自発的活動の主要な基本モードが、安静時の人間の脳における個々の機能的接続組織を駆動する
Apr 14, 2024
Communications Biology volume 6、記事番号: 892 (2023) この記事を引用
メトリクスの詳細
人間の脳の自発的な活動は、機能組織の本質的な原理を探求するための窓を提供します。 ただし、ほとんどの研究は地域間の機能的接続に焦点を当てています。 瞬間的な活動の豊富なレパートリーの基礎となる原理は、ほとんど知られていないままです。 私たちは、最近提案された固有微小状態解析を 3 つの静止状態機能 MRI データセットに適用して、時間の経過とともに共存する基本的な活動パターンを表す基本モードを特定します。 私たちは、活動の変動を支配する 5 つの主要な基本モードを特定します。 各モードは、異なる機能システム依存の共活性化パターンを示し、特定の認知プロファイルに対応します。 特に、最初の主要基底モードの空間パターンは、デフォルト モードと主要領域および注目領域の間のアクティビティの分離を示しています。 理論的モデリングに基づいて、これらの主要な基本モードに対応する共活性化パターンの加重重ね合わせとして個々の機能的接続性をさらに再構築します。 さらに、これらの主要な基本モードは、主にデフォルト モード領域とタスク陽性領域に関係する、睡眠不足によって引き起こされる脳活動と領域間の接続の変化を捕捉します。 私たちの発見は、多重領域間の調整を反映し、従来の機能的接続を促進する自発的活動の主要な基本モードのセットを明らかにし、自発的脳活動の機能的重要性の理解をさらに深めます。
安静時の人間の脳の自発的活動は、よく組織化された時空間パターンを示し、固有の機能組織を理解するための窓となります 1,2。 安静状態の機能的磁気共鳴画像法 (R-fMRI) を使用して、血液酸素化レベル依存性 (BOLD) 信号の低周波自発的変動を測定することにより、大規模な機能的接続 (FC) ネットワークが多数の研究で明らかにされています 3,4、 5. 機能ネットワークは、機能的に特異的だが相互作用するモジュール 6、7、8 などの重要な特性を示し、脳全体での効率的な機能の分離と統合を促進します 9、10、11。 さらに、機能ネットワークのアーキテクチャは個人によって異なり12、13、14、15、タスク中の機能活性化パターンを形成し16、17、18、19、個人の認知パフォーマンスに関連し18、20、21、精神状態によって調節されます22、23。
機能ネットワーク分析は成功しましたが、関連する洞察は、時間の経過とともに要約された接続パターンに限定されます。 蓄積されている証拠は、地域間の機能的相互作用が時間とともに変化するパターンを持つ非常に動的であることを示唆しています 24,25,26。 革新的なアプローチは、脳活動の単一フレームを調べて、より短い時間スケール (秒など) での一時的な調整を明らかにすることです 27。 全脳活動パターンは、異なる共活性化パターンを持ついくつかの反復的な脳状態に分類されています 28、29、30、31。 これらの脳状態間の時間的遷移は階層構造 31 に従い、課題 30、32、33、意識状態 34、35、精神障害 36、37 にわたる変化を示します。 グループレベルの分析に加えて、ごく最近の研究では、個別化された脳の同時活性化状態が特定され、その発生率は課題の状態、利き手、性別に依存し、脳卒中後の回復における長期的な変化が示されています38。 これらの研究は、時間とともに変化する機能組織についての貴重な洞察を提供しますが、通常、各時点の瞬間的な活動パターンを単一の脳の状態に割り当てます。 複数の時点で共有される共通性は過小評価されてきました39。 より自然な見方では、時間分解活動全体にわたって複数の基本モードが共存し、潜在的な認知反応をサポートするために各時点で選択的に組み合わされる可能性があると考えられます 26,40,41。 これらの基本的なモードを特定することで、固有の活動の構成要素を解明することができ、静止している地域間の関係の多様性を探る道が提供される可能性があります。 しかし、これらの基本的な活動モードの空間パターンとその潜在的な機能的重要性は、ほとんど知られていないままです。
0.78)./p> 0.05, 10,000 permutations)./p> 0.96, Supplementary Fig. 8). The presence of five leading basic modes was replicated with high spatial similarity in most of the other cases (all rs > 0.85, Supplementary Figs. 9, 11, and 12), except for the case of without global signal regression (Supplementary Fig. 10). Notably, the total weight explained by the leading basic modes increased with the decreasing spatial resolution (Supplementary Fig. 13), with weights of 37% and 44% for the 400-node and 200-node parcellations, respectively. For the strategy without global signal regression, the number of leading basic modes was reduced to three (Supplementary Fig. 10). The reduced number might be biased by the presence of an additional basic mode, which ranked ahead of the five typical basic modes. This additional basic mode showed all positive amplitudes across the brain and accounted for a large portion of activity variance (i.e., 23%). All these results suggest that the five leading basic modes were robust and reproducible./p>2 mm or 2° in any direction or mean FD > 0.2 mm) to further reduce the influence of head motion. (iii) Global signal regression. In the main analysis, the global signal was regressed to better reduce the influence of head motion and non-neural signals89,99. To assess the potential influence of the global signal, we re-preprocessed the R-fMRI data in the HCP dataset without global signal regression. (iv) Brain parcellation. To assess the influence of spatial resolution, we extracted regional time courses from the HCP dataset by using the same type of functional parcellations with different spatial resolutions (i.e., comprising 200 and 400 cortical regions)52. The leading basic modes obtained from different spatial resolutions were compared at the functional system level53 and the voxel-wise level. In the latter case, the voxels within the same nodal regions were assigned the same amplitude values for each basic mode, regardless of the spatial resolution. In cases (i)–(iv), the validation analysis was performed based on REST1 of the HCP dataset. (v) Reproducibility across datasets. We identified the leading basic modes from another independent dataset, i.e., the Beijing Zang dataset51, and compared them with those in the HCP dataset./p>