[论文解读] Functional brain modules reconfigure at multiple scales across the human lifespan

Richard F. Betzel, Bratislav Mišić+4 more|arXiv (Cornell University)|Oct 27, 2015

Functional Brain Connectivity Studies参考文献 83被引用 32

一句话总结

本研究采用多尺度图论分析方法，揭示了功能性脑模块在人类生命周期中动态重组的规律。结果显示，在粗粒度尺度下，模块随年龄增长而更加分离；而在细粒度尺度下，模块灵活性增强，尤其在默认模式网络中表现显著，表明网络组织结构与稳定性随年龄发生改变。

ABSTRACT

The human brain is a complex network of interconnected brain regions organized into functional modules with distinct roles in cognition and behavior. An important question concerns the persistence and stability of these modules over the human lifespan. Here we use graph-theoretic analysis to algorithmically uncover the brain's intrinsic modular organization across multiple spatial scales ranging from small communities comprised of only a few brain regions to large communities made up of many regions. We find that at coarse scales modules become progressively more segregated, while at finer scales segregation decreases. Module composition also exhibits scale-specific and age-dependent changes. At coarse scales, the module assignments of regions normally associated with control, default mode, attention, and visual networks are highly flexible. At fine scales the most flexible regions are associated with the default mode network. Finally, we show that, with age, some regions in the default mode network, specifically retrosplenial cortex, maintain a greater proportion of functional connections to their own module, while regions associated with somatomotor and saliency/ventral attention networks distribute their links more evenly across modules.

研究动机与目标

• 探究功能性脑网络组织在人类生命周期中多空间尺度下的演化规律。
• 解决以往研究中假设社区结构固定不变且仅采用单尺度划分的局限性。
• 考察在细粒度与粗粒度尺度下，年龄相关模块灵活性与分离度的变化。
• 评估运动伪影对模块性的影响，并通过零模型验证结果的可靠性。
• 识别与认知网络（如默认模式、突显、躯体运动系统）相关的区域特异性社区重组模式。

提出的方法

• 采用Louvain算法并调节分辨率参数（γ）进行多尺度社区检测，以识别多空间尺度下的社区结构。
• 基于各年龄组的群体平均功能连接矩阵，构建多层网络表示。
• 通过模块性最大化来量化社区结构，并评估不同年龄组之间的稳定性。
• 采用一致性聚类方法，从近似最优解的集合中生成具有代表性的社区划分。
• 通过线性回归进行运动校正，将模块性评分与帧位移正交化，以减少由运动引起的虚假年龄效应。
• 使用两种零模型：一种随机化层顺序，另一种将节点灵活性视为伯努利过程，以检验观察到的灵活性的统计显著性。

实验结果

研究问题

• RQ1 在人类生命周期中，大脑模块化组织在多空间尺度下如何演变？
• RQ2 年龄如何影响脑区在不同尺度下其社区归属的灵活性？
• RQ3 哪些脑网络表现出最高的区域灵活性，且这种灵活性如何随年龄变化？
• RQ4 模块性中与年龄相关的改变在多大程度上反映真实的生物学重组，而非运动相关伪影？
• RQ5 不同功能网络（如默认模式、突显、躯体运动网络）在不同尺度和年龄组中如何重组？

主要发现

• 在粗粒度尺度下，模块性随年龄增长而提高，表明功能性社区在整个生命周期中更加分离。
• 在细粒度尺度下，模块性随年龄增长而降低，反映出更高的灵活性和更不稳定的社区边界。
• 默认模式网络表现出最高的区域灵活性，尤其在细粒度尺度下；老年个体中，后扣带皮层维持较强的模块内连接。
• 躯体运动网络与突显/腹侧注意网络中的区域随年龄增长，其功能连接在模块间分布更加均匀，表明特化程度降低。
• 经过运动校正后，粗粒度模块性与年龄的正相关性（中位数 r = 0.41）以及细粒度模块性与年龄的负相关性（中位数 r = -0.31）依然显著，并超过零模型的预期水平。
• 一致性社区检测揭示了在不同年龄组间具有稳定性和可重复性的划分结果，支持了尺度特异性模块动态的稳健性。