揭示呼吸与大脑全局信号功能重叠及其行为相关性：一项基于人类连接组计划的静息态fMRI研究

推荐 为解决静息态fMRI研究中全局信号（GS）的功能解释难题，研究人员基于Human Connectome Project的770名参与者数据，探讨了呼吸与GS的功能拓扑重叠及其行为相关性。研究发现呼吸与GS在边缘系统和默认模式网络（DMN）中存在显著的空间一致性，并通过典型相关分析揭示了GS行为关系与呼吸行为关系的共享模式。这些发现强调了呼吸在脑-体整合中的多功能角色，挑战了将GS视为单纯生理噪声的传统观点，对理解大脑功能和精神健康具有重要意义。

　　

论文解读
静息态功能磁共振成像（resting-state fMRI, rs-fMRI）技术通过测量大脑在静息状态下的血氧水平依赖（BOLD）信号变化，揭示了大脑各区域之间的功能连接模式。然而，rs-fMRI数据分析中的一个关键挑战在于如何解释全局信号（global signal, GS）。GS通常被定义为整个大脑信号的平均值，其波动被认为与大脑的唤醒状态、警觉状态、认知功能以及精神疾病密切相关。然而，GS也部分来源于生理因素，特别是呼吸。尽管已有研究表明GS与呼吸之间存在关联，但其功能意义仍不明确。

为了解决这一问题，来自中国的研究人员基于Human Connectome Project（HCP）的数据集，开展了大规模的静息态fMRI研究，旨在探讨呼吸与GS的功能拓扑重叠及其行为相关性。研究共纳入了770名参与者，通过分析其静息态fMRI数据和生理信号（包括呼吸和心率），揭示了呼吸与GS在空间分布上的显著一致性，并通过典型相关分析（canonical correlation analysis, CCA）进一步探讨了它们与行为变量的关系。

研究发现，呼吸与GS在边缘系统和默认模式网络（DMN）中表现出强烈的空间一致性。边缘系统和DMN在情绪调节、自我参照思维以及社会认知等功能中起着重要作用。研究人员通过CCA分析了GS与行为变量之间的关系，并发现GS的行为相关性可以通过呼吸的行为相关性来预测。具体而言，GS与呼吸在DMN中的共同模式与心理问题（如思维障碍、反社会人格问题和童年行为问题）显著相关。此外，只有GS与呼吸的关系能够可靠地预测个体在行为上的差异，而心率（heart rate, HR）与GS的关系则未能显示出显著的行为相关性。

为了验证研究结果的可靠性，研究人员采用了10折交叉验证的方法，评估了CCA模型的泛化能力。结果表明，GS与呼吸的关系在不同数据子集上均表现出一致性，进一步支持了研究结论的稳健性。此外，研究人员还排除了心脏活动对GS的影响，发现心脏活动与行为之间的相关性不显著，进一步突显了呼吸在GS功能中的独特作用。

研究结果不仅揭示了呼吸与GS在空间分布上的功能重叠，还强调了呼吸在调节大脑功能和行为中的重要性。传统观点通常将GS视为fMRI分析中的噪声，需要通过回归去除。然而，本研究表明，呼吸对GS的贡献具有功能性意义，而非单纯的生理噪声。这一发现对fMRI数据分析中的预处理步骤提出了新的思考，提示在去除GS之前应充分考虑其潜在的功能意义。

此外，研究还揭示了DMN在心理问题中的重要作用。DMN的异常活动与多种精神疾病（如抑郁症、焦虑症和精神分裂症）密切相关。通过揭示呼吸与DMN之间的功能联系，本研究为理解这些疾病的病理机制提供了新的视角。

总之，这项研究通过大规模的静息态fMRI数据分析，揭示了呼吸与GS在空间分布和行为相关性上的显著重叠，强调了呼吸在脑-体整合中的多功能角色。研究结果不仅挑战了传统观点，还为未来的fMRI数据分析提供了新的思路，具有重要的理论和临床意义。

在方法上，研究人员采用了经典的rs-fMRI数据分析流程，包括数据预处理、GS计算、呼吸信号处理以及CCA分析。具体而言，rs-fMRI数据通过标准的预处理步骤（如时间层校正、头动校正、空间标准化和去线性趋势等）进行处理，随后计算每个体素的GS时间序列。呼吸信号通过腹部传感器记录，并通过翻转和滞后处理以匹配GS的时间序列。CCA分析用于识别GS与呼吸行为之间的共享模式，并评估其统计显著性。

这项研究为理解呼吸在大脑功能中的作用提供了新的视角，并为未来的fMRI研究提供了重要的理论依据。通过揭示呼吸与GS的功能重叠及其行为相关性，研究不仅挑战了传统观点，还为精神疾病的病理机制研究提供了新的线索。