空间共线性：多变量分子富集网络估计的根本约束

《Human Brain Mapping》：Spatial Collinearity Constrains Multivariate Molecular-Enriched Network Estimation

　　

神经影像数据分析日益利用源自正电子发射断层扫描（positron emission tomography, PET）的神经递质受体分布，以弥合微观与宏观尺度脑功能之间的鸿沟。然而，这些受体图谱在空间上高度重叠，可能引发解释与分析方面的挑战。本研究系统探讨了在基于靶点的功能连接富集分析（Receptor-Enriched Analysis of functional Connectivity by Targets, REACT）背景下，PET图谱之间的空间共线性所产生的影响；REACT是一种将受体图谱作为空间回归变量以推导受试者水平分子富集功能连接网络的方法。对19种受体与转运体图谱的穷举组合分析显示，共线性随同时建模的受体数量增加而迅速上升，且潜在的相关结构在不同分区尺度下相对稳定，反映了神经递质系统的内在组织。利用人类连接组计划（Human Connectome Project）的重测fMRI数据，研究人员证明，建模更多受体会降低由常规多变量REACT模型推导的分子富集网络的可靠性，而受体图谱间的共线性驱动了这种降低。一种替代性的单变量方法（每种受体独立建模）产生了更可靠的网络，并将其应用于LSD与安慰剂比较的受试者内研究时，更好地恢复了5-HT_2A受体在LSD神经效应中的作用。这些发现将空间共线性确定为多变量分子富集网络估计的基本约束。因此，研究人员建议将单变量模型作为默认方法，多变量模型仅在特定动机明确时使用，并应与单变量结果一并报告。

论文解读：空间共线性约束多变量分子富集网络估计

神经影像分析日益利用正电子发射断层扫描（positron emission tomography, PET）所获取的神经递质受体分布来弥合微观与宏观脑功能研究之间的鸿沟。然而，不同受体系统的空间分布高度重叠，导致在基于受体图谱的空间回归分析中产生共线性问题。受体富集分析（Receptor-Enriched Analysis of functional Connectivity by Targets, REACT）是一种广泛使用的方法，其通过双回归框架将PET受体密度图谱作为空间模板，提取与各神经递质系统相关的受试者水平功能连接网络。常规多变量REACT将所有受体同时纳入回归，以部分化出各受体的独特贡献，但这要求受体图谱具有充分的空间独立性。实际上，由于神经递质系统在脑内的分布存在广泛的共释放、相互作用和功能重叠，受体图谱之间高度相关，这可能导致回归系数估计不稳定、标准误膨胀，并使药物效应的归因变得模糊。尽管已有研究提示多变量REACT可能受此影响，但空间共线性的整体格局及其对网络可靠性和药理学特异性的影响尚未被系统量化。本研究旨在系统评估空间共线性对分子富集网络估计的约束，并检验单变量替代方法是否能提供更稳健的结果。

研究人员首先利用Hansen图谱中的19种受体和转运体图谱，在10个空间尺度上刻画了共线性随模型规模变化的规律。随后，基于人类连接组计划（Human Connectome Project, HCP）的重测静息态fMRI数据（45名受试者，两次独立扫描），比较了单变量与多变量REACT流程所推导网络的组内相关系数（Intraclass Correlation Coefficient, ICC(3,1)）。最后，在一个LSD（麦角酸二乙酰胺）与安慰剂比较的受试者内药理影像数据集（15名健康志愿者）中，检验了两种流程在恢复5-HT_2A受体特异性方面的表现。

关键方法方面，PET图谱来自Hansen图谱（由超过1200名健康个体的规范PET数据聚合而成）。使用Schaefer皮层与Tian皮层下模板组合，在10个尺度（116至1054个脑区）上对图谱进行分区。共线性通过穷举组合方差膨胀因子（Variance Inflation Factor, VIF）和主成分分析（Principal Component Analysis, PCA）评估。REACT流程采用双回归框架：多变量流程将所有受体同时作为空间和时间回归变量，单变量流程则对每个受体独立建模。可靠性分析使用ICC(3,1)和Spearman相关，药物效应检验采用配对置换检验，并采用错误发现率（False Discovery Rate, FDR）和Bonferroni校正进行多重比较校正。

3.1 空间共线性随模型复杂性增加而增加

研究人员通过19张图谱的两两相关分析发现，配对相关系数范围为r=-0.59至0.95，31%的配对|r|>0.5。PCA显示，4个主成分解释了80%的方差，9个主成分解释了95%，表明受体空间的有效维度远低于19。穷举组合VIF分析表明，中位平均VIF在同时建模9个受体时超过中等共线性阈值5，在15个受体时超过严重阈值10；大多数受体组合在k=6时已超过中等阈值。受体中D₂、vAChT和D₁的VIF最高，最易受影响。重要的是，不同分区尺度之间的受体相关结构高度稳定（相关系数r>0.92），表明共线性是神经化学构筑的内在属性，而非分辨率依赖的伪影。

3.2 多变量建模降低分子富集网络的可靠性

在HCP重测数据中，平均ICC从单变量（k=1）的0.547下降到全模型（k=19）的0.448，降幅18%，且下降随模型规模单调增加（受体内置换检验p=0.0001）。不同受体的下降幅度与其空间共线性程度相关，D₂、vAChT等分布重叠严重的受体下降最明显，而NMDA和5-HT_1A等空间分布较独特的受体相对受保护。线性混合效应模型显示，VIF对可靠性损失有强预测作用（b=-0.090, p<0.0001），而模型大小在控制VIF后无额外解释力（p=0.184），表明共线性本身是可靠性退化的驱动因素，而非模型复杂度本身。

3.3 共线性损害LSD药理影像的特异性

在LSD数据集的五受体模型中（5-HT_1A、5-HT_2A、5-HTT、D₁、D₂），D₁和D₂的VIF分别为6.4和7.2，超过中等阈值，而血清素受体阈值低于5。尽管共线性相对温和，单变量流程的运行间可靠性仍显著高于多变量流程，其中5-HT_2A（Δρ