认知加工中扮演着不可或缺的角色。然而，这条关键的“高速公路”在人类衰老过程中却显得格外脆弱，会经历显著的、与年龄相关的萎缩，其衰退速度甚至超过其他脑区，并且这种现象被认为是人类所特有的。一个引人入胜的问题是：胼胝体并非均质结构，它是由连接不同大脑皮层区域的纤维构成的复杂镶嵌体。那么，这些根据不同功能网络划分的胼胝体分区，是否遵循不同的衰老轨迹？它们与认知功能（如执行功能、记忆）的关系，又会如何随着我们年龄的增长而发生变化？目前，对于胼胝体连接在特定功能网络层面的生命周期轨迹，以及这些轨迹如何与认知和运动功能相关联，仍缺乏清晰的认识。特别是，大脑结构与认知功能之间的联系是贯穿整个生命周期保持稳定，还是会被衰老过程本身所调节，尚不清楚。

为了回答这些问题，Mohammad Hadi Aarabi博士利用人脑连接组计划-衰老（Human Connectome Project-Aging, HCP-A）项目发布的大规模数据集，对718名36至100岁的健康成人进行了深入研究。该研究创新性地采用了“纤维束-脑区”（tract-to-region）分析方法，旨在实现三个核心目标：第一，绘制胼胝体在七个典型功能网络内的纤维束密度在整个成年生命周期的轨迹；第二，探究这种网络特异性的完整性（纤维束密度）与关键执行功能、记忆和运动测试表现之间的关系；第三，正式检验年龄是否调节这些脑-行为关系。这项研究为了解基于网络的胼胝体通路如何衰老，以及它们的保存如何在整个成年生命周期中支持认知/运动健康提供了详细的图景。研究成果发表在《Communications Biology》期刊上。

本研究的技术方法核心包括利用HCP-A Lifespan 2.0 Release的多中心扩散加权成像（DWI）数据，采用多壳层采集方案。数据经过预处理校正伪影后，使用广义q采样成像（GQI）进行重建，并采用确定性纤维追踪算法生成胼胝体纤维束成像。关键分析方法是“纤维束-脑区”分析，该方法是量化每个白质通路投射到特定皮层区域的体积比。研究者将Schaefer-Yeo 400节点/7网络功能图谱配准到每个被试的扩散空间，并计算胼胝体纤维束与每个皮层脑区的交集，进而聚合到七个大尺度功能网络（视觉、躯体运动、背侧注意、凸显/腹侧注意、边缘、控制、默认模式网络）以获得网络水平的纤维束密度。为处理多中心数据潜在差异，应用了ComBat谐校正。统计分析包括系统比较线性、二次、对数和三次多项式模型以确定最佳年龄轨迹模型，采用Pearson相关分析脑-行为关联，并通过含交互项的回归模型和置换检验来验证年龄的调节效应，同时进行了严格的多重比较校正和敏感性分析。

研究结果

人口学特征

最终研究样本包括718名健康成人（56.0%为女性），年龄范围36至100岁（平均60.40±15.66岁）。参与者认知和运动功能测试表现均在预期常模范围内。

站点谐校正验证

为应对潜在的多中心变异性，对七个网络的所有纤维束密度测量值应用了以年龄和性别为保护性生物学协变量的ComBat谐校正。该程序成功减少了站点相关方差，同时保留了年龄相关的生物学效应。谐校正后数据用于所有后续分析。

胼胝体纤维束密度的网络特异性三次方轨迹

系统模型比较显示，三次多项式模型对所有七个网络的年龄相关变化拟合最佳（AIC最低）。五个网络（凸显/腹侧注意、躯体运动、背侧注意、默认模式、边缘网络）在错误发现率（FDR）校正后显示出显著的三次年龄效应（R² 范围 0.080 - 0.431），并经置换检验验证。这些网络表现出复杂的非线性模式：在成年早中期（约36-60岁）相对稳定或轻微下降，随后在晚年（60-100岁）出现加速下降。视觉网络在整个成年期基本保持平坦（R² = 0.009），表明初级感觉胼胝体连接得以保留。边缘网络则显示出独特的轻微正向三次方趋势。

与认知和运动表现的相关性

胼胝体纤维束密度与认知和运动表现之间存在小到中等程度的相关（r = -0.32 至 0.33）。在56项网络-行为关联测试中，有29项在经过严格的Bonferroni校正后仍显显著。纤维束密度与言语记忆（RAVLT总回忆）和执行功能（TMT-A, TMT-B）测量值显示出最强和最一致的正相关（对RAVLT）或负相关（对TMT，得分越低表现越好）。视觉和边缘网络与认知测量的关联最小或没有关联。

年龄对网络纤维束密度与认知表现关系的调节作用

调节分析发现，在15项网络-行为组合测试中，有11项存在显著的纤维束密度 × 年龄交互作用（经置换检验和FDR校正）。这种调节模式在所有认知领域均一致：关联在年轻成人中微弱或不存在，但随着年龄增长逐渐增强。例如，对于处理速度（TMT-A），所有五个网络均显示显著的负向交互作用，年轻成人相关性微弱（r范围 -0.119 至 0.089），而老年成人则表现出中等程度的负相关（r范围 -0.222 至 -0.276），表明在晚年生活中，更高的纤维束密度与更快（更好）的表现相关。对于言语记忆（RAVLT总回忆），在躯体运动、控制和凸显/腹侧注意网络中也观察到显著的正向交互作用，年轻成人相关性可忽略不计（r范围 -0.103 至 0.007），而老年成人则表现出正相关（r范围 0.183 至 0.235）。

敏感性分析

为评估研究结果在不同脑图谱分区分辨率下的一致性，研究者使用更高分辨率的Schaefer-Yeo 1000节点图谱重复了全部分析流程。结果显示，400节点和1000节点图谱得出的纤维束密度估计值高度一致（r = 0.972），三次方年龄轨迹和脑-行为相关性结果被完美复制，证实观察到的效应并非所选分区分辨率的假象，而是反映了真实的结构-功能关联。

讨论与结论

本研究通过大样本成年生命周期数据和先进的“纤维束-脑区”分析技术，揭示了胼胝体老化具有明显的网络特异性。高阶联合网络（如凸显/腹侧注意网络、默认模式网络）的胼胝体连接在成年早中期相对稳定后，于晚年出现加速下降，而初级感觉网络（如视觉网络）的连接则在整个成年期保持相对完好。这种差异化的老化模式部分支持了神经发育与衰老的“后长成，先衰退”（last in, first out）原则，但也提示轴突髓鞘化程度和易损性等其他因素的重要作用。

更为重要的是，本研究首次系统地揭示了年龄对胼胝体-认知关系具有显著的调节作用。在年轻大脑中，胼胝体完整性与认知表现的关联较弱，这可能与年轻大脑具有较高的可塑性和补偿能力，以及功能特化所需的部分半球间抑制有关。然而，随着衰老和神经储备的下降，认知表现变得越来越直接依赖于底层结构“硬件”的健康状况。胼胝体通路，特别是那些支持大脑关联网络的通路，其完整性成为维持网络局部效率、 segregated加工和成功进行半球间补偿（如HAROLD模型所提示）的关键结构基础。因此，在老年阶段，胼胝体纤维密度对维持认知功能变得日益关键和具有限速性。

这些发现强调了将胼胝体视为一个具有不同老化速率和功能重要性的连接镶嵌体的重要性。保护白质健康，特别是那些支持高阶认知功能的胼胝体连接，应成为促进成功认知老化的干预措施的关键靶点。该研究为了解健康与病理性脑老化中的半球间相互作用机制提供了新的重要见解。研究的局限性包括横断面设计无法推断个体内变化轨迹、纤维束密度是结构连接的间接代理指标、样本相对健康等，未来需要纵向研究和结合多模态成像技术进一步验证和深化这些发现。