1。介绍
功能连通性分析旨在阐明神经影像数据的信号来自空间不同的大脑区域之间的关系(
1 - - - - - -
7 )视为分布式神经系统协调活动的一种方法,补充了更成熟的单变量方法的反应在每一个大脑区域独立分析。符合这个强调分布式大脑结构之间的相互作用,神经影像数据可以在数学上表示为一个图表,或网络,节点和链接
8 - - - - - -
11 ]。在这个框架中,图像体素或parcellated大脑区域代表了节点和一定程度的相似性定义它们之间的连接(在他们的反应
7 ,
12 - - - - - -
17 ]。
复杂网络理论的最新研究表明,网络的拓扑和统计特性可以揭示系统的基本行为模式。例如,“小世界”拓扑,以密集的本地集群和few-long范围连接(
18 ,
19 ),可以支持连接在多个空间尺度上同时最小化布线成本。另一类网络特别感兴趣的是“无尺度”网络,也就是说,图表呈现幂律分布节点的程度上的其他节点,每个节点连接。无标度网络似乎几乎无处不在的在实际情况下,包括流行病学、社会学、生物学和细胞,从而表明它们的属性满足一些一般性的原则,效率、鲁棒性和成本效益
18 ]。
大脑功能连通性是适合复杂的网络分析,和对这些大脑网络的统计特性的兴趣正在迅速增长(
9 - - - - - -
11 ]。大脑呈现几个特点的复杂网络,包括其能力同时支持种族隔离和在多尺度分布式信息处理,其相对于随机的健壮性神经元损失由于疾病或衰老,和它的效率在低能量和布线成本(
20. ]。事实上,功能连通性网络由人类手指轻敲模式下功能磁共振成像数据在无标度行为,中能与幂律指数的健壮的具体选择阈值(
13 ]。其他作者(
14 报道一个指数截断幂律分布在人体大脑皮层功能连通性。更普遍的是,“小世界”已经证明了拓扑“休眠状态”功能(
14 ,
16 ,
21 ,
22 和解剖
23 ,
24 在大脑中)连接。
然而,尽管全球统计参数可能是大规模的信息连接属性,他们不捕捉大脑的异质性。事实上,不同的解剖结构,发展在不同时期可能表现为不同的本地网络拓扑。迄今为止,许多研究工作的兴趣(VOI)程度的分割和关注cortico-cortical连接在人类和灵长类动物(
14 ,
25 - - - - - -
27 ),用更少的注意力集中在皮层下组织网络及其连接大脑皮层结构。最近,voxel-scale分析人类的静息状态的数据证实无标度和小世界产生的大脑网络的全局属性,局部地区和显示节点的最高学位的扣带、颞皮层和丘脑(
28 ]。然而,上述用属性的程度在哺乳动物大脑更一般没有,到目前为止,得到解决。另一个关键问题是功能网络属性的方式受制于潜在解剖连接和他们之间的关系拓扑characteristics-an问题已经开始被阐明人类[
29日 - - - - - -
33 ),摄动休息功能网络参数在慢性疾病(
16 ,
21 ,
22 ]可能紧密耦合在解剖结构和连接中断
34 ]。反过来,在多大程度上积极参与网络属性是调制的特定的大脑回路已开始得到关注(
35 ]。对于人类来说,有证据表明,全球网络结构保存在修改连接关系的存在是由于功能任务的性能(
36 ,
37 )或急性药物暴露(
15 ]。
在本文中,我们报告一个复杂网络分析功能连接网络的拓扑属性描述voxel-scale独特的药理条件下大鼠大脑。相比人类功能磁共振成像研究,功能连通性通常探测大脑静息状态或认知任务的上下文中,我们检查复杂网络的特性来自老鼠大脑的反应急性药理挑战与三种规范药物不同的药理机制(<我talic>
d安非他命、氟西汀和尼古丁),因此探索功能连通性的依赖网络参数对不同神经递质系统的参与。这种方法,基于主体间相关性,遵循程序成立于2 dg放射自显影法(
38 和宠物
39 ,
40 在药理MRI (phMRI)[]和验证
6 ,
41 - - - - - -
43 ]。最近network-theoretic调查解剖网络基于皮层灰质厚度由核磁共振数据也使用这种方法(
23 ,
34 ]。我们的目标是使用显式定义的数据和节点的网络表示的体素,而不是一个区域分割尺度,除了节点度(来自给定节点的连接的数量),检查节点聚类系数(衡量“cliquishness”节点连接)。我们将这些节点的解剖分布参数映射分辨率single-voxel调查在高空间分辨率网络连接如何取决于解剖衬底和药理刺激,并比较与VOI-level汇总统计。这些高分辨率的神经解剖学的分布复杂网络参数在高连通性的老鼠大脑显示焦点感觉运动皮层的吸毒者也分皮质和额叶区域特征;特别是,一个分离的分布的节点最高学位和聚类系数最高。
2。方法
2.1。核磁共振数据采集
按照意大利所有实验动物福利的规定和保护。协议也由当地一家动物保护委员会审议并同意,按照实验动物保健原则的指导方针(1985年NIH出版86 - 23日修订)。核磁共振数据从男性获得Sprague-Dawley老鼠使用力量Biospec 4.7 t扫描仪圆柱体积为射频发射线圈和力量交“老鼠大脑”表面接收线圈。PhMRI数据是罕见的时间序列,敏化相对脑血容量的变化(rCBV)政府2.67毫升/公斤静脉丸的血池造影剂Endorem(格尔伯特,法国)。实验进行了不到0.8%氟烷麻醉,维护神经肌肉阻滞和人工通风与血液气体值维持在生理范围内(<我nline-formula>
30.
<
pCO
2
<
50
;<我nline-formula>
阿宝
2
>
One hundred.
),外围血压与氟烷麻醉相关的自身调节的范围内(
44 ,
45 ]。本文中描述的数据来源于三个研究中,收购细节明显相似和以前已发表(
6 ,
46 ]。在第一项研究中,动物们被质疑<我talic>
d安非他命(1毫克/公斤注射。<我nline-formula>
N
=
17
)或车辆(生理盐水,<我nline-formula>
N
=
7
),分别
6 ,
42 ]。第二,动物是挑战与氟西汀(10毫克/公斤i.p。,<我nline-formula>
N
=
7
)[
6 ]。第三,动物与尼古丁的挑战(1毫克/公斤注射。<我nline-formula>
N
=
9
)[
46 ]。总的来说,复杂网络构建如下详细从四个学科组:<我talic>
d安非他明和汽车集团在第一项研究以及氟西汀和尼古丁组。
2.2。分析细节
2.2.1。图像预处理先生
解剖和时间序列数据被转换为分析(AVW 7.5)格式和信号强度的变化在每个时间序列转化为分数rCBV voxel-wise基础上,使用约束的指数模型逐步消除造影剂从血池提供一个健壮的接受背景信号的预测和删除的最坏影响这个系统的趋势在结果rCBV数据(
47 ]。每个主题被空间数据归一化立体定位老鼠大脑模板(
48 通过计算一个九自由度仿射变换的解剖图像和应用产生的变换矩阵向随行rCBV时间序列(目前/调情v.5.2)。最后,rCBV数据乘以一个大脑实质面具去除extra-cranial和CSF的贡献。
2.2.2。时间序列分析
基于图像的响应的时间序列分析在各个学科进行了一般线性模型框架为了计算的3 d地图post-injection响应幅度在每个主题。空间平滑图像高斯内核应用= 0.6毫米,对应<我nline-formula>
~
2
×
平面立体像素尺寸。所有执行图像处理与图像中的立体像素尺寸扩大头10倍,为了确保兼容任何显式长度尺度可能编码算法设计用于与人类的数据。然而,显式立体像素尺寸报原来的规模。每个研究由一个信号模型的设计矩阵函数由学习水平确定小波聚类分析(WCA),时间的导数回归量和线性斜坡
49 ,
50 ]。这允许一个好的模型适合信号的时间响应概要文件在主题和大脑区域会略有不同。
信号模型的系数函数从而提供的地图post-injection响应幅度为每一个主题。地图每个研究对象的响应被堆放在一起,然后每个立体像素都有一个关联的响应向量。这里的inter-subject相关性分析利用phMRI响应主题之间的微分解剖资料(
6 ,
42 ]。
2.3。创建网络表示
响应地图,计算模板尺寸,rebinned平面的两倍。这是执行,以便后续邻接矩阵仍在使用IDL的内存限制软件的处理和恢复体素量接近实际的收购决议,因为空间标准化过程的一部分时间序列的插入到标准的解决空间模板(
48 ]。rebinned响应地图因此有0.12毫米3 据悉,接近收购决议0.09毫米大小3 。二进制大脑面具,只覆盖数据完整的片在场所有科目在所有的研究中,是用来定义脑实质体素进行进一步分析。这导致了网络<我nline-formula>
N
=
8130年
节点(像素点)。
完全加权,完成网络被考虑为每个研究创建每个立体像素作为一个节点,定义每一对之间的边缘像素点的强度基于响应向量的线性相关性与每个相关。具体来说,每条边的重量<我nline-formula>
w
我
j
被定义为皮尔逊相关系数的绝对值<我nline-formula>
r
我
j
inter-subject响应振幅各体素之间的转换为躺在一个近似正态分布的应用费雪的<我talic>
r- - - - - - - - -<我talic>
z转换:
(1)
w
我
j
=
|
z
我
j
|
,
z
我
j
=
1
2
日志
(
1
+
r
我
j
1
- - - - - -
r
我
j
)
,
在哪里<我nline-formula>
我
,
j
∈
{
1
,
…
,
N
节点
}
指定的节点通过每条边连接。注意,这些网络undirected-each边缘简单的传达的力量连接不考虑一个因果关系的方向。当时的四个加权网络转换成一个二进制唯一通过保留边缘(即最高的权重。,代表着最强的连接)。这一步是为了使网络执行这种规模的驯良的进一步分析;具体来说,计算nodewise网络参数是稀疏二进制网络的速度快了许多。虽然复杂网络理论的扩展加权网络的当前利益,二进制的属性网络已经成熟,而且以前的fMRI网络研究也采用一个二值化的步骤。我们应用一个阈值<我nline-formula>
z
打
链接权重,确定保留了最强的2%<我nline-formula>
N
节点
×
(
N
节点
- - - - - -
1
)
/
2
在完全加权网络的边缘;我们与equi-sparse网络工作,确保一个统一的数字网络边缘的数据集来强调不同相对密度连接拓扑结构而不是整体优势<我talic>
本身。这个值是根据经验确定,允许一个节点连接性的多样性,同时保留连接网络,和符合阈值方案用于我们的以前的种子区域和群落结构分析
43 ]。网络特性,特别是nodewise连接参数的解剖资料健壮的一系列二值化阈值(见补充数据网上doi: 10.1155 / 2012/615709)。阈值<我nline-formula>
z
打
总结了四种网络分析表吗
1 。
表1
总结全球网络参数四个phMRI网络和随机网络。
药物
z打
幂律的斜率
K
CgydF4y2Ba
γ
σ
西南
安非他命
0.71
−1.031
162.3
0.387
3.989
3.011
氟西汀
0.94
−0.888
183.1
0.453
3.893
2.836
尼古丁
0.96
−0.671
193.2
0.449
4.627
2.898
车辆
0.93
−0.844
177.8
0.422
4.795
2.672
符号的定义,请参阅部分
2 。
由此产生的二进制网络邻接矩阵可以表示数学<我talic>
一个的元素<我nline-formula>
一个
我
j
描述了连接:
(2)
一个
我
j
=
{
1
,
如果
节点
我
和
j
是
连接
0
,
否则
。
2.4。Nodewise网络参数
基于定义的拓扑邻接矩阵(
2 ),很多网络参数可以传递的信息网络。在这里,我们调查的节点度<我talic>
k和聚类系数<我talic>
c,如下所示。
的程度<我nline-formula>
k
我
任何节点的<我nline-formula>
我
只是它连接的节点数量,即入射边的数量:
(3)
k
我
=
∑
j
=
1
N
节点
一个
我
j
。
聚类系数<我nline-formula>
c
我
被定义为总可能的边缘的一部分吗<我nline-formula>
N
边缘
(
G
我
)
在子<我nline-formula>
G
我
,定义为所有节点直接相连的节点<我nline-formula>
我
,实际上是存在的:
(4)
c
我
=
2
N
边缘
(
G
我
)
k
我
(
k
我
- - - - - -
1
)
。
换句话说,这个参数反映出许多成对的节点连接到给定节点也彼此连接。
全球性的,整个网络参数的直方图<我nline-formula>
k
和<我nline-formula>
c
为每个网络生成。这些分布捕捉全球网络的统计特性和反映其组织的基本原则。节点度的柱状图的形式<我nline-formula>
k
特别感兴趣,在网络来源于人类功能成像数据已经观察到表现出幂律行为(直线绘制在对数尺度)到一个高度截止
13 ,
14 ]。的幂律行为在本研究量化网络拟合方程的形式<我nline-formula>
y
=
k
- - - - - -
γ
线性部分的直方图,<我nline-formula>
y
是(本)的节点数量和频率<我nline-formula>
k
每本的平均值的柱状图。
每个网络进一步的特点是计算全球总结以下参数:
(我)
度的幂律衰减常数分布直方图;
(2)
K
,平均度<我nline-formula>
k
我
在网络中的所有节点;
(3)
CgydF4y2Ba
,平均聚类系数<我nline-formula>
c
我
网络中的所有节点。
长途链接在随机网络的存在导致小的值<我nline-formula>
l
所有节点对之间的平均最短路径,比较,例如,普通格只有近邻链接,<我nline-formula>
l
扩展的对数<我nline-formula>
N
(节点)的总数。瓦和“
18 确定一个特定类的网络,被称为“小世界”网络,与类似的价值观和扩展的属性<我nline-formula>
l
(<我nline-formula>
l
≈
l
随机
)在存在高度的本地集群<我nline-formula>
CgydF4y2Ba
≫
CgydF4y2Ba
随机
(<我nline-formula>
l
随机
和<我nline-formula>
CgydF4y2Ba
随机
从等效随机网络的值相同的吗<我nline-formula>
N
节点
和链接密度)。我们也因此报告两个指标,明确phMRI网络比较这些属性与适当的比较器网络,即:
(我)
γ
=
(
CgydF4y2Ba
/
CgydF4y2Ba
随机
)
衡量本地集群;
(2)
σ
西南
=
(
CgydF4y2Ba
/
CgydF4y2Ba
随机
)
/
(
l
/
l
随机
)
,通常被称为“小世界指数”(
19 ,
24 ]。
对于每个phMRI网络,我们10版本的网络随机重组用作比较器零模型(
51 ]。所有网络参数计算使用大脑连接在Matlab工具箱
52 ]。
此外,由于每个节点对应一个位置在图像体积,他们的大脑解剖位置用于生成voxel-wise地图和资料通过解剖结构的上述参数。这样,上述参数的依赖大脑区域是评估网络与每种药物有关。
解剖结构分析,感兴趣的卷(看到)对应于特定的大脑结构选择启用正式统计的比较不同的网络参数检查建议的参数映射。看到定义双边使用3 d重建与解剖老鼠大脑图谱coregistered MRI模板(
48 ]。看到选择的是:尾状核、扣带皮层,岛叶皮质,内侧前额叶皮层,顶叶皮层,视觉皮层,anterodorsal海马体,菌丝层,腹侧海马,初级运动皮层,须桶的初级躯体感觉皮层,前肢的初级躯体感觉皮层、背外侧丘脑,中线背侧丘脑腹内侧丘脑。
3所示。结果
3.1。全球网络属性
我们首先研究了老鼠大脑网络的全局特征。中提供了一个全局参数的总结表
1 。的参数值<我nline-formula>
γ
和<我nline-formula>
σ
西南
是远远大于统一和一致的“小世界”行为,即任何一个节点连接到网络中的其他节点的边数远少于总数相同的随机网络的节点和边。
度直方图的所有四个phMRI网络表现出幂律(count<我nline-formula>
~
k
- - - - - -
γ
)行为,其特点是频率接近线性关系<我nline-formula>
k
显示在重对数坐标图时,高收入<我nline-formula>
k
截止的<我nline-formula>
k
~ 800 - 900(图
1(一) )。的存在截止的分布<我nline-formula>
k
反映了网络的有限大小。衰减参数<我nline-formula>
γ
类似在每种情况下,从−0.67尼古丁网络为安非他命−1.03网络(表吗
1 )。
全球参数柱状图。(一)直方图的节点度(<我nline-formula>
k
)显示频率的幂律关系<我nline-formula>
k
(明显在这双对数线性关系显示)高频截止为所有网络。直方图的线性部分的斜率表示的是相似的在每个网络的线性匹配(下面所示抵消视觉清晰)的数据和的值<我nline-formula>
γ
在表
1 。注意车辆网络达到零的直方图在一个较低的价值比这三个药物挑战网络,显示更少的节点与很高的学位。(b)直方图聚类系数(<我nline-formula>
c
)为每个网络显示值为每个活动的传播增加药物网络相对于汽车网络。
(一)
![]()
(b)
![]()
我们还研究了直方图聚类系数<我nline-formula>
c
为每个网络(图
1 (b) )。虽然有些差异在网络观察值中值(表
1 吸毒者),我们还发现强烈的变化<我talic>
分布的<我nline-formula>
c
值;特别是,每个三猖獗的毒品网络证明一个概要文件不同于车辆网络和吸毒者表示增加和减少<我nline-formula>
c
。当所有三个活性药物网络显示一个更广泛的传播<我nline-formula>
c
值与车辆相比,安非他命网络包含更多节点的值较低<我nline-formula>
c
,而氟西汀和尼古丁值更高的网络包含多个节点<我nline-formula>
c
。
3.2。解剖依赖当地的连接参数k <斜体> < /斜体>
我们接下来检查解剖依赖节点度和聚类系数,通过这些参数映射nodewise回解剖大脑模板和通过统计比较感兴趣的汽车网络选择的大脑结构。节点度的地图<我nline-formula>
k
揭示了一个强大的连接依赖大脑区域的所有phMRI网络(图
2 )。
解剖分布节点的程度<我nline-formula>
k
。(一)安非他命,氟西汀(b)和(c)尼古丁phMRI网络。为了突出最高度的神经解剖学的通信连接节点,覆盖显示上四分位数(75% - -100%)<我nline-formula>
k
为每个网络分布(颜色略有规模最大压缩优化动态范围)。
(一)
![]()
(b)
![]()
(c)
![]()
在安非他命网络体素值最高的<我nline-formula>
k
本地化尤其是额叶和前额叶皮层区域,包括前额、内侧前额叶、扣带回、孤立、电机、和躯体感觉皮层(图
2(一个) )。分皮质区域包含高度连接体素包括纹状体(尾状核和核)的部分,在腹内侧丘脑和下丘脑内侧结构,小焦点也在腹侧菌丝层和内嗅皮层外侧。
氟西汀的网络(图
2 (b) ),体素在大脑皮层区域也表现为高<我nline-formula>
k
,但有更多的高度连接分皮质高度连接节点的节点证明尾状核,杏仁核在丘脑和更广泛。中脑区域,包括部分上丘,周围的灰色和medioventral节点与中缝核也高度一致在氟西汀网络连接。
尼古丁网络也证明高连通性在前额叶和额叶皮质,顶叶皮层,焦高<我nline-formula>
k
皮层下焦点在丘脑、下丘脑和杏仁核(图
2 (c) )。
相比之下,的解剖分布<我nline-formula>
k
在车辆网络分散对称的外观和整体低于吵着网络来源于三精神药物依赖(见补充数据)只有轻微的解剖与地区相对较高的连接包括明显内侧前额叶皮层,和节点在丘脑腹侧海马和内嗅皮层区域。
3.3。解剖依赖的聚类系数c <斜体> < /斜体>
集群的解剖分布系数<我nline-formula>
c
如图
3 。相似点和不同点在整个网络解剖特点明显。
解剖分布节点聚类系数<我talic>
c。(一)安非他命,氟西汀(b)和(c)尼古丁phMRI网络。为了突出最“搞”的神经解剖学的对应节点,覆盖显示上四分位数(75% - -100%)<我talic>
c为每个网络分布(颜色略有规模最大压缩优化动态范围)。
(一)
![]()
(b)
![]()
(c)
![]()
安非他命的网络(图
3(一个) ),高的地区<我talic>
c显示出一些共性与高<我talic>
k(cf。
2(一个) )——尤其是额叶和前额叶皮层(躯体感觉、运动)。然而,高<我talic>
k焦点在腹内侧丘脑和下丘脑并不明显<我talic>
c地图。此外,在尾状核、高-<我talic>
c节点被发现比高,更吻侧<我talic>
k节点。
氟西汀的网络(图
3 (b) ),高的地区<我talic>
c额叶片的内侧和优先本地化mPFC和,形成鲜明对比<我talic>
k地图高的地方<我talic>
k体素分布在运动皮层和更广泛的尾状核。与安非他命网络相比,更多的高收入<我talic>
c节点在尾地区本地化,包括上面的中脑区域标识。
在尼古丁网络高的地区<我talic>
c比高,看上去不那么明确<我talic>
k,但高<我talic>
c地区更多的背侧和腹侧海马和内嗅皮层感觉运动皮层(图很明显
3 (c) )。有趣的是,内侧前额叶皮质,确认图
2 高- - - - - -<我talic>
k地区,不是高的地区<我talic>
c在这个网络。
车辆网络显示一些解剖意义的地区高<我talic>
c,除了内侧前额叶皮层和内嗅皮层(补充数据)。
3.4。药物和车辆网络解剖区域之间的区别
我们还研究了的解剖学资料<我talic>
k和<我talic>
c在选择看到代表感兴趣的大脑结构。图
4 说明了不同的连接结构活性药物网络和车辆之间的网络。符合nodewise地图上面报道,后者表现为相对平坦的参数除了mPFC和扣带皮层(图
4 (d) )。相比之下,其他三个网络显示明显的变化,这两个大脑区域的函数和药物,双方的价值观<我talic>
k和<我talic>
c(数据
4(一) ,
4 (b) ,
4 (c) )。虽然一些大脑区域表现出活性药理的连接状态,增加在其他的值相对减少车辆。
VOI网络参数的配置文件。选择看到下令学位(中位数排名<我talic>
k值在每个VOI)为每个网络。安非他命、氟西汀和尼古丁网络(a - c)增加和减少<我talic>
k和<我talic>
c相对于主要平VOI的车辆网络(d)。两个参数的排序都是类似安非他命和尼古丁,但不紧密耦合的氟西汀网络(见表
2 VOI缩写定义。)
(一)
![]()
(b)
![]()
(c)
![]()
(d)
![]()
我们进一步研究了这些差异的解剖学资料<我talic>
k和<我talic>
cVOI层面通过统计对比节点参数值为每个精神药物在每个大脑结构网络相比,车辆(Mann-Whitney测试)。节点度的结果<我talic>
k总结在表
2 。氟西汀网络连接在丘脑地区最高,和一个微分分布<我talic>
k在不同的海马区域。相比之下,安非他命网络表现出非常低的连通性在丘脑和海马区域和一个微分分布在皮质区域。的概要文件<我talic>
c通过为每个安非他命,VOI氟西汀和尼古丁网络也证实了微分解剖依赖参数映射(表所示
3 )。常见的区别在所有三个精神药物网络增加车辆<我talic>
k扣带、电动机和躯体感觉皮层,增加<我talic>
c在电机和躯体感觉皮质。在其他大脑区域特定subcortically-the解剖资料是吸毒者。
表2
程度的差异<我nline-formula>
k
由VOI相比,汽车网络。
大脑区域
VOI
安非他命
氟西汀
尼古丁
前额叶皮层
Cg
+
+ + +
+ + +
mPFC
+
−−−
ns
躯体感觉
M1
+ + +
+ + +
+ + +
S1BF
+ + +
+ + +
+ + +
S1FL
+ + +
+ + +
+ + +
其他皮层
ctxV
−−−
+ + +
+ + +
Ins
+ + +
ns
ns
家长会
ns
+
+ + +
海马体
hcAD
−−−
−−−
ns
高碳钢
−−
ns
ns
丙肝病毒
−−−
ns
−
纹状体
CPu
ns
+ + +
−−−
丘脑
thalDL
−−−
+ + +
−−−
thalMD
−−−
+ +
ns
thalVM
ns
ns
ns
“+”符号表示大大增强<我nline-formula>
k
相比汽车而“−”迹象反映显著降低<我talic>
k在每种情况下,确定使用Bonferroni-corrected Mann-Whitney测试:+或−表示<我nline-formula>
P
c
<
0.05
,+ +或−−表示<我nline-formula>
P
c
<
0.01
,+ + +或−−−表示<我nline-formula>
P
c
<
0.001
(缩写:Cg:扣带皮层;mPFC:内侧前额叶皮质(prelimbic和infralimbic地区结合);M1:初级运动皮层;S1BF:桶初级躯体感觉皮层的领域;S1FL:前肢的初级躯体感觉皮层,ctxV:视觉皮层;Ins:岛叶皮质;PtA:顶叶皮层;hcAD: anterodorsal海马;高碳钢:海马菌丝层地区;丙肝病毒:腹侧海马; CPu: caudate putamen; thalDL: dorsolateral thalamus; thalMD: mediodorsal thalamus; thalVM: ventromedial thalamus.)
表3
聚类系数的差异<我talic>
c由VOI相比,汽车网络。
大脑区域
VOI
安非他命
氟西汀
尼古丁
前额叶皮层
Cg
ns
+ + +
ns
mPFC
ns
+ + +
+ +
躯体感觉和运动皮层
M1
+ + +
+ + +
+ + +
S1BF
+ + +
+ + +
+ + +
S1FL
+ + +
+ + +
+ + +
其他皮层
ctxV
−−−
+ + +
+ + +
Ins
+ +
ns
+ + +
家长会
−−−
+ + +
+ + +
海马体
hcAD
−−−
−
ns
高碳钢
−−−
+ + +
+ +
丙肝病毒
−−−
+ + +
ns
纹状体
CPu
−−−
+ + +
+ + +
丘脑
thalDL
−−−
+ + +
+ + +
thalMD
−−−
+ + +
ns
thalVM
−−−
+ + +
ns
“+”符号表示大大增强<我talic>
k相比汽车而“−”迹象反映显著降低<我talic>
k在每种情况下,确定使用Bonferroni-corrected Mann-Whitney测试:+或-表示<我nline-formula>
P
c
<
0.05
,+ +或−−表示<我nline-formula>
P
c
<
0.01
,+ + +或−−−表示<我nline-formula>
P
c
<
0.001
。(见表
2 缩写的定义。)
3.5。神经解剖学的区别,<斜体> k < /斜体>和高- c <斜体> < /斜体>焦点
在单个节点的规模(压),图的<我talic>
c与<我talic>
k(图
5 )透露,这两个参数没有关系由一个简单的单调的依赖。所有四个网络,有一个更大范围的值<我talic>
c较低的值的<我talic>
k。车辆网络(图
5 (d) )的特点是在传播<我talic>
c~ 0.1和0.7之间的值低<我talic>
k的范围<我talic>
c收敛于一个值~ 0.4<我talic>
k接近最大值~ 1000。相比之下,三种活性药物网络扩展分布在更大的范围<我talic>
k和<我talic>
c。把大脑皮层和分皮质节点显示,安非他命和尼古丁网络,皮质节点转向更高<我talic>
k和<我talic>
c在安非他命,而网络特别是分皮质节点转向较低的值<我talic>
k和<我talic>
c(数据
5(一个) 和
5 (c) )。相比之下,大脑皮层和分皮质氟西汀网络中的节点都以更大程度上向更高的值<我talic>
k和<我talic>
c,要么减少参数相对于车辆(图
5 (b) )。为所有网络节点的最高学位并不是那些cliquishness最高,所代表的聚类系数。
的散点图<我talic>
c与<我talic>
k对所有节点,在体元的规模。总的来说,低程度(<我talic>
k)节点与集群的一个传播有关(<我talic>
c)行为,而最高学位的节点聚类系数范围的中间。与车辆(d)相比,猖獗的毒品网络(a - c)都有一个更大的范围<我talic>
k和<我talic>
c。安非他命和尼古丁显示一个微分的转变<我talic>
k- - - - - -<我talic>
c皮质和皮质下的节点之间的分布,而氟西汀节点在大脑细分都转移到更高的价值。绿线表示截止值用来确定节点的<我talic>
k和/或<我talic>
c与汽车相关的特点是范围外的国家(见文本)。
(一)
![]()
(b)
![]()
(c)
![]()
(d)
![]()
基于上述的观察差异活性药物和车辆网络VOI的规模,我们解剖映射节点改变连接的个人提供的更好的神经解剖学的规模体元节点。使用车辆网络代表一个基线的生理状态,我们常见的截止值决定的<我talic>
k和<我talic>
c三个活跃药物网络。第95百分位的车辆<我talic>
k分布和第2.5和第97.5百分位数的车辆<我talic>
c分布的截止值<我nline-formula>
k
>
657年
,<我nline-formula>
c
<
0.28
,<我nline-formula>
c
>
0.50
,图中显示为虚线
5 。反对/析取地图描绘在图
6 突出显示的像素点最高的节点<我talic>
k和最高的<我talic>
c为每个网络和本地化表明异质性的存在更精细的空间范围比VOI-scale分割方案。
高的地图<我talic>
k和高- - - - - -<我talic>
c为每个药品网络焦点。这些地图使用的截止值<我talic>
k和<我talic>
c基于车辆参数分布(见图
5 )。地图说明最高集群节点之间的解剖分离,相比最高学位。的神经解剖学的依赖是一个函数的应用药理挑战前额叶皮质下区域,但类似的跨网络的感觉运动皮层。
(一)
![]()
(b)
![]()
(c)
![]()
有趣的是,节点的最高价值<我talic>
c,一般来说,不同的本地化的值最高的吗<我talic>
k。所有这三个药物网络,高<我talic>
k和高- - - - - -<我talic>
c节点被确定在感觉运动皮层,与安非他命的最大数量的重叠网络。高收入之间明确的界限<我talic>
k和高- - - - - -<我talic>
c节点分离感觉运动和前额叶、扣带皮层网络(图
6 )。安非他命网络,mPFC主要是高收入<我talic>
k节点,而部分扣带皮层尾是一个高收入<我talic>
c的焦点。在氟西汀网络mPFC和扣带含有高<我talic>
c焦点,而在尼古丁网络mPFC和扣带高<我talic>
k地区。氟西汀网络显示一个有趣的微分分布之间的背(CPu)和腹侧纹状体(伏隔核),前者主要由节点的高度而后者特色节点聚类系数高。尾,氟西汀和尼古丁网络有高收入<我talic>
c疫源地内嗅皮层/与中脑腹侧海马区域以及结构。
低,<我talic>
c节点被本地化的安非他命的分皮质和中脑区域网络,符合优惠本地化的高<我talic>
k和高- - - - - -<我talic>
c地区frontocortical大脑区域(见补充数据)。低收入<我talic>
c氟西汀和尼古丁网络的节点数和本地化主要大脑边缘(见补充数据)。
4所示。讨论
有越来越多的兴趣使用功能成像技术探测大脑的连接属性。在这种情况下,它可以直观的把成像数据通过扩展坦然的一个网络,由一组节点和功能连接定义他们之间的联系。超越概念驯良的代表,这种方法还使概念在网络理论杠杆。目前的研究扩展了应用复杂网络理论在老鼠大脑的功能成像研究全球规模以及体素,nodewise、网络参数数据集特征响应三个规范精神药物临床/行为概要文件和不同的作用机制。
整个网络连接参数的直方图可以揭示网络的统计特性,对其行为有很深的影响。此外,连接属性的变化也反映了疾病的例子,全球network-mean聚类系数和小世界指数已被证明是减少老年痴呆症相对于正常老化(
16 ,
22 ]。的所有四个phMRI网络认为,整个大脑的直方图<我talic>
k展示了典型无标度的特征——高<我talic>
k截止之前报道的人类大脑运动任务(
13 和静止状态
14 )数据。这些分布的形式是健壮的二值化阈值和独立挑战的药物。这种类型的分布与随机网络从本质上不同于发现,在强烈单峰分布程度(
53 ]。重尾分布,无标度分布反映的存在大量的高度连接的节点,或“中心,”特点,结果在短时间内任意两个节点之间的平均距离的网络,在鲁棒性随机故障的节点(
53 ]。这是符合我们的本研究中观察到高度相关的大脑区域在大脑皮层和分皮质结构在所有三个活跃药物网络。无标度特性被发现在几个网络分析功能成像数据在人类
13 ,
14 ]。然而,结构研究、基础,例如,在扩散磁共振成像tractography [
26 ),往往会找到更多的指数分布(线性对数线性范围),符合相对均匀分布的灰质神经元密度(
54 ]。因此,它可能会认为高度连接中心的存在反映了大脑的功能性组织,而不是神经基质的结构(
10 ]。
在目前的研究中,两个关键nodewise连接的参数节点的解剖分布的程度<我talic>
k和聚类系数<我talic>
c显示双边对称模式的特征与已知的相关解剖脑部的细分,例如,感觉运动,扣带皮层和前额叶皮层(见图
2 ,
3 ,
6 )。这些模式揭示了一个共同的连通性增加感觉运动皮质区域但依赖药物在大脑的挑战。统计分析的节点分为解剖看到了汽车的显著差异值<我talic>
k和<我talic>
c在大规模的大脑结构。有趣的是,增加和减少连接相对于汽车观察(数字
4 和
5 )。这是符合一个优惠功能的参与一定的区际联系和其他药物活性的抑制状态。常见的解剖分布特性的存在感觉运动皮层node-parameters调查(高<我talic>
k和高<我talic>
c)表明,这些反映了一般老鼠大脑的功能和结构组织,符合高本地连接的大脑皮层灰质。
地区的高<我talic>
k反映了体素的功能连接到许多人。研究集群的功能连接在这些数据阐明(
6 ,
42 ,
43 ,
55 - - - - - -
57 ]表明,体素的感觉运动皮层可能优先连接到对方,与高的广泛分布一致<我talic>
k在所有三种药物的皮质网络节点。然而,节点程度高的焦点也观察到药物在皮层下结构的挑战包括丘脑、纹状体和中脑区域包括中缝核。聚类系数<我talic>
c在多大程度上反映了节点连接到给定节点相互连接在自己和可以被解释为一个索引的本地连接(“本地”被定义为连接和不一定符合解剖位置),也代表本地信息传输效率(
15 ,
58 ]。为<我talic>
d安非他命网络的解剖学资料<我talic>
k和<我talic>
c都有一个强大的皮质定位,符合一个强大的皮质子网(
42 ]。相比之下,氟西汀地区高<我talic>
c更本地化的前额叶、扣带皮层和丘脑等分皮质结构。这是与观测一致的子网络涉及这些结构由种子区域分析(
6 )和网络划分方法(
43 ,
55 ]。尼古丁网络还显示广泛的皮质区域节点学位升高,但不太清楚解剖结构映射的聚类系数。然而,VOI分析表明不同的解剖学资料<我talic>
k和<我talic>
c响应中的尼古丁,相比与其他药物网络。总的来说,高<我talic>
k和高- - - - - -<我talic>
c节点如图
6 躺在“核心”的社区网络中节点标识分区分析相同的数据(
55 ]。
在那些被认为在这里等网络,连接基于响应的注入药理剂,与车辆网络是有价值的。
明确与汽车集团在更传统的组分析方法是标准的做法为了区分制药化合物的影响<我talic>
本身从那些由于溶剂的溶解。理想的良性的车辆,如生理盐水组中的分析,预计使用和引起最小的反应。然而,除了捕获生理“基线”时间课程的变化,汽车注入可能本身产生疲软的影响。在现在的环境下,这使得网络结构因静脉注射的车辆特征和用作基线确定影响由于感兴趣的化合物。汽车组的分析,一个静脉注射1毫升/公斤,体积0.3毫升/公斤冲洗,产生总注入量1.3毫升/公斤,注入超过一分钟。300克鼠,假设18.77毫升的血容量,这相当于~总血容量的7%。当使用血池造影剂在cb v的方法都未使用在目前的研究中,这导致了轻微的稀释剂,可以表现为一个小post-injection中央信号变化。注射也可能产生自主反应的反应在大脑特定区域可能表现为相关信号变化,尽管小振幅。网络连接参数的分析显示较弱的解剖特点的汽车比其他三个网络,提升<我talic>
k和<我talic>
c在前额叶皮层区域。事实上,全球汽车网络的度分布有一个无尺度结构非常类似于其他phMRI网络,与保存全局拓扑结构的发现一致的认知和药物引起的扰动(本地)功能连通性在人类大脑成像研究
15 ,
36 ,
37 ]。
然而,活跃的毒品网络的连通性特征从本质上不同于车辆网络,数据明显
4 - - - - - -
6 。事实上,使用车辆网络作为定量参考,高的地区<我talic>
k和高- - - - - -<我talic>
c明确指出了这三个活跃药物网络(数据吗
5 和
6 )。这些显示病灶的存在在额叶皮层在药物的共同特征。此外,通过考虑节点在各个像素点的规模,我们能够解决最高的节点之间的解剖变异<我talic>
k和最高<我talic>
c在一个更精细的空间规模比典型VOI分割。而更自由的使用截止值在图
6 将导致增加高重叠-<我talic>
k和高- - - - - -<我talic>
c节点的节点,选中的值传递的值最高<我talic>
k不,总的来说,配合最高的节点<我talic>
c——发现隐含在散点图中所示图
5 。此外,地图在图
6 也说明——最高<我talic>
k和最高<我talic>
c节点通常占据在解剖学上相邻的大脑结构,特别是额叶皮质,前额叶皮层和纹状体区域。分皮质病灶也确认,特别是氟西汀网络。相比之下,一些分皮质高<我talic>
k或高- - - - - -<我talic>
c安非他命网络节点被确定在这里使用的阈值,尽管存在子从腹侧被盖区预测腹侧前脑和mPFC [
6 ,
42 ,
55 ];这可能反映了这个模块的规模较小,或一个潜在的“顺序”的本质关系沿着这高度本地化的途径(见,例如,图3 (
6 ]),也会产生较低<我talic>
k和<我talic>
c值。
在以往研究网络功能成像的特点网络,我们减少了每个完整,加权网络(在所有可能的链接存在和重量变量依赖于两个节点之间的相关性在回应)二进制。主要原因是计算相对较大(ca温顺。104 节点)网络,导致保留功能图像体素的空间尺度。这里介绍的主要结果,我们阈值每个网络以保持最强的2%的边缘关键版本。生成的网络拓扑结构代表了两个极端不良之间的中间地带:随着越来越多的边缘被保留,节点连接变得越来越密集和拓扑区别丢失;另外,保留的边缘越来越少,网络断开和拓扑信息变得越来越压抑。事实上,全球网络的属性和相对解剖分布网络参数<我talic>
k和<我talic>
c是健壮的精确值二值化阈值阈值的范围在这个“中间”政权的利益(见补充数据)。此外,2%的网络体元规模满足<我nline-formula>
K
>
ln
(
N
节点
)
标准可尊敬的拓扑属性相同大小的随机比较器网络(
15 ]。
在人类研究中,脑功能连接通常来源于fMRI系列通过计算时域的相关性。最近也一直在取得进步在啮齿动物建立健壮的和可再生的时间相关模式功能磁共振成像(
59 - - - - - -
64年 ]。基于当前phMRI数据的性质,获得较低的时间分辨率比要求解决时间相关性,我们构建和网络特征源自inter-subject相关性在响应振幅药品管理局后,手术后成立于2 dg放射自显影法[
38 和宠物
39 ,
40 ]。相关反应用于确定链接可以被视为反映的药理功能耦合的挑战在每种情况下(
38 ]。应该注意的是,功能连通性的概念首次引入在这种背景下,基于inter-subject相关性分析和功能磁共振成像的发明之前。此外,这种方法最近雇佣阐明解剖的灰质体积网络从结构磁共振成像数据
23 ,
34 ]。使用跨学科的相关性从phMRI数据导出功能连通性最近证明(
6 ],显示描绘功能连通性以及不同的神经递质系统时选择性地刺激药物,并进一步验证在后续工作(
42 ,
55 ]。
在这项研究之前平滑图像转换成网络表示,引入局部反应在相邻的像素点之间的相关性。平滑的一个关键原因是赔偿部分残余图像对齐不同学科之间的差异在执行组级别时,voxel-wise操作。在目前的数据,网络是源自inter-subject相关性,因此空间归一化图像数据的一个共同的空间是至关重要的。评估平滑的效果,我们还进行了分析网络来自未平滑图像数据。平滑没有极大地影响全球特征和解剖分布参数;罚款解剖决议(数据维护
2 ,
3 ,
6 )。结果的全球和解剖参数分布高度一致和那些从平滑图像获得网路,最明显的区别是参数地图出现大、不容易解释视觉在不光滑的情况下。因此,描述网络的神经解剖学的依赖参数与最大的清晰,我们提出基于平滑的图像数据。
从功能成像数据生成网络的一个重要特性是,每个节点代表一个大脑区域,定义良好的神经解剖学的位置。在这里,我们调查的依赖节点度和聚类系数,以应对不同的药理刺激老鼠。全球度直方图表示类似的全球,无标度网络结构。然而,nodewise地图规模的功能图像体素和VOI-level比较这些参数显示药物——和大脑全区道连接的调制参数相对于生理基线状态。增加节点度和聚类系数在额叶皮层观察到活性药网络,揭示疫源地的高连接独立的药理的挑战。stimulus-dependent分皮质和前额叶功能,显示分离的节点分配的最高学位和聚类系数最高。这些发现表明,高连通性的皮质病灶反映了老鼠大脑的内在功能性组织,连接属性和节点角色分皮质和额叶区域更依赖于特定的神经递质系统的激活,也就是说,在特定的动态功能过程引起的不同药理的挑战。