《Psychiatry Research》:Predicting Individual Differences in Social Functioning from Functional Connectomes in Children with Autism Spectrum Disorder
编辑推荐:
•全脑连接性可以预测自闭症谱系障碍(ASD)儿童的社会功能。•积极的网络枢纽主要集中在默认模式网络(DMN)中,尤其是左侧楔前叶。•消极网络涉及前后额叶-感觉运动网络之间的连接。•积极边缘模型能够预测另一组ASD儿童的社会功能。引言自闭症谱系障碍(ASD)是一种神经发育障碍,其特
- •
全脑连接性可以预测自闭症谱系障碍(ASD)儿童的社会功能。
- •
积极的网络枢纽主要集中在默认模式网络(DMN)中,尤其是左侧楔前叶。
- •
消极网络涉及前后额叶-感觉运动网络之间的连接。
- •
积极边缘模型能够预测另一组ASD儿童的社会功能。
引言
自闭症谱系障碍(ASD)是一种神经发育障碍,其特征是社交沟通和互动方面存在持续性缺陷,以及行为和活动的模式刻板、重复(Lord等人,2020年,2018年;Zeidan等人,2022年)。重要的是,ASD儿童在社会功能方面表现出极大的异质性:即使是在诊断和认知特征相似的情况下,他们在社交能力、日常社交行为以及对干预的反应方面也存在显著差异(Gates等人,2017年;Jones & Klin,2009年;Lombardo等人,2019年)。这种变异性对有效干预措施的设计、实施和评估构成了重大挑战(Gates等人,2017年),这凸显了进一步了解影响个体社交功能差异的神经机制的必要性。
越来越多的神经影像学研究发现了与ASD社会功能相关的脑功能连接的广泛变化。这些变化涉及与社会认知相关的大脑区域,包括楔前叶、扣带回皮层、内侧前额叶皮层、杏仁核、后上颞沟、岛叶和颞顶交界处(Guo等人,2020年,2024年;Moessnang等人,2020年;Wymbs等人,2021年)。在网络层面上,ASD儿童在默认模式网络(DMN)内部的连接性存在异常,而DMN已被证实与社会认知缺陷有关(Assaf等人,2010年;Di Martino等人,2014年;Lynch等人,2013年)。此外,网络之间的连接性受损,例如主要感觉网络与DMN之间的连接减少,以及岛叶与杏仁核之间的连接减弱,都与较差的社会功能相关(Ebisch等人,2011年;Hong等人,2019年;Uddin & Menon,2009年)。
尽管取得了这些进展,但大多数先前的研究仍依赖于病例对照设计以及基于感兴趣区域(ROI)的方法,主要关注ASD儿童与典型发育儿童(TD)之间的群体差异或预定义脑区域内的异常。这样的方法可能会掩盖ASD儿童在社交功能上的个体差异,而且基于ROI的策略也可能限制我们识别出复杂行为背后的分布式全脑神经模式。最近基于网络的方法强调了分布式脑组织在理解ASD异质性方面的作用。这些研究揭示了ASD相关的区域间结构相似性和皮层网络拓扑的变化,并基于多模态脑网络识别出了具有生物学意义的ASD亚型(Zheng等人,2018年,2020年,2025年)。这些发现突显了网络级表征在描述ASD的分布式神经结构和异质性方面的价值。
基于连接组的预测建模(CPM)提供了一个数据驱动的框架,将全脑功能连接性与个体层面的行为变异联系起来(Assaf等人,2010年;Di Martino等人,2014年;Lynch等人,2013年)。这种方法通过将全脑功能连接模式(连接组)与行为表型联系起来来构建预测模型。与依赖于预定义区域或网络的传统分析不同,CPM不需要事先选择,从而能够识别出与特定认知或行为特征相关的分布式神经特征。先前的研究已成功应用CPM来揭示多种表型的神经相关性,包括智力(Finn等人,2015年)、注意力(Finn等人,2015年)、创造力(Beaty等人,2018年)和渴望(Garrison等人,2023年)。
最近的研究开始将CPM应用于神经发育障碍中的社会功能。例如,Bruno等人(2025年)应用CPM揭示了诺南综合征和非综合征性自闭症中跨诊断的脑网络,并发现皮下-小脑和视觉网络的功能连接性显著预测了两组儿童的社会功能障碍严重程度(通过社会反应量表SRS测量)。然而,这项研究依赖于父母报告的问卷数据(SRS),可能存在报告偏差。重要的是,这项研究主要针对的是年龄较大的儿童(平均年龄>8岁),而对于ASD幼儿(早期发展和干预的关键时期)的全脑连接模式是否能预测其社交功能的个体差异,我们知之甚少(Bruno等人,2025年)。
为了解决这些问题,我们将CPM应用于1.5至8岁ASD儿童的静息态fMRI数据,以预测个体的社交功能差异。首先,我们测试了全脑功能连接性是否能够在个体层面上显著预测社交功能,并假设分布式功能连接组将表现出显著的预测性能。接下来,我们通过识别对模型有贡献的关键功能连接和枢纽区域来研究预测性能背后的网络结构。鉴于DMN在社会认知和社会行为中的已知作用(Adolphs,2009年;Andrews-Hanna等人,2014年;Buckner等人,2008年;Satpute & Lindquist,2019年),我们假设与DMN相关的连接模式将在预测社交功能中起核心作用。最后,我们在另一个由27名1.25至8岁ASD儿童组成的独立队列中评估了预测模型的可重复性,并检查了所识别的基于连接组的特征是否能在外部样本中得到复制。通过采用个体差异框架,这项研究旨在阐明ASD社交功能变异背后的分布式神经特征,并推动更精确、个性化的干预策略的候选标志物的识别。
章节片段
参与者
本研究在中国广州医科大学第三附属医院进行。参与者于2024年9月至2025年9月期间从住院或门诊临床服务中连续招募。该研究获得了广州医科大学第三附属医院的伦理委员会批准([2025]074)。所有参与者在参与之前都获得了其父母或法定监护人的书面知情同意。
本研究包括……
参与者特征
主要样本(n=65)和验证样本(n=27)的参与者的人口统计、临床和发育特征总结在表1中。
主要样本中个人-社交得分的预测
我们首先在主要样本(n=65)中使用LOOCV框架评估了CPM的预测性能。如图2所示,结合了积极和消极边缘的CPM模型显示预测的个人-社交得分与观察结果之间存在显著关联(r=0.525,p<0.001,MAE=11.094,95% CI=[0.321,……
讨论
本研究使用CPM探讨了ASD儿童个体间社交功能差异的神经基础。结果显示,全脑功能连接模式显著预测了个人-社交得分,且这些预测效果在多次验证分析中保持稳健。通过分别研究积极的和消极的预测网络,我们发现积极网络主要由DMN主导,左侧楔前叶作为一个关键枢纽。
作者贡献:CRediT
Aqian Li:数据管理、正式分析、方法论、软件、可视化、初稿撰写、审阅与编辑。Jie Zhang:调查、资源获取、审阅与编辑。Chulan Yu:调查、资源获取、审阅与编辑。Liming Tan:调查、资源获取、资金筹集、审阅与编辑。Aiwen Yi:概念构思、数据管理、项目管理、审阅与编辑。Yaqiong Xiao:概念构思、数据……
资金来源
本研究得到了广东省基础与应用基础研究基金会(2026A1515011529)对Y.X的支持,以及深圳市医学研究基金(B2402005)和中国国家自然科学基金(32371019)对L.T的支持,还有中国博士后科学基金(2026M793806)对A.L的支持。
知情同意和患者细节
所有参与者或其法定代表均已获得参与本研究并发表文章的书面知情同意。参与者的隐私权得到了保障。
人类研究
本研究遵循了研究进行地的相关法律、监管框架和指南。该研究获得了广州医科大学第三附属医院的伦理委员会批准(批准号[2025]074)。
未引用的参考文献
Levy等人,2009年;Rosenberg等人,2016年;Wilke等人,2017年;Zheng等人,2019年;Zheng等人,2021年
CRediT作者贡献声明
Aqian Li:撰写——审阅与编辑、初稿撰写、可视化、软件开发、方法论、数据管理。Jie Zhang:撰写——审阅与编辑、资源获取、调查。Chulan Yu:撰写——审阅与编辑、资源获取、调查。Liming Tan:撰写——审阅与编辑、资源获取、调查。Aiwen Yi:撰写——审阅与编辑、项目管理、数据管理、概念构思。Yaqiong Xiao:撰写——审阅与……
致谢
我们感谢所有参与本研究的家长和儿童,他们的贡献使得这项研究成为可能。
Aqian Li|Jie Zhang|Chulan Yu|Liming Tan|Aiwen Yi|Yaqiong Xiao