[论文解读] Inter-regional ECoG correlations predicted by communication dynamics, geometry, and correlated gene expression

Richard F. Betzel, John D. Medaglia+4 more|arXiv (Cornell University)|Jun 19, 2017

Electrochemical Analysis and ApplicationsChemistry被引用 18

一句话总结

本研究基于多 Subjects 的皮层内脑电图（ECoG）记录构建了全脑、基于脑区划分的功能连接网络，并表明区域间 ECoG 相关性可被解剖连接性、区域间距离以及基因共表达模式可预测地塑造。该模型能准确预测个体间的 ECoG 网络，其中一组基因——特别是与离子通道和膜电位调节相关的基因——与功能连接性强烈相关，揭示了脑网络组织的分子基础。

ABSTRACT

Electrocorticography (ECoG) provides direct measurements of synchronized postsynaptic potentials at the exposed cortical surface. Patterns of signal covariance across ECoG sensors have been associated with diverse cognitive functions and remain a critical marker of seizure onset, progression, and termination. Yet, a systems level understanding of these patterns (or networks) has remained elusive, in part due to variable electrode placement and sparse cortical coverage. Here, we address these challenges by constructing inter-regional ECoG networks from multi-subject recordings, demonstrate similarities between these networks and those constructed from blood-oxygen-level-dependent signal in functional magnetic resonance imaging, and predict network topology from anatomical connectivity, interregional distance, and correlated gene expression patterns. Our models accurately predict out-of-sample ECoG networks and perform well even when fit to data from individual subjects, suggesting shared organizing principles across persons. In addition, we identify a set of genes whose brain-wide co-expression is highly correlated with ECoG network organization. Using gene ontology analysis, we show that these same genes are enriched for membrane and ion channel maintenance and function, suggesting a molecular underpinning of ECoG connectivity. Our findings provide fundamental understanding of the factors that influence interregional ECoG networks, and open the possibility for predictive modeling of surgical outcomes in disease.

研究动机与目标

• 开发一种从多 Subjects ECoG 数据中构建全脑功能连接网络的方法，尽管电极放置存在差异且覆盖稀疏。
• 确定 ECoG 功能网络是否与 fMRI BOLD 网络具有相似的拓扑特征。
• 识别神经生物学因素——特别是解剖连接性、距离和基因共表达——对预测区域间 ECoG 相关性模式的作用。
• 评估基因表达模式，特别是与离子通道相关的基因，是否在可预测 ECoG 连接性的网络中富集。
• 评估在单个受试者上训练的模型是否能泛化并预测个体特异的网络拓扑结构。

提出的方法

• 使用标准化皮层脑区分割，从多 Subjects ECoG 记录中构建基于脑区划分的、频带受限的功能连接（FC）网络。
• 使用连接权重相关性、距离依赖性和模块化结构等指标，将 ECoG FC 网络与 fMRI BOLD 网络进行比较。
• 构建一个多变量线性预测模型，以解剖连接性、区域间欧几里得距离和基因共表达相关性矩阵作为预测 ECoG FC 权重的变量。
• 通过迭代选择预测能力最强的基因，优化基因表达子集，随后对表现最佳的基因集进行基因本体（GO）富集分析。
• 将预测模型拟合至单个受试者，并评估其特异性和样本外预测准确性。
• 使用置换检验和交叉验证评估统计显著性与模型稳健性。

实验结果

研究问题

• RQ1 ECoG 功能连接网络在拓扑组织上与 fMRI BOLD 网络在多大程度上相似？
• RQ2 是否可以利用解剖连接性、区域间距离和基因共表达模式准确预测区域间 ECoG 相关性？
• RQ3 哪些特定基因对 ECoG 网络拓扑结构最具预测力，它们共享哪些生物功能？
• RQ4 在单个受试者上训练的预测模型是否能很好地泛化到其他受试者，还是具有高度特异性？
• RQ5 是否存在 ECoG 网络组织的分子基础，特别是涉及离子通道和膜电位调节？

主要发现

• ECoG 功能连接网络表现出与 fMRI BOLD 网络强烈的拓扑相似性，包括连接权重相关性、距离依赖性以及模块化结构。
• 结合解剖连接性、区域间距离和基因共表达的多变量线性模型能以高精度预测 ECoG FC，优于仅使用单一或双因素的模型。
• 表现最佳的基因子集在 1–4 Hz 和 4–8 Hz 频带中显著富集于离子通道活性、膜电位调节以及电压门控离子通道功能。
• 基因本体分析显示，最具预测力的基因显著富集于以下术语：'阳离子通道活性'（p = 6.55×10⁻⁶）、'电压门控钠通道活性'（p = 5.78×10⁻⁵）和'膜电位调节'（p = 7.74×10⁻⁴）。
• 在单个受试者上训练的模型实现了高特异性和样本外预测准确性，表明个体间存在共享的组织原则。
• 包含受限基因表达子集——特别是与离子转运和膜电位相关的基因——显著提升了模型性能，表明 ECoG 连接性具有直接的分子基础。