文摘
阿尔茨海默病(AD)是最常见的痴呆症的老年人。这是一个不可逆转的、递进的大脑疾病。在本文中,我们利用diffusion-weighted成像(驾车)来检测异常白质(WM)的拓扑组织结构网络。我们比较WM连接特征之间的差异在全球、地区和地方各级26患者可能的广告和16 (NC)老年人正常的控制,使用连接网络构建与扩散张量成像(DTI)模型和高角分辨率扩散成像(现成)模型,分别。在全球层面,我们发现的WM结构网络广告和NC组有小世界拓扑;然而,广告组明显下降全球和当地的效率,但增加聚类系数和平均路径长度最短。我们进一步发现AD患者显著降低了节点效率在区域层面,以及弱连接在多个地方皮质和皮质下区域,如楔前叶、颞叶、海马和丘脑。现成的模型被发现比DTI模式更有利,因为它是更敏感的缺陷的广告在所有的三个层次。
1。介绍
阿尔茨海默病(AD)是最常见的痴呆症的老年人和特点是慢性皮质萎缩和神经退化,导致行为的改变,失去记忆和语言功能,和一般认知能力下降(1]。这是一个不可逆转的、递进的大脑疾病,通常诊断在65岁以上的人群中。全球近3600万人受到广告的影响,仅520万年就在美国(2]。
τ和β淀粉样蛋白(一种β在脑脊液)被认为是可靠的广告(生物标记物3]。然而,侵袭性、成本和可用性相关的这些量的测量是明显的缺点。另一方面,磁共振成像(MRI)被广泛认为是一种非侵入性方法神经病诊断和疾病分期。之前的研究使用t1加权结构磁共振成像显示AD-induced在多个脑区灰质(GM)萎缩,包括海马和内嗅皮层(4,5),时间和扣带脑回,precunei,岛皮质、尾状核、额叶皮质(6)、感觉运动皮层枕波兰人、小脑、丘脑内侧(7]。
另一方面,diffusion-weighted磁共振成像(驾车)8)可以恢复水扩散的本地配置文件组织,产生信息白质(WM)完整性和连接,不可以从标准结构磁共振成像。具体来说,tractography方法(9,10)可以用来配合连续流线通过定向扩散数据在每个体素重建WM纤维束。可以分析获得tractography, WM完整性与的——(ROI)分析为基础,例如,tract-based空间统计(tbs) [11)和纤维聚类(12,13[],parcellation-based连接体分析14]。
WM异常广告是在先前的研究报告。刘等人。15)执行voxelwise tbs比较分数各向异性(FA)在AD患者和健康对照组之间。多个WM大片,如海马旁WM、瓣环,钩状的纤维束,下级和上级纵束、胼胝体,显示减少FA广告组。金等。16)使用tract-based聚类方法与穹窿变性与各种diffusion-derived措施广告认知能力的下降。平均扩散系数(MD)被证明是更敏感的群体比FA广告和正常对照组之间的差异。李等人。17)提出了一种光谱扩散连接框架来探讨广告的连通性赤字。该框架是基于研究拉普拉斯算子矩阵的特征值扩散张量场的体素的水平。扩散连接光谱的峰值在广告转移组与正常对照组相比,没有变化。Daianu et al。18]发现大面积破裂公元68 -基于roi的连接网络上的多个连接指标”生水”结构。
重要的是,WM大片可以用来形成连接网络,提供全面的照片不同脑区之间的相互作用。WM连接网络可以将数学描述为图(1)组成的一组节点,代表的ROI和(2)一组节点之间的边,描述之间的关系(例如,纤维计数)对ROI。连接网络的特征可以描述使用指标三个层级:全球、区域和地方。
连接网络的稳定性受多种因素影响,包括电场强度(19,20.],扫描仪[21),成像采集参数(22],[tractography参数23]。詹et al。24]几个tractography和特征提取方法相比与AD的诊断准确性。在这些因素中,选择被发现是最具影响力的扩散模型。最常用的方法,即扩散张量成像(DTI),是基于高斯假设的水扩散。这种方法适用的地区与单向纤维束,但这个模型可能会失败与纤维交叉区域,在这些地区,可能会引入tractography错误。为了解决这个问题,先进的高角分辨率扩散成像模型(现成)提出了估计取向分布函数(ODF) [25,26在每个立体像素)。通过检测峰(即。,local maxima) of the ODF, one can then infer the number of directions contained in each voxel.
在这项研究中,我们调查了全球,区域和地方的变化相比,AD患者全脑连接网络健康的老年人。DTI和现成的模型被用来构造比较的两组不同的连接网络。这样一个系统在不同层次网络分析广告,据我们所知,还没有尝试之前。
2。方法
2.1。参与招聘
本研究涉及26患者诊断为疑似广告在阿尔茨海默病及相关疾病中心(ADRDC)三级医院上海市精神卫生中心(SMHC)上海交通大学医学院,16认知健康老年人社区的上海昌宁地区作为正常的控制(NC)组。受试者参加通过self-referral或转诊从家庭或医生。研究从2011年5月到2012年5月在ADRDC。SMHC机构的伦理委员会批准同意形式和研究协议。这项研究进行了符合赫尔辛基宣言。知情同意是获得所有科目和/或其法定监护人。
广告对象的年龄范围从50年代到90年代。入学之前,患者提供病史和身体和神经系统检查,实验室检测、t1和fluid-attenuated反转恢复(天赋)核磁共振扫描。入学标准包括:(1)国家研究所的神经和交际障碍和中风/阿尔茨海默病及相关疾病协会(NINCDS / ADRDA)标准可能广告(27];(2)精神障碍诊断与统计手册,第四版(dsm - iv)阿尔茨海默氏痴呆的标准;(3)Hachinski缺血不到4分;(4)95年和160年之间的收缩压和舒张压60至95;(5)确定一个负责任的和一致的护理;(6)没有糖尿病,肾功能损害,重大的系统条件下,精神疾病,癫痫,或创伤性脑损伤可能会影响他们的认知或大脑功能;(7)重要的大脑异常病人的t1加权磁共振成像;(8)临床评分的要求。在中国版的细微精神状态检查(MMSE) [28),有三个广告截止阀值诊断根据教育水平:(1)广告那些没有受过教育的表现出MMSE分数< 18;(2)那些小学教育表现出MMSE分数< 21;(3)那些高于中学教育表现出MMSE分数< 25。临床痴呆评定(CDR)量表(29日)是等于或大于1。
数控组认知功能健康的个体。数控组没有任何历史的认知能力下降,神经系统疾病,或不受控制的系统性医疗疾病。他们的CDR尺度等于0。所有受试者在研究中被要求有少于两个腔隙缺血中风(直径< 1厘米)在大脑中,揭示了天赋。
广告组的人口统计学和临床评分和NC组表中列出1。观察两组之间没有显著差异在年龄和教育。在性别的差异。然而,的影响,性别、年龄、教育水平、大脑尺寸在我们的分析将会退化。正如所料,观察组的区别在MMSE ()和CDR分数()。
2.2。图像采集先生
MRI扫描图像西门子MAGNETOM VERIO在SMHC扫描仪。t1影像与128年获得矢状切片使用3 d磁化准备收购快速梯度回波序列(MPRAGE)使用以下参数:TR = 2530毫秒,TE = 3.39毫秒,翻转= 7°角,和空间分辨率= 1×1×1.3毫米3,收购时间是8分7秒。醉酒驾车的图像被使用一个与75年获得轴向片回波平面成像(EPI)序列覆盖整个大脑。采集参数如下:TR = 10000毫秒,TE = 91毫秒,空间分辨率= 2×2×2毫米3。总量62方向收购,两卷没有扩散梯度(),其余60卷的扩散梯度,000年代/毫米2。收购时间5分42秒。
2.3。图像预处理
t1影像第一次重新取样1毫米各向同性,强度不均匀性修正(30.[],头骨被移除nonbrain组织31日]。由此产生的图像被组织分段独立的通用汽车,WM和脑脊液(CSF)目前快(http://fsl.fmrib.ox.ac.uk/fsl/fslwiki/)。醉酒驾车图像头骨剥夺,然后纠正与目前涡流引起的失真。FA和医学图像扩散张量拟合后然后从醉酒驾车中提取数据。
2.4。网络建设
整个大脑tractography进行贸易工业部和现成的模型。对DTI,扩散张量拟合数据使用加权最小二乘法估计算法和最大特征值的特征向量作为主要的扩散方向(32]。种子点被选为体素与FA > 0.3。最大转向角设置为45°和跟踪时停止FA < 0.2。允许的纤维长度至少20 mm,最大,300毫米。HARDI, odf与基于字典的球面反褶积估计(26]。最多三个峰值检测的ODF每体素(26]。四个种子被随机抽样在每个种子体素。纤维跟踪的标准对这两种方法都是相同的。结果tractography ParaView手动可视化和检查(Kitware,http://www.paraview.org/)。
自动化的解剖标记(AAL)模板33)是一种广泛使用的高分辨率t1大脑分割基于一个成人的话题,其中包括90年对大脑皮层和皮层下脑区。这些90年的名称和缩写表列出roi2。首先,我们每个主体的分段非线性注册AAL模板t1加权图像使用锤[34]。然后,t1加权图像是英足总形象严格一致。原90 roi AAL模板被转移到每个个体的酒后驾驶空间使用变形场和仿射变换矩阵生成的注册步骤。这些roi是用来连接网络中的节点为每个主题。
两个roi被认为在解剖学上连接,如果有纤维穿过它们。在网络边缘,连接节点代表这两个roi,被定义为纤维连接的数量。两个roi被认为是连接如果有不少于四个纤维之间,已被证明有效的减少假阳性的连接(35- - - - - -37]。结果,WM连接网络,由一个90×90对称矩阵,构造为每个主题。网络加权无向。
2.5。多级网络的措施
三个层级(全球、区域和地方)复杂网络的措施被用来比较连接网络构建的措施2.4广告组与NC组。格雷纳的措施计算工具箱(https://www.nitrc.org/projects/gretna/)。这些措施的详细审查,请参见[38]。
2.5.1。全球的措施
全球和本地网络效率是用来描述全球和地方特色的并行信息传递网络。全球网络效率量化信息交换的整个大脑: 在哪里节点之间最短的绝对路径长度和节点。节点的总数。同样的,本地网络节点的效率被定义为 在哪里是组成的子图节点直接连接到节点,子图的节点数量吗。因此,本地网络的平均效率对整个大脑。
全局聚类系数给出了一个整体的集群网络中。它是绝对的平均当地所有节点的聚类系数: 在哪里本地节点聚类系数,子图的边的数量吗的节点,表示节点的数量。换句话说,节点之间的边的比例在节点的邻居吗除以它们之间可能存在的边的数量。此外,网络的平均最短路径长度定义为 人类大脑展品的“小世界”属性特点是密集的地方相邻节点之间的集群和路径长度较短的全球网络效率高由于远程连接(相对较少的存在39- - - - - -41]。在数学上,它可以表示为全球标准化的聚类系数的比值规范化的最短路径长度,在那里和全局聚类系数和规范化的一个随机网络的最短路径长度。一个随机网络模拟迭代重新布线50%双随机边现有的大脑网络1000倍。然后,small-worldness可以测量(42),它应该是大于1,如果图展示了小世界性质。
2.5.2。区域措施
节点是计算效率来表示网络的区域特征。节点效率被定义为 在哪里节点之间的最短路径长度和节点。因此,措施的总体给定节点之间的信息流动和其他网络中的节点。的节点被定义为一个中心如果至少1个标准差(SD)高于平均节点网络的效率。
2.5.3。当地的措施
网络边缘,每一对之间的纤维计数roi,直接用来描述网络的地方特色。
2.6。统计分析
非参数排列测试是用来评估统计差异的脑网络广告和NC组之间的属性。首先,线性回归进行网络上的所有措施在全球、区域和地方的水平(部分中描述2.5),分别与年龄,性别,教育程度,和颅内卷(ICV)作为协变量。消除这些因素的措施之后,退化的措施交换5000次评估统计学意义的差异36]。显著性水平是设置为,错误发现率(罗斯福)43)为多个比较修正。之间的性能比较DTI和现成的方法,相同的分析网络由每个方法,分别。
3所示。结果
3.1。DTI和现成的
我们比较了DTI和现成的网络,在能力方面,区分广告组的NC组。图1表明,现成的方法可以处理纤维交叉之间的十字路口左侧皮质脊髓束和胼胝体。唯一的方法,另一方面,却不能这样做。图2显示了tractography结果基于一个种子ROI靠近脑干。现成的方法能够产生更多的纤维比DTI的方法。
(一)
(b)
(一)
(b)
图3显示了90×90的连接矩阵(≥4纤维连接)和DTI和现成的方法从一个随机选择的主题在我们的数据集。二进制两个矩阵之间的区别也显示,在条目+ 1表示连接检测到现成的但不是唯一,和−1连接检测到DTI但不是现成的。对于这个选择主题,有意义的联系(≥4纤维连接)占38%和52%的总连接DTI和现成的,分别。从地图的区别正确的面板的图3,很明显,更多的连接与HARDI相比DTI能被探测到的。
3.2。全球特征
数控和广告组表现出小世界组织(在他们的网络)。广告网络实际上显示small-worldness高于数控网络,在贸易工业部和现成的情况下(。在这两种情况下,广告组,当与NC组相比,显示减少全局效率和局部效率,提高规范化的最短路径长度()和归一化聚类系数()。同时,现成的方法给出的结果都是统计学意义(),而大多数结果的DTI方法没有,除了全球效率。表3列表的值这些措施为广告和NC组由DTI和现成的方法。
3.3。区域特征
一个ROI被定义为一个网络中心,如果其节点效率是1 SD大于平均节点网络的效率。对于现成的情况,我们确定了20 NC组的中心节点,包括6个协会皮质区,13旁边缘皮层区域,1主要的皮层区域。只有16个中心节点被确定在广告组,包括5协会区域和11旁边缘地区。两组12 roi共同认定为中心,包括双边优越的额叶脑回,背外侧(SFGdor),双边辅助运动区(SMA),两国中间扣带脑回(MCG),双边precunei (PCUN),两国核(把),双边闺房(那)。此外,4 roi,如左脑岛(INS.L),右侧尾状核(CAU.R),双边pallida (PAL)被确定为中心的广告组而不是数控组。8 roi,如正确的内侧额上回(SFGmed.R),两国后扣带脑回(PCG),右边距状皮层(CAL.R)、右侧楔片(CUN.R),双边优越的枕叶脑回(SOG)和左枕中回(MOG.L)被确定为中心数控组而不是广告组。对于唯一反映的情况,大部分的中心确定现成的案例中也被检测到。广告组的16个中心在现成的情况下,而数控组只有19个中心。右边距状皮层(CAL.R)和左枕中回(MOG.L)只有在现成的NC组,而左内侧额上回(SFGmed.L)只有DTI案件中确定。中心分布在广告和NC组如图4这两种方法。
唯一和现成的情况下,数控组相比,广告组显示节点效率(减少,罗斯福纠正)双边优越的枕叶脑回(SOG)、右侧枕中回(MOG.R),右腹直肌回(REC.R),左后扣带回(PCG.L)、右侧海马旁回(PHG.R),右边中间暂时杆(TPOmid.R),右枕下回(IOG.R),右梭状回(FFG.R)、右侧楔前叶(PCUN.R),双边cunei(村)。除了上面所示的地区,正确的后扣带回(PCG.R),右边距状皮层(CAL.R)和左楔前叶(PCUN.L)显示显著降低节点效率只有现成的情况下,而左中间暂时杆(TPOmid.L)显示,只在DTI降低效率。roi,减少效率之间的比较两组的DTI和现成的例图所示5。
3.4。地方特色
我们利用一对roi之间的纤维数量来衡量他们的力量连接。在执行排列之后测试(36在每个连接上,轴向和明显不同的矢状视图连接()之间的广告组和NC组,DTI和现成的方法,见图6。此外,connectogram,圆形表示工具称为圆环(http://www.cpan.org/ports/)[44),被用来证明这些连接两个模型图7。在这两个数字,更强的连接(高纤维计数之间的一对roi)广告组中所示蓝色,和较弱的连接(低纤维计数一双roi)之间红色的。尤其是厚图7越大,差异在两组之间的联系。识别不同的连接分布在整个大脑。大部分这些差异是位于边缘系统和皮质下区域。很明显,现成的模型能够检测出明显更多的成对的不同群体之间的联系(30对现成的和20对DTI)。例如,连接通过左边补充运动区(SMA.L),正确的舌回(LING.R),左顶叶脑回(SPG.L),双边闺房(那),左侧颞中回(MTG.L),左侧海马(HIP.L)只有现成的案例所示。
(一)
(b)
4所示。讨论
本研究调查的影响,广告在WM连接网络的拓扑特征三个层次的水平,全球、地区和地方层面,通过tractography数据重建使用DTI和现成的方法,分别。主要研究结果如下:(1)全球和本地网络平均效率减少广告,与最短路径长度增加;(2)区域枢纽和节点的数量在广告效率降低;(3)广告的本地连接削弱;(4)现成的方法有优势DTI方法识别更多的网络异常特征在所有三个层次。
在全球层面,与先前的研究一致(41,45,46),我们的研究结果表明,WM连接网络广告和数控小世界拓扑。虽然广告网络显示略有升高小世界属性,大多数全球措施降低广告,相比数控。AD患者显示全球效率和当地的平均效率显著降低,但在标准化的最短路径长度增加。全局效率和局部平均效率被反映的总体能力不同网络中节点之间的信息传递。他们是综合指数并行信息处理的能力。这些措施的减少可以归因于WM的退化,这表明皮层区域之间的连接不正常。大脑皮层区域之间的连接强度越少是由于WM完整性受损,导致长通路连接大脑的不同区域。在大脑最优分解平衡当地专业化和全球一体化导致广告信息处理故障。类似于以前的研究(47),我们也发现,归一化加权最短路径长度增加广告组。最短路径长度确保区际有效沟通,或促使区域之间的信息传递,构成了认知过程的基础(48]。WM损伤会导致最短路径长度的增加。因此,很有可能,在广告、信息可能在一个特定的大脑区域flash但不能有效地传播到其他地区形成稳定的记忆。归一化聚类系数是一个本地网络中信息传递能力比随机网络。在广告中,它的增加反映了信息传递能力的强化。同样,以往的研究也发现更大的集群系数和较长的绝对路径长度在广告,这可能表明,皮质的组织网络最小最优广告(49]。
在区域层面,几个枢纽中确定数控广告中没有显示,但如楔前叶(PCUN)和后扣带回(PCG)。这两个地区也证明减少连接在功能性磁共振成像(fMRI)研究轻度的认知障碍患者(aMCI),与高风险阶段开发广告(50),这可能表明这两个区域保持关键角色在两个结构和功能默认模式网络广告(51]。
广告网络还显示在很多皮质区域节点效率下降,主要位于两国cunei(村)、右侧楔前叶(PCUN.R),两国后扣带脑回(PCG),右颞极、中间(TPOmid.R)和海马旁回(PHG.R)。楔片(村),楔前叶(PCUN)和后扣带回(PCG)被认为是参与情景记忆的信息传输和故障在广告52]。虽然后扣带回的变性最初解释为不变性的一个直接后果在内侧颞叶,最近的研究表明,这个区域已经萎缩和代谢异常在发广告52- - - - - -54]。在一项研究中,调查了扣带束在广告,前部和后部区域受到影响(55]。后扣带回区域是一个关键的“集线器”广告的影响。颞极、中间(TPOmid)和海马旁回(PHG)参与语义记忆处理和识别56在广告中并显示萎缩和神经元损失57,58]。值得注意的是,降低效率观察颞叶主要位于右半球。在一起,减少了节点效率表明可能WM变性在这些大脑区域可能影响信息传输和AD患者功能集成。
在地方层面,弱连接(低纤维计数)主要发生在该地区的双边precunei (PCUN)、右侧楔片(CUN.R),左侧颞中回(MTG.L)和左海马回(HIP.L)。这些领域,大多是与语言相关的集成,情感,和语义记忆56,59],AD患者的影响[57,58]。值得注意的是,楔前叶、楔片和颞叶也显示区域一级节点效率降低。除了通常的知名广告影响的地区,正确的杏仁核(AMYG.R)和右侧额中回(MFG.R)显示弱连接。这些区域的结构主要是参与情绪加工、观念、心理状态和行为反应60]。弱连接也可以确定正确的丘脑(THA.R),这是众所周知的,有一个显著降低音量在广告61年]。有趣的是,一些地区显示本地连接增加广告组比NC组,例如,左脑岛之间的连接(INS.L)和左顶叶小叶(IPL.L)。是可能的,这可能导致补偿弱连接的邻近地区。
总的来说,现成的方法优于DTI方法区分广告和数控三个层次。在全球层面,现成的方法有更多的统计力量区分组织措施,根据值在表3。组差异显著的措施在现成的情况下,虽然大部分都是没有统计学意义的DTI的情况。在区域层面,现成的方法检测到更多的地区减少节点效率。这些包括两国后扣带脑回(PCG)和双边precunei (PCUN),而DTI方法的结果只显示这些地区的单方面的不足。结果从现成的方法更符合广告的病理,随着两国后扣带与记忆相关脑回和precunei都是处理和影响在广告62年,63年]。在地方层面,这两种方法显示的最大区别。现成的方法能够识别多50%的广告比DTI弱连接的方法(30双和20条)。这可能是因为现成的方法能够找到正确的在纤维束的方向跨越地区和NC组中可以找到更多的连接。具体来说,左顶叶脑回(SPG.L),右侧丘脑(THA.R)和左颞中回(MTG.L),尤其是左海马(HIP.L)和左楔片(CUN.L),只是发现使用现成的方法。在广告的早期发病,上级顶叶脑回和颞中回接受神经损失(64年]。除了皮层萎缩,皮层下结构,也如丘脑、受损萎缩和可能导致认知能力衰退和情感障碍在广告65年]。
纤维支数是最常用的措施之一,在评估连接特点。例如,丹尼斯et al。66年)计算图论指标基于纤维计数跟踪更改结构连接和网络效率在年轻健康的个体,而詹et al。67年)发明了一种机器学习框架分类广告的不同阶段与纤维计数功能。然而,有时候,纤维支数可能不是一个合适的功能连通性的研究。例如,在[68年,69年意味着FA),网络构建,医学博士,提供更好的性能和纤维长度比纤维支数在识别高风险的自闭症婴儿。因此,我们将考虑将其他网络措施在我们未来的工作,因为他们可能会提供额外的洞察连接故障,尤其是纤维支数根据网络的情况下不能显示广告的发展。
传统统计分析在网络属性通常是单变量的方式执行,也就是说,组间两两比较。这可能忽视了套连接在不同组间的交流。另一方面,而不是做简单的成对比较,分类框架能够考虑所有单个连接特性,以及它们之间的关系,为选择最歧视的特性分类(68年- - - - - -70年]。集成学习算法,如随机森林,是一个这种类型的分类算法,可以应用于识别有识别力的连接模式以多元的方式对广告或MCI分类。这将是我们未来的工作。
我们承认,这项研究有一些局限性。首先,我们的学习是非常小的样本容量。在未来,需要招募更多的参与者增加结果的统计力量。其次,区域分割黄金标准的缺乏使ROI的定义不是很精确,尤其是在边界上。配准误差也可能在这一问题中发挥作用。因此,它可能影响精度在连接网络的分析71年,72年]。第三,潜在的生物网络的属性和广告之间的关系进展目前不清楚。研究中间阶段,例如,MCI,可能有利于进一步理解的关系(73年,74年]。在未来的工作中,我们将从这个阶段包括参与者对这个话题进行更全面的研究。
5。结论
总之,我们进行了系统的研究在WM连接性比较三个层级(全球、区域和地方)之间的两组:广告组和NC组。进行了分析使用tractography数据使用两个扩散模型生成(DTI和现成的)评估tractography在网络分析的影响。在全球范围内,广告组和NC组演示小世界拓扑。然而,许多全球措施,比如全球效率,当地的平均效率,和标准化的最短路径长度、非最优广告组。广告集团区域中心的数量,大大降低节点效率楔前叶和颞叶(著名的萎缩性地区广告)。本地、弱连接在这些地区的存在,以及地区边缘系统和下皮层、海马和丘脑等。现成的方法优于DTI方法三个层面因为现成方法的先进模型可以更精确地反映底层复杂的纤维配置。
利益冲突
作者宣称没有利益冲突有关的出版。
作者的贡献
王涛和冯石同样导致了本文。
确认
这部分工作是由中国国家自然科学基金(81201030,81201030,81201030,61473190),《中国科技部(2009 bai77b03),国家重点临床学科上海市精神卫生中心(OMA-MH, 2011 - 873),上海市科学技术委员会拨款(134119 a2600, 14411965000),上海交通大学科技创新专项基金(YG2014MS39),为脑部疾病SHSMU-ION研究中心,上海交通大学k . c . Wong医学奖学金基金。这项工作是由国家卫生研究院的基金还支持部分AG041721, EB006733 EB008374, EB009634。