分子富集功能连接对脑龄分析贡献的探究

《Human Brain Mapping》：Investigating the Contribution of Molecular-Enriched Functional Connectivity to Brain-Age Analysis

　　

基于神经影像数据的脑龄预测提供了一种生物性衰老的替代指标，然而多数模型依赖结构磁共振成像（structural magnetic resonance imaging，MRI），该模态虽能捕捉宏观解剖特征，但生物特异性有限。研究人员检验了整合来自静息态功能磁共振成像（resting-state functional MRI，rs-fMRI）数据的分子富集功能连接（molecular-enriched functional connectivity，FC）是否能改善脑龄预测及生物可解释性。研究人员分析了来自三个公开数据集的2120名健康成人（女1243/男877；18–90岁）的MRI数据。分子富集连接图通过利用多巴胺（dopamine，DAT）、去甲肾上腺素（norepinephrine，NET）和血清素（serotonin，SERT）转运体系统的受体密度模板，采用靶点受体富集功能连接分析（Receptor-Enriched Analysis of functional Connectivity by Targets，REACT）推导得到。应用支持向量回归（support vector regression）模型从分子富集FC、结构形态测量或两者联合预测实际年龄。通过带与不带经验贝叶斯（Empirical Bayes）汇合的ComBat协调化缓解多站点变异性影响。研究人员额外进行了共同分区分析以评估模态间不同分区方案的影响。单一转运体分子富集FC最多解释51%的年龄方差。最具预测性的转运体因数据集而异，在协调化及共同分区设定下DAT占主导。联合三种分子富集图较任一单图一致改善预测，并将解释方差提升至最高64%。结构形态测量总体仍为最强单模态。在使用共同分区的合并多站点队列中，向结构特征添加转运体富集FC带来小而一致的预测误差降低（平均绝对误差（mean absolute error，MAE）从6.02降至5.81年），支持两模态间有限的互补性。重复交叉验证的残差水平配对比较确认该改善统计可靠但幅度有限。相反，当应用不同分区时，将分子富集FC纳入脑龄预测较单独结构形态测量导致MAE升高2%，提示分区不匹配可能掩盖功能贡献。综上，分子富集FC是脑龄建模中可行且具生物信息的扩展；然而其相对结构形态测量的附加预测价值有限，且依赖于协调化与图谱对齐。

研究背景与立题依据

脑龄（brain-age）作为生物学衰老的替代指标，通常基于T1加权结构MRI（T1-weighted MRI，T1w MRI）训练机器学习模型预测实际年龄，以脑龄差（brain-age gap）反映加速或延缓衰老，已被用于精神分裂症、痴呆、阿尔茨海默病（Alzheimer's disease，AD）等多种疾病的风险评估。然而结构MRI仅捕获宏观解剖，缺乏神经化学特异性；静息态功能MRI（rs-fMRI）虽能反映年龄相关的网络重组，但BOLD信号仅为神经血管耦合的间接血流动力学代理，亦无分子层面注释。靶点受体富集功能连接分析（REACT）通过将rs-fMRI的BOLD波动与PET/SPECT来源的受体密度模板回归，可生成融合单胺类转运体（DAT、NET、SERT）信息的分子富集FC，为脑龄模型引入神经化学上下文。已有研究提示分子富集网络偏离随龄变化，但尚无工作在大样本多站点健康队列中系统量化其对脑龄预测的独立与互补贡献，亦未明确分区不一致与站点效应是否掩盖其功能增量。该研究即在此背景下开展。

主要技术方法概括

研究人员合并Cam-CAN、HCP-Aging与NKI-RS三个公开生命周期队列共2120名18–90岁健康成人（经MRIQC质控与fMRIPrep/XCP-D预处理）。以REACT框架分别嵌入DAT、NET、SERT转运体PET/SPECT模板生成分子富集FC，并按Schaefer-247分区提取ROI均值；结构侧采用FreeSurfer衍生皮层厚度、表面积、亚皮层体积等649维形态特征。使用支持向量回归（radial-basis-function核）在10×10折叠交叉验证下预测实际年龄，比较单转运体、分子块（M_Mol）、结构块（M_Struct）与多模态块（M_Multi）；多站点合并时测试原始、ComBat-noEB（按特征域独立调整、不借力跨特征经验贝叶斯）与ComBat-EB三种协调化；另设DKT共同分区分析以隔离图谱错位混淆。

研究结果

3.1 数据集

QC后最终样本2120人（Cam-CAN 627、HCP-Aging 599、NKI-RS 894），年龄18–90岁，性别与年龄段分布均衡，构成多站点常模队列。

3.2 分子富集FC图的定性特征

组水平REACT图显示DAT峰位于前纹状体/尾状核头，NET峰位于小脑蚓部-脑干交界，SERT峰位于中线小脑齿状核/脑干区，空间分布与已知单胺系统拓扑一致。

3.3 脑龄建模

3.3.1 单站点模型：分子富集FC普遍提供增量

单转运体FC解释方差R²约0.25–0.51，MAE约9.27–11.43年；三转运体拼接M_Mol将MAE再降0.96–1.82年，R²升至0.50–0.64；结构M_Struct最优（MAE 5.55–5.76年，R² 0.78–0.85）；M_Multi在HCP-Aging与NKI-RS略优于纯结构，Cam-CAN无增益。最优选转运体随队列变（SERT/DAT在Cam-CAN与HCP-Aging占优，NET在NKI-RS占优）。

3.3.2 合并队列模型：需站点协调化

未协调时多站点M_Struct MAE 5.33年，M_Multi反劣化至5.59年；ComBat-EB仅微利DAT与M_Mol；ComBat-noEB最优，M_Struct MAE 5.26年（R² 0.862），M_Multi 5.36年。表明不加协调化时功能特征受站点效应污染，独立特征域协调化最能保真。

3.3.3 共同分区分析：分区错配掩盖有限互补

在DKT共同分区下ComBat-noEB合并队列中，M_Struct MAE 6.02年，M_Multi降至5.81年（R² 0.830，增量0.21年/3.5%），残差配对检验效应小但一致（Cohen's d小，置换p显著）。反向印证异分区设定下2% MAE升高源于图谱错位而非功能无用。

讨论与结论翻译

研究人员探究了REACT衍生的分子知情rs-fMRI是否对结构MRI脑龄估计提供预测增值。在2120名成人中，分子富集FC可预测脑龄，但结构形态测量仍为总体最强预测子。单站点内拼接三转运体图较单图增解释方差，加至FreeSurfer形态测量后在两队列有微小增益；合并后协调化为保留功能预测值所必需，ComBat-noEB最佳并维持多模态优势；模态对齐至共同图谱（DKT）揭示合并队列中小而一致的多模态改善，提示分区错配部分掩盖分子富集FC有限互补。综上，分子富集FC携带非冗余于形态测量的年龄信号，在常规多站点约束下转化为统计可靠但实务微小的精度改善；其主要附加价值在于生物特异性与机制可解释性，而非大幅拉升预测精度。

该研究发表于《Human Brain Mapping》，意义在于首次在大样本常模跨站点框架中界定了REACT-FC对脑龄的边际贡献边界，明确站点协调化与图谱对齐是释放其功能增量的前置条件，为后续在AD等病理队列中用分子富集FC捕捉结构萎缩前网络重组提供了方法学基线。