大脑结构如何与功能相关,是神经科学中一个关键且悬而未决的问题。在此,我们描述了健康足月新生儿(n=239)中结构-功能耦合的区域差异,捕捉了皮层区域的结构连接与其协同神经活动模式相关的程度。区域性结构-功能耦合在整个皮层中呈异质性模式,在听觉、外侧前额叶和顶下皮层的耦合较高。在生命第一个月内,平均结构-功能耦合与年龄呈负相关,在初级感觉系统中,特别是在听觉和躯体运动区域,可见与年龄相关的下降。结构与功能的与年龄相关的“解耦”反映了功能连接模式日益分离和白质连接模式日益整合。值得注意的是,在考虑了年龄因素后,出生时背侧注意、扣带-岛盖和视觉系统中的较高结构-功能耦合与一岁时对人脸的更快视觉空间注意力相关。这些结果为了解整个皮层结构和功能连接的发育提供了宝贵的见解,包括生命第一个月内结构-功能耦合的区域间差异如何可能塑造日后的注意力。本文发表在PNAS杂志。
意义
生命第一个月是脑部发育的关键时期,大脑的结构和功能会迅速重构。然而,在此期间,结构连接和功能连接如何重组以支持注意力和行为,我们对此仍知之甚少。在此,我们发现年龄与新生儿功能连接模式与结构连接模式的“解耦”有关,并且这种情况发生在生命早期发育的感觉脑区。此外,出生时区域特异性的结构-功能耦合与一岁时的注意力独立相关。这些发现对于新生儿期人脑回路的模型具有广泛的意义,并有助于阐明与注意力改变显著相关的神经发育障碍的潜在机制。
关键词:脑发育 婴儿 连接性 注意力
出生后即刻的时期是人类大脑发育的关键窗口。包括树突分枝、突触增殖、胶质祖细胞的分化和迁移以及轴突髓鞘化在内的基本过程,都以相互关联的方式迅速发生,同时产后环境开始影响持续的大脑发育。新兴的大脑功能和协同同步的神经活动,都以区域间快速发育的轴突连接骨架为基础。在产后时期,大脑功能由外部环境塑造和调整,而底层的结构连接则迅速发展。这种大脑结构和功能的快速重构,是新生儿行为和认知显著发展的基础,在生命的第一年内出现了视觉、运动和注意能力。新生儿期的大脑结构和功能,在单独研究时,对日后发育中的行为和认知具有预测性。然而,在产后即刻时期,大脑结构和功能在整个皮层中是如何相关的,以及这种耦合是否有行为后果,我们对此尚不甚了解。
无创神经影像和网络神经科学技术的发展,使得在产后即刻时期对全脑皮层连接模式的检查和表征成为可能。在早期发育过程中,测量不同脑区之间协同激活的功能连接模式变得越来越模块化和分离,将皮层处理分为专门用于特定功能的离散系统。评估白质组织和区域间物理连接的结构连接模式也经历着精炼,在产后即刻时期和进入幼儿期,整个皮层的连接性更强,整合性也随年龄增加而增加。这种结构和功能连接模式的精炼可以用皮层网络结构的度量来表征。与大脑成熟相关的两个关键网络结构属性是网络分离,即存在密集互连的脑区组或子网络,以及网络整合,即信息能多快地从分布式脑区组合。先前的工作表明,网络分离和网络整合都随年龄增加而增加。研究全皮层连接模式对于详细描述大脑的整体发育至关重要,而不仅仅是检查特定回路或区域集内的关联。然而,在早期发育过程中,全皮层白质连接模式如何与全皮层功能连接模式相关,研究较少,这限制了我们对结构和功能大脑发育之间的关系如何可能影响社会情感和认知技能或精神或神经发育障碍发展的理解。
结构和功能连接的模式在整个皮层中以区域特异性的方式汇合和分歧。为了检查这种变异,研究评估了区域性结构-功能耦合,它捕捉了一个皮层区域的结构连接与其功能连接连接(即,跨区域自发神经活动协同波动模式的相似性)相关的程度。因此,一个具有高结构-功能耦合的区域,其结构和功能连接模式与皮层其余部分之间存在强相关性。结构-功能耦合的区域异质性反映了皮层属性的分化,包括皮层内髓鞘化、分子、细胞和层状分化,以及兴奋与抑制的平衡。在年龄较大的儿童和成人中,结构和功能的区域耦合符合一个皮层层级,在进化上保守的初级感觉区耦合较强,而在进化上扩展的跨模态联合区耦合较弱。然而,内侧前额叶和前扣带皮层通常是显著的例外,其结构-功能耦合比根据其在皮层层级中跨模态端的位置所预期的要强。
评估结构-功能耦合的替代方法,采用更复杂的方法,发现在年龄较大的儿童和成人中,整个皮层的耦合区域变异模式相似。一种常见的方法是使用从结构连接组获得的网络通信度量在一个多元回归模型中,一个区域的结构-功能耦合然后由功能连接模式能多好地被这个多线性模型预测来定义。在这些研究中,捕捉间接结构连接的度量以及区域间的欧几里得距离,往往最能预测区域功能连接模式。还有另一种捕捉结构-功能耦合的方法,是将结构连接组的特征分解与大脑区域的功能活动联系起来。
重要的是,结构-功能耦合与认知和执行功能的差异相关,并且在精神和神经发育障碍中发生改变。在5至22岁的儿童和青少年中,额顶和默认区域中较强的结构-功能耦合与较高的普通智力相关,而在8至22岁的青少年中,较好的执行功能表现与外侧前额叶和枕叶皮层中较强的结构-功能耦合以及躯体运动皮层中较弱的耦合相关。在成人中,结构-功能耦合的个体差异与知觉转换任务期间的认知灵活性和评估多个认知领域的综合认知分数相关,尽管关联的方向性因区域而异。此外,结构-功能耦合在多种神经发育和精神障碍中发生改变,包括注意缺陷/多动障碍(ADHD)、自闭症谱系障碍(ASD)、癫痫、双相情感障碍和精神分裂症。值得注意的是,在ADHD中发现控制和默认脑区的结构-功能耦合较弱,耦合减少的幅度与症状的严重程度相。尽管这些在年龄较大的儿童和成人中的研究很有启发性,但新生儿期是一个根本不同的神经发育时期,因此,很难从这些年龄较大群体的工作中推断新生儿的结构-功能耦合。因此,研究生命早期结构-功能耦合的发育轨迹,以了解改变的模式如何可能增加日后障碍的风险,至关重要。
在婴儿和幼儿中评估认知表现很困难,精神健康障碍的诊断通常在发育后期发生。然而,我们可以在早期发育中测量一个重要的前兆,那就是注意力。注意力的发展在生命早期至关重要,因为注意力塑造了为后续知觉、行动、学习和记忆选择的信息。婴儿操纵物体或使用手臂和腿在世界中移动的能力有限,因此视觉注意力是婴儿获取信息和了解周围环境的关键手段。注意力的调节是婴儿学会的第一种自上而下的情绪调节形式,对于依赖经验的神经回路发展至关重要。婴儿期的视觉注意力与日后发育中的认知和语言能力相关。视觉注意力的改变是几种神经发育和精神障碍的显著早期标志,一岁时的视觉注意力变异与日后焦虑和抑郁行为的发展以及情绪理解和心理化能力相关。生命第一年内视觉注意力的差异也可能是神经发育障碍的早期预警信号,如ASD。
在此,我们开始填补这一空白,描述健康足月新生儿中结构-功能耦合的地形,并描绘其在生命第一个月内的发育演变。具体来说,我们采用一种直接的方法来研究结构-功能耦合,遵循先前的工作,探究基于纤维束示踪的直接白质连接度量与静息态功能连接模式的对应程度。为了理解与年龄相关的结构-功能耦合背后的发育模式,我们分别探究了功能和结构皮层网络结构中与年龄相关的变化模式。最后,我们试图了解出生时结构-功能耦合的个体差异对日后行为的影响,检验较高的结构-功能耦合是否与一岁时更好的视觉空间注意力独立相关。
材料与方法
参与者
新生儿是作为早期生活逆境、生物嵌入和精神障碍发展前兆风险(eLABE)队列的一部分招募的,其参与者是March of Dimes研究下招募的。孕妇在第二和第三孕期之间被招募并入组。研究的纳入标准包括说英语、母亲年龄18岁或以上以及单胎出生(有关详细的参与者信息,请参见SI附录,表S1)。有酒精或其他物质滥用史的妇女被排除。由一名神经放射科医生(J.S.S.)和一名儿科神经科医生(C.D.S.)审查了解剖MR图像。如果受试者有脑损伤证据或早产(<37周胎龄,GA),则被排除在当前分析之外。其他排除标准包括妊娠并发症(但不包括妊娠期糖尿病或高血压)和已知的胎儿异常,包括宫内生长受限。这项研究得到了华盛顿大学圣路易斯分校人类研究委员会的批准,并从所有参与者的父母那里获得了知情同意。
出生时,扫描了385名参与者,参与者因以下原因被排除:出生时<37周胎龄(n = 54),脑损伤(n = 17),新生儿重症监护室停留>7天,需要插管或胸管,抗生素使用>3天,心脏病或代谢紊乱(n = 36),出生体重<2,000克(n = 1),以及IRB排除(n = 1)。有306名参与者不符合任何这些排除标准(注意,有些符合多个排除标准)。
在306名有资格被纳入研究的参与者中,261名参与者有可用的功能MRI(fMRI)数据,255名有可用的弥散MRI数据。新生儿因以下原因被排除在功能MRI分析之外:没有可用于配准的T2(n = 27),没有收集fMRI数据或在运动审查后可用fMRI数据<10分钟(n = 12),或fMRI数据中存在可见伪影(n = 7)。新生儿因以下原因被排除在弥散MRI分析之外:单波段参考图像伪影(n = 7),没有可用于配准的T2(n = 21),配准失败(n = 7),没有或仅收集了部分弥散序列(n = 10),以及eddy中的离群值SD大于或等于5(n = 6)。总共有n=239名健康的足月新生儿,年龄在38至45周胎龄后,出生时既有可用的弥散成像数据,也有可用的功能MRI数据(n = 239, 45%女性,扫描时年龄M = 41.4周,SD = 1.28周,胎龄M = 38.9周,SD = 1周)。
MRI采集
成像是在不使用镇静药物的情况下,使用3T Prisma扫描仪(西门子公司)和64通道头线圈进行的。在扫描期间,收集了T2加权结构图像(矢状面,208个切片,0.8毫米各向同性分辨率,回波时间,TE = 563毫秒,重复时间,TR = 4,500/3,200毫秒)。使用血氧水平依赖(BOLD)梯度回波-平面多波段序列收集静息态fMRI数据(72个切片,2.0毫米各向同性分辨率,回波时间=37毫秒,重复时间=800毫秒,多波段因子=8,每次运行420个体素)。在每次扫描期间,获取自旋回波场图(至少1个前后向和1个后前向),参数相同。根据婴儿对扫描的耐受情况,采集了2到9次5.6分钟的fMRI BOLD扫描。在扫描期间,使用帧间集成实时MRI监测来监测实时参与者运动。弥散MRI扫描作为两次5分钟的运行采集(80个切片,全脑覆盖,1.75毫米各向同性分辨率,回波时间=79.4毫秒,重复时间=2,500毫秒,多波段因子=4,在b=500至2,500秒/平方毫米的三个壳层上采样108个b值,24、86和96个方向),在每次运行中穿插七个b=0的图像,相位编码方向反转(前→后和后→前),用于磁化率和涡流失真校正。
成像预处理
fMRI预处理包括校正由交错采集引起的强度差异、偏置场校正、将每次运行的强度归一化为全脑模态值1,000、在运行内和跨运行进行线性重排以补偿刚体运动,以及将BOLD图像线性配准到成人Talairach各向同性图谱,在一个步骤中完成。新生儿从BOLD配准到个体T2,再到这个队列的群体平均T2,再到711-2N Talairach图谱。使用FSL TOPUP工具箱计算场失真校正,并使用applytopup应用失真校正。
在初始预处理后,如下所述审查受运动污染的帧。接下来,我们使用墨尔本儿童区域脑图谱(MCRIB)作为基于表面的新生儿划分方法,为每个受试者生成表面。使用从人类连接组项目改编的既定程序,将体积静息态BOLD时间序列映射到受试者特定的表面,这些程序在Connectome Workbench 1.2.3中实现。
映射到表面后,每个数据集都经过静息态fMRI预处理。数据经过以下步骤处理:i)噪声回归,包括白质、心室、轴外脑脊液和全脑,以及从头部运动得出的24参数Friston扩展回归量,和ii)带通滤波(0.005赫兹 < f < 0.1赫兹),在运行内去均值和去趋势,在运行内插值审查的帧。使用球面配准将fMRI数据跨受试者对齐到“fs_LR32k”表面空间。使用测地线2D高斯核(σ = 2.25毫米)平滑表面数据的时间进程。
新生儿fMRI数据在FD > 0.25毫米时进行审查,附加限制是只包括至少3个连续帧FD < 0.25毫米的时期。这个FD阈值是在考虑了婴儿头部半径较小(17)并审查了几个受试者的运动轨迹后选择的。为了被纳入研究,要求在审查后保留至少10分钟(750帧)的fMRI数据[M = 16.6分钟(1,251帧),范围=10.1至41.9分钟]。为了解释任何可能与头部运动或分析中包含的数据量相关的功能连接模式,我们计算了i)审查后保留的帧数和ii)每个个体受试者的未审查帧的平均FD,并将这些值作为受试者级别的协变量纳入所有分析。
使用eddy对弥散图像进行涡流和受试者运动校正。使用eddy_quad从eddy输出计算弥散扫描期间的平均运动,并作为协变量纳入所有模型。使用FSL的bedpostx将概率弥散模型拟合到每个新生儿的DWI数据,该模型使用马尔可夫链蒙特卡洛采样来建立每个体素的纤维方向和弥散参数的分布。我们使用了带有伽马弥散率分布的多壳球棒模型,并为每个体素模拟了多达两个交叉纤维。
新生儿弥散图像使用imgreg_4dfp(4dfp Suite)、FLIRT和bbregister线性配准到原生T2w空间,然后使用AntsJointFusion组合成一个单一的配准。使用Connectome Workbench的ribbon constrained选项将333区域划分中的表面区块投影到T2体积空间。这些区块还被掩蔽以排除白质和脑脊液区域,然后使用FLIRT配准到新生儿弥散空间。为了减轻插值导致的区块之间的任何重叠,将配准后有多个区块分配的体素从任何重叠的区块分配中移除。将333区域划分中的每个皮层区域选为种子区域,并使用概率纤维束示踪计算其与332个其他区域中每个区域的连接强度。使用probtrackx2运行概率纤维束示踪,该程序重复采样体素级纤维方向和弥散参数分布,以模拟指定种子和目标区域之间白质连接的空间轨迹和强度。应用了FDT中的默认跟踪参数(步长0.5,最大2,000步,每个种子体素5,000个样本,曲率阈值0.2)。纤维体积阈值设为0.025,并应用了20毫米的最小流线长度以排除虚假连接。应用了改进的欧拉流线法。由于概率纤维束示踪受距离偏见的影响,也应用了距离校正。在额外掩蔽后,333区域划分中的一些小区块与皮层带没有重叠,导致这些区块没有概率纤维束示踪。对于>5名参与者缺失的区块从分析中移除(9个区块)。
网络构建
从333区域皮层划分(124)中提取每个参与者在每个时间点的残差平均BOLD时间序列。功能连接矩阵表示为一个图或网络。节点(脑区)之间的网络边由皮层表面上区域对之间时间序列的费希尔z变换皮尔逊相关表示。在所有分析中都使用了完全加权的功能连接矩阵。
使用概率纤维束示踪估计333个区域中每对区域之间的结构连接权重,其中连接权重定义为连接每对脑区的概率流线数,结构连接矩阵同样表示为一个网络。连接权重被归一化为每个新生儿的总网络权重,以描绘新生儿之间的内在拓扑差异,并归一化为两个区块的灰质体积之和,因为Gordon333划分中的区块大小存在变异性。在检查间接连接对结构-功能耦合影响的补充分析中,我们计算了每个结构网络连接的加权通信性(SI附录,图S3)。网络通信性是一对区域之间所有长度路径的加权和,捕捉了通过间接和直接连接的通信能力。为了减轻使用概率纤维束示踪重建的密集加权网络中假阳性连接的影响,我们采用了一种基于一致性的阈值处理方法,该方法保留了在受试者中一致发现的连接,应用于75%的百分位,这消除了最不一致连接的前四分之一。我们根据在健康成人中得出的功能系统的定义,将脑区或节点分配到13个大规模功能系统(有时也称为“网络”)。
结构-功能耦合
我们遵循先前的工作,将结构-功能耦合操作化为每个区域的结构和功能连接剖面之间的斯皮尔曼秩相关系数。区域连接剖面从新生儿的结构或功能连接矩阵的每一行提取,并表示为从单个节点到网络中所有其他节点的连接强度向量。然后,结构-功能耦合被操作化为这些向量的非零元素之间的斯皮尔曼秩相关系数,从而为每个区域和每个参与者产生一个结构-功能耦合值。使用非参数相关系数允许结构连接值分布的潜在非高斯性。对参与者的区域结构-功能耦合值进行平均,以创建一个平均皮层耦合图(图2)。由于纤维束示踪算法可能低估跨半球连接,鲁棒性分析还检查了在一个半球内计算的结构-功能耦合是否与全脑结构-功能耦合相似(SI附录,图S2)。
网络度量
在整个皮层中,我们计算了网络分离和整合的摘要度量。网络分离指的是网络可以被细分为具有强、密集的模块内连接和弱、稀疏的模块间连接的组或模块的程度,可以用模块化质量指数(Q)来量化。网络整合是衡量信息能多容易地在不同的节点(脑区)之间组合的度量,通过参与系数来操作化,该系数量化了节点跨系统连接的多样性。参与系数分别在正负号网络上计算;我们对这两个估计值进行平均,以计算功能网络的平均参与系数。我们特别选择了适合加权、有符号网络的网络结构度量,这样我们就可以将功能网络结构的度量与结构网络结构的度量进行比较(。有关网络分析和网络分离与整合度量方程的更多详细信息,请参见SI附录,SI方法。
视觉空间注意力

在1岁时,儿童完成了一个修改版的“情绪参与任务”(SI附录,SI方法)。这个任务由十八个2.74秒的试验组成。每个试验以一个面孔在屏幕中央开始,134毫秒后,一个面孔出现在中央面孔的左侧或右侧。然后两个面孔在屏幕上停留2.62秒后消失。在试验之间,实验者会根据需要展示引人注意的刺激(如Baby Shark)以将孩子的注意力吸引回屏幕。
眼动追踪使用为婴儿和幼儿成功收集数据而优化的程序进行(SI附录,SI方法)。情绪参与任务使用Tobii Pro Lab软件(Tobii Technology)进行管理,眼动追踪使用Tobii Pro Spectrum采集,该设备使用瞳孔和角膜光反射来检测每只眼睛的注视位置,速率为120赫兹。面部感兴趣区域(AOIs)在数据收集前已预先编程,因此我们使用Tobii软件的自动命中/非命中计算进行数据提取。由于嘴部和眼部AOIs的数据质量较低,只检查了面部AOIs。
对于每个有效试验,计算了TTFF、首次注视持续时间、总注视次数和总停留时间。对于外围AOIs,时间是从刺激开始而不是试验开始计算的。作为我们的视觉空间注意力度量,我们计算了每个参与者在所有有效试验中的平均TTFF,以及中央和外围面孔的平均TTFF。在所有眼动追踪度量的分析中,我们控制了参与者评估时的年龄和包含的有效试验百分比。总共有n=102名参与者既有出生时可用的成像数据,也有一岁时可用的眼动追踪数据。
统计分析
为了表征结构-功能耦合与年龄之间的区域关联,我们使用线性模型来估计每个脑区的扫描时胎龄后年龄的效应,同时控制了出生时指定的性别、弥散和rs-fMRI序列中的扫描仪内运动,以及审查后保留的rs-fMRI总帧数(FD < 0.25毫米)。对每个划分的皮层区域分别拟合模型,并使用FDR校正对区域间的p值进行校正,并将统计显著性设为PFDR < 0.05。我们对每个参与者的区域进行平均,以获得平均全皮层结构-功能耦合的度量。我们还评估了一个全脑而非区域性的结构-功能耦合度量,就像在年幼儿童的结构-功能耦合的先前研究中所计算的那样(83, 84),并发现了相似的结果(SI附录,图S3)。
我们使用一种保留系统大小和覆盖范围的基于置换的方法,评估了年龄与结构-功能耦合之间的关联是否在特定的功能系统中更为显著。简而言之,我们对区域的系统分配进行置换,并在这些置换的系统中重新计算平均年龄β(10,000次重复)。然后,系统特定的平均年龄β相对于该系统的年龄效应的零分布表示为一个z分数,我们根据获得观察到的平均年龄效应的可能性计算了一个P值。
在检查皮层网络结构的哪些属性可能驱动结构连接模式与功能连接模式的与年龄相关的解耦时,我们使用线性模型来测试扫描时胎龄后年龄是否与功能和结构网络的平均参与系数或模块化相关。在每个模型中,我们都包含了出生时指定性别和相关模态中扫描仪内运动的协变量。在功能网络结构的模型中,我们还包括了审查后保留的rs-fMRI总帧数和平均网络权重,以控制连接强度的全局差异。在结构网络结构的模型中,我们包括了颅内容量作为协变量,以控制可能影响纤维束示踪和区域间距离的头部大小差异,但没有包括平均网络权重,因为结构网络在预处理期间已经根据平均网络权重进行了归一化。
为了调查区域性结构-功能耦合与视觉空间注意力之间的关系,我们首先使用一个线性模型来估计平均结构-功能耦合与视觉空间注意力(TTFF)之间的关联,同时控制了扫描时的年龄、眼动追踪评估时的年龄和包含的有效眼动追踪试验的百分比。我们对中央面孔的TTFF和外围面孔的TTFF都检查了相同的模型。接下来,我们探究了特定系统内结构-功能耦合与视觉空间注意力之间的关联,拟合了与全皮层模型具有相同协变量结构的系统特定模型。我们选择了六个先验系统来检查:视觉、躯体运动-手、躯体运动-口、背侧注意、腹侧注意和扣带-岛盖系统。我们对每个新生儿的系统内结构-功能耦合进行平均,然后拟合了视觉空间注意力的系统特定模型,检查了平均系统结构-功能耦合与TTFF之间的关联。对六个系统特定结构-功能耦合模型使用了FDR校正进行多重比较校正。
皮层图谱的比较
从https://github.com/PennLINC/S-A_ArchetypalAxis检索了一个先前得出的感觉运动-联合皮层组织轴。为了量化S-A轴等级与观察到的年龄与区域性结构-功能耦合之间关联的关联,我们使用了斯皮尔曼秩相关,并使用考虑了神经影像数据中常见的空间协方差结构的基于自旋的空间置换检验来检验统计显著性。我们基于10,000次球面旋转生成了一个零分布,并将观察值与零分布进行比较。我们使用带有自相关空间异质性的脑代理图谱(brainSMASH)进行了额外的针对空间自相关调整的置换检验。我们基于1,000个保留空间自相关的代理脑图谱生成了一个零分布,并将观察值与零分布进行比较。