[论文解读] Mapping Correlations of Psychological and Connectomical Properties of the Dataset of the Human Connectome Project with the Maximum Spanning Tree Method

Balázs Szalkai, Bálint Varga+1 more|arXiv (Cornell University)|Feb 9, 2016

Functional Brain Connectivity Studies参考文献 11被引用 3

一句话总结

本研究对人类连接组计划500名受试者数据集中的717项心理、解剖和连接组学属性，应用最大生成树分析，采用皮尔逊相关与斯皮尔曼等级相关，识别出非冗余且显著的关系。研究揭示了新发现的相关性，例如赌博行为与岛叶连接性的关联，并凸显了线性与非线性相关结构之间的差异，表明图片词汇得分以非线性方式与认知表现密切相关。

ABSTRACT

We analyzed correlations between more than 700 psychological-, anatomical- and connectome--properties, originated from the Human Connectome Project's (HCP) 500-subject dataset. Apart from numerous natural correlations, which describe parameters computable or approximable from one another, we have discovered numerous significant correlations in the dataset, never described before. We also have found correlations described very recently independently from the HCP-dataset: e.g., between gambling behavior and the number of the connections leaving the insula.

研究动机与目标

• 识别人类连接组计划500名受试者数据集中717项异质性心理、解剖与连接组学属性之间显著且非冗余的相关性。
• 比较基于皮尔逊积矩相关与斯皮尔曼等级相关构建的最大生成树结构，评估所检测关系的差异。
• 揭示脑网络属性与心理或行为特征之间此前未报告的新相关性。
• 评估基于相关性的图模型在复杂神经认知数据中的稳健性与可解释性，特别是检测非线性关联的能力。
• 为后续研究与验证，公开计算所得的脑图与相关性树。

提出的方法

• 计算HCP 500名受试者数据集中717项属性之间的成对皮尔逊相关与斯皮尔曼等级相关，包括心理测试得分、脑区ROI体积及图论连接组度量。
• 构建两棵最大权重生成树：一棵使用皮尔逊相关绝对值（原始生成树），另一棵使用斯皮尔曼等级相关绝对值（等级生成树），确保无环、连通且总边权最大。
• 剔除直接可计算属性之间的边（如同一ROI的体积与相对体积），或高度相似属性之间的边（如未调整与年龄校正后的得分），以减少冗余。
• 识别每棵生成树中的独有边，比较线性（皮尔逊）与非线性（斯皮尔曼）相关模型之间的结构差异。
• 使用校正后的p值评估边的统计显著性，特别标记p值较高（如p ≈ 72）的边为可能虚假相关。
• 可视化并分析两棵树之间的差异，推断非线性关系，例如图片词汇得分在认知网络中起核心作用。

实验结果

研究问题

• RQ1 在HCP 500名受试者数据集中，心理、解剖与连接组学属性之间是否存在此前未报告的新颖且显著的相关性？
• RQ2 基于皮尔逊与斯皮尔曼相关性的最大生成树在结构上如何不同？这些差异揭示了神经认知数据中关系本质的哪些信息？
• RQ3 非线性（基于等级）相关性在多大程度上揭示了线性（皮尔逊）相关性未能捕捉的关系，特别是在认知与行为特征方面？
• RQ4 为何某些预期的自然相关性（如脑区体积与相对体积之间）在等级生成树中消失？这反映了数据结构或校正方法的何种含义？
• RQ5 在等级树中，若年龄与年龄校正后的嗅觉识别测试得分之间出现意外相关性，是否暗示心理测试存在年龄校正不当的问题？

主要发现

• 原始生成树与等级生成树共享86.3%的边，表明线性与非线性相关结构整体具有一致性。
• 13.7%的边为各树独有，等级生成树揭示了独特连接，如将NIH工具箱‘噪音中的词语’测试与图片词汇得分相连，而非与fMRI子测试相连，提示存在非线性依赖。
• 发现赌博行为与岛叶发出连接数之间存在新颖相关性，与近期独立研究结果一致。
• 右外侧脑室体积与彭宁顿情绪识别测试中正确识别快乐情绪的边，其校正后p值约为72，表明该相关性可能纯属偶然。
• 自然相关性（如前胼胝体体积与图论参数（总和、最小割）之间）在等级生成树中缺失，提示非线性关系可能掩盖了预期的线性关联。
• 在等级树中，年龄与年龄校正后的嗅觉识别测试得分之间出现意外连接（p ≈ 6%），提示年龄校正可能存在缺陷，或存在代际差异影响测试表现。