当前生物精神病学的一个紧迫问题是阐明导致主要精神疾病表现的大脑发育模式，其中一个很有价值的范例是对精神分裂症和双向情感障碍风险增加的年轻人研究。精神分裂症和双向情感障碍可由遗传介导，从而使这些疾病患者的后代也成为了高危人群。除了遗传倾向外，父母患有精神疾病也会增加儿童期环境压力，从而进一步增加患精神疾病的风险。确定这些高危后代的精神障碍可能有助于阐明在已确定的疾病中观察到的大脑异常的发育起源，并有助于制定旨在改善或预防精神病的早期检测和干预策略。精神分裂症和双相情感障碍的症状特点主要表现在一系列的行为，认知和情感领域。这些高阶的大脑功能依赖于由连接体组成的各种功能特殊神经回路之间的灵活相互作用。图论研究表明，大脑连接体按照高效的连接模式组织：具有模块化的划分、快速的信息传递以及一个高度的连接中枢-RichClub（对全脑信息传递起着关键作用）。新的证据表明在精神分裂症和双向情感障碍患者的大脑连接组织被破坏，但是其未患病的年轻后代是否存在连接体异常仍有待确定。在本研究中，作者研究了精神分裂者和双向情感障碍患者年轻后代的脑连接组。（精神分裂症和双向情感障碍的发病高期在青少年晚期至20岁出头，而我们选取的高危后代年龄在8到18岁之间，比典型发病年龄要小）。因此，本文作者旨在通过研究精神疾病人群的后代在未表现出明显精神疾病症状群，他们的解剖性和功能性脑网络的拓扑结构是否出现了脑连接的破坏，以验证这种脑网络的受损是否存在于精疾神病的高危年轻后代中，最后评估了连接体拓扑结构的假定缺陷与早期精神病理的关系和精神病遗传易感性对大脑发育的影响。本文发表在Biological Psychiatry杂志。（可添加微信号siyingyxf或18983979082获取原文及补充材料）本研究包括来自93个家庭的127名参与者（年龄均在8-18岁）,其中包括28个精神分裂症患者后代(SZ-offspring), 60个双相情感障碍患者后代(BD-offspring)和39个正常人后代(表1)。参与者被称为“non-psychotic”，即在基线评估时，没有人符合DSM-IV精神分裂症或相关精神病障碍的标准。对于每个家庭，所有在适当年龄范围内的后代都进入了本文研究，以防止在家庭内对参与者的偏倚选择，因为有(阈下)症状的后代可能比其他后代更有可能报名参加研究。父母的临床诊断通过DSM-IV(SCID-I)的结构化临床访谈得到证实。对照父母使用miniSCAN进行精神病理学筛查(26例)。乌得勒支联合医学委员会附属医学伦理委员会批准了这项研究，所有参与研究的儿童及其父母在纳入研究前都被提供了书面知情同意。
采用儿童情感性障碍与精神分裂定式检查问卷终生版(K-SADS-PL)来评估参与者的症状和DSM-IV诊断。以往的研究表明智力与发育过程中的大脑变化有关，智力表现不佳是精神分裂症的危险因素之一，因此使用了WISC-III-R（年龄≤16岁的参与者）或WAIS-III（年龄>16岁的参与者）的四个子测验（模块设计、图片完成、信息和词汇）估计参与者的智力水平。绝大多数后代(>85%)对于精神药物不敏感。
在乌得勒支联合医学中心(UMC Utrecht)的3T MRI扫描仪上进行磁共振成像(MRI)，包括：解剖性t1加权成像(用于组织分类和皮层分割)，弥散加权成像(DWI)用于重建白质通路，静息态功能磁共振成像(rs-fMRI)确定区域间功能连接。使用Desikan-Killiany图谱将大脑分为114个皮层区域，对每个被试进行结构连接矩阵的重建，使用了确定性纤维追踪，当2个脑区之间的纤维束大于5时，这2个脑区之间存在网络连接。对于每个参与者都有一个结构连接(SC)矩阵，行和列反应皮层区域，矩阵条目表示连接的权重来反应纤维束的数量(NOS)。主要结果通过纤维束密度得到了证实（NOS校正为连接脑区的平均体积,SD）并作为连接权重；使用更细分的图谱(将皮层分为448个区域)重复出了相似的结果。127名参与者中有82人的静息态FMRI数据可用，这些参与者来自69个家庭，包括29个对照组，38个BD后代和15个SZ后代。对于每个被试，使用皮尔逊相关来计算网络节点之间的连接水平(N=114），并存储在个体连接(FC)矩阵中。使用图论测量来评估大脑解剖网络的拓扑属性。总连接强度S计算为网络中所有连接权值的总和。全局效率GE计算为所有节点对之间的平均最短路径长度的逆，通常被解释为整体信息传递能力的度量。聚类系数C被计算为一个节点的邻居也是相互连接的平均可能性，作为操作隔离的度量。模块化指数Qsc 来评估网络可以形成相同模块的程度，该指标反映了功能特异性处理的程度。具有复杂网络特性的富人俱乐部的相关研究表明，高度值节点之间的互联性比他们与其他节点之间的互联性更高。富人俱乐部区域，也就是脑部中枢，被定义为每个都是前20个高度值节点之一，一般对应的是度值前18%的节点，在当前的样本中验证了脑网络中富人俱乐部的存在。本研究中报告的富人俱乐部效应是在一系列中心的定义中发现的。将网络节点分类为富人俱乐部节点（hub节点）和非富人俱乐部节点（非hub节点），网络连接被分为三类，其中rich club连接代表hub节点之间的连接，feeder连接代表hub节点与非hub节点间的连接，local连接代表非hub节点之间的连接。对于每个单独的数据集，rich club, feeder和local的连通性计算为每个连接的权值之和。
Figure S1：组平均加权网络的richclub曲线,经验曲线(深灰色)和随机曲线(浅灰色)，归一化后的rich club曲线为红色，可以发现在k=15~23范围内，richclub系数呈上升趋势对构建的功能连接矩阵，使用Louvain社区检测算法划分功能模块(每个参与者运行100次，选取功能模块化指数最高的Qfc)。Louvain算法适用于具有正向和负向加权连接的网络，如rs-fMRI功能网络。此外，还计算了功能模块之间的FC之和，作为模块间功能集成的度量。本文为了对结构和功能连接性之间的耦合（SC-FC耦合）进行了评估，把非零的结构连接转化为高斯分布，并在结构连接强度和相关功能连接水平之间进行相关分析。另外使用对数变换来获得SC连通性的正态分布，或将Spearman 相关应用于实证SC数据，都可以得到相同的总体结果。作者分别检查了半球内和半球内之间的连接，来探索大脑半球内部连接与半球之间连接的SC-FC耦合可能存在的差异。本文检查了短(<50mm)、中间(50-100mm)和长距离(>100mm)3种结构连接(即分别对应底部55%、中间25%和顶部20%的连接)，来评估纤维束长度对SC-FC耦合的潜在影响。考虑到年龄和性别以及家庭内依赖的影响（即两个或两个以上的兄弟姐妹），本文采用线性混合模型来检验大脑网络拓扑指标中的群体差异。家庭地位、年龄和性别作为固定效应项进入模型，家庭内个体参与者之间的依赖关系作为随机效应项（详见补充资料）。目视检查残差图没有发现任何明显偏离正态的证据。检查后的网络指数表现出了显著相关(平均[std] = 0.42[0.32])。为了控制第一类误差，同时考虑到网络指标之间的相关性，可以对计算后的α进行“部分Bonferroni”法来减少单次假阳性发现的概率（I型误差），但可能会增加第二类误差。后又采用主成分分析(PCA)将连接指标的数据矩阵转换为一组线性不相关的变量，发现前两个成分解释了>95%的方差。基于此结果，使用线性混合模型对α < 0.05 / 2 = 0.025(35)的结果进行事后检验，分别对比区分每一参与者组，并报告校正后p值（padj = p * c，c等于PCA成分的数量）。如果校正后的p值超过1，则padj =1.0也将会出现。为了验证信息是在前两个主成分，而不是在剩下的方差中，所有成分都会被直接测试。对于具有显著群体效应的指标，报告了调整后的平均差(Mdiff),量化为一组参与者之间的图论指标度量的百分比差和标准误(SE)。年龄和血缘关系是主要分析中的预测因素。为了验证年龄和血缘关系不是群体效应的驱动因素，使用年龄匹配的bd后代亚组和不相关个体的亚组(N = 93)对主效应进行重新评估，证实了假设。富人俱乐部被认为是功能模块之间信息整合的解剖学基础。为了检验富人俱乐部连通性对功能模块化水平的影响程度，本文研究了结构性富人俱乐部连通性与功能模块化水平 Qfc之间的关系，以及模块化间的功能集成，采用线性回归分析对每个参与者组进行评估，校正年龄和性别的影响。对显示出显著群体影响（即存在组件差异）的脑连接指标与总症状、五个症状领域（即精神病、抑郁、躁狂、焦虑、行为）和整体智商进行相关分析,控制年龄和性别的影响。在总样本和单独的参与者组中计算临床和连接指标之间的相关性。对临床测量数据矩阵进行主成分分析得出三个主成分可以解释>95%的方差。基于此结果，计算校正的p值，以校正临床和连接体PCA成分数量的乘积(即3 × 2 = 6)。如果您对功能脑网络数据处理感兴趣，欢迎浏览思影科技课程及服务（可添加微信号siyingyxf或18983979082咨询）：
第一届脑网络数据处理提高班（上海，5.22-26）
第十七届DTI数据处理班（上海，4.25-30）
第十八届DTI数据处理班（上海，7.2-7)
第十六届脑影像机器学习班（上海，7.23-28)
第三届DWI数据处理提高班（南京，5.17-22）
第八届小动物脑影像数据处理班（上海，5.6-11）
第四十二届磁共振脑影像基础班（上海，6.5-10）
第四十一届磁共振脑影像基础班（重庆，5.9-14）
第十三届脑影像结构班（重庆，6.8-13)
第九届任务态数据处理班（北京，5.27-6.1）
第四十届磁共振脑影像基础班（南京，4.24-29）
数据处理业务介绍：
组分析显示整体连接强度S (F(2,122) = 3.40, padj = 0.070)和全局效率GE (F(2,122) = 3.13, padj = .094)(图1A, B)之间的边际效应。这些影响是轻微的，无法通过多重比较校正；表明精神分裂症和双相情感障碍患者的年轻后代中，连接体整体组织是相对完整的。总体群类没有发现显著的组效应C(F(2,122) = 2.47, padj = .178)或结构模块化效应， Qsc (F(2,122) = 0.74, padj = .962)(图1 C, D)。在高分辨率连接组映射中重新评估全脑网络拓扑结构，也得到了类似的结果(S: F(2,122) = 2.97, padj = .108 | GE: F(2,122) = 3.98, padj = .041 | C: F(2,122) = 1.19, padj = .302 | Qsc: F(2,122) = 0.79, padj = .908)。
Figure1：结构连接拓扑：柱状图显示了3组参与者(SZ后代、bd后代和对照组)的整体强度(A)、全局效率(B)、聚类系数(C)、模块化(D)。在参与者中，富人俱乐部区包括双侧楔前叶、额上回、上顶颞回、内侧中额叶和额下回，以及左背侧额上回和额中前回和右侧中央后回、前扣带回和脑岛（图2A、B）。组分析表明，rich club连接性具有显著的组别主效应 (F(2,122) = 3.90, padj = .046)，但fedder连接 (F(2,122) = 1.91, padj = .306)或local连接 (F(2,122) = 2.57, padj = .162)不具有显著的组别主效应(图2C)。事后检验表明，与对照组 (Mdiff = -16.8%, SE = 7.0%, p = .018)和BD子代组 (Mdiff = 16.8%, SE = 6.4%, p = .010)相比，rich club连接性在SZ子代组有所减少，这些结果在一系列的中心阈值上得到了确认。[即排名前16%-29%的大脑区域，最大的组别主效应排在前25% (F(2,122) = 5.93, padj = .006)(图S2)]。Rich club连接的组别主效应可以用高分辨率的皮层分割法进行重复 (F(2,122) = 4.30, padj = 0.032)。此外，使用连接强度，而不是度值来定义中心时，也证实了这种效应 (F(2,122) = 4.92, padj = .018)。
富人俱乐部区域定义为皮质表面的前20个高度值大脑区域（参与者平均图像(A)）。B：大脑连接重建，节点按照比例缩放表达了他们之间的连接。红色节点为hub节点，灰色节点为非hub节点。Rich club连接使用红色表示，feeder连接使用橙色，local连接使用黄色。C：柱状图表现了每个受试组的richclub连接、feeder连接和local连接的平均值。*表示与对照组和bd后代组相比，sz后代的richclub连接显著减少。
FigureS2：3组参与者度值前15%到度值前30%的rich club连接组间差异的F统计数据图。
功能模块化
参与者之间的大脑网络的功能模块化的水平Qfc是相似的(F(2,77) = 0.56, padj = 1.0)(图3A)，并且在共同模块拓扑结构的组间差异不显著(补充;图S3)。研究功能模块化和解剖学上rich club连接之间的关系(图3B)，可以发现，Qfc和richclub连接在SZ后代组中呈负相关关系(r = -0.59, p = .020)(图3C)，而在对照组和BD后代组中则没有。与此结果对应的是，SZ后代组的richclub与模块化间的功能整合呈正相关(r = 0.56, p = .029)。这些研究结果表明，SZ后代中richclub连接受影响与模块间功能集成的减少有关。
B：模拟展示richclub系统是如何作为解剖学基础来影响功能模块化。C：散点图显示在SZ后代中richclub连接和功能模块化水平之间的联系。全脑SC-FC耦合在参与者组之间没有显著差异(F(2,77) = 0.16, padj = 1.0)(图4A, B)。单独分析特定连接时，发现半球间的SC-FC耦合存在边际效应 (F(2,77) = 3.17, padj = .096)（图4B），远距离连接中SC-FC耦合效应的组别差异显著 (F(2,77) = 7.23, padj = .002)，事后检验表明，与对照组相比，SZ子代组(Mdiff =34.3%, SE = 12.1%, p = .002)和BD子代组(Mdiff = 29.9%, SE = 9.6%, p = .002)的SC-FC耦合增加（图4B）。在中、短[通常是模块内部的]距离连接中没有观察到这一点（中距离： F(2,77) = 0.12, padj = 1.0 | short: F(2,77) = 1.55,padj =0.438）
Figure4：A：组平均网络的结构连接矩阵(SC)和功能连接矩阵(FC)，表明结构连接和功能连接上存在高度重叠。B：柱状图显示每个参与者群体的结构连接、半球内连接和半球间连接和短、中、长距离连接。在全部后代样本中，显著组效应的连接指标和临床变量之间没有明显的关联。将诊断(如情绪障碍、焦虑障碍、注意力缺陷多动障碍、自闭症谱系障碍、“其他”)作为分类变量加入线性混合模型中，并没有显著的诊断效果。修正模型中精神药物使用情况（是/否）后仍旧确认了主要研究结果。在排除所有目前或之前服用过抗精神病或抗抑郁药物的参与者后，重复这些分析削弱了richclub连接的主要影响，这可能是由于样本量减少，或者因为排除药物治疗的参与者导致后代过度健康，不能代表整个家族高危人群。本研究的主要发现是，精神分裂症患者的年轻后代的大脑结构的富人俱乐部系统会出现明显变化。这一发现表明，具有精神分裂症遗传易感性的儿童和青少年早在精神病典型表现的年龄之前就存在richclub连接缺陷。与健康对照组和双相情感障碍患者的后代相比，SZ后代表现出较低水平的解剖学richclub连接。这一发现与已确诊疾病患者的研究一致，表明精神分裂症患者的富人俱乐部活动会受到干扰，而不是双向障碍患者。此外，精神分裂症患者的未受影响的兄弟姐妹和有发病前驱症状的参与者已经表现出richclub连接缺陷，而新出现的证据表明，双相情感障碍患者的一级亲属可能有相反的影响，这进一步支持了我们的研究结果。总之，之前和近来的研究表明，精神分裂症与双相情感障碍的遗传倾向可能对连接体中心富人俱乐部系统的发育形成有不同的影响。具体来说，在那些受精神分裂症影响或患病风险较高的患者中，richclub连接缺陷似乎是一种独特的连接体障碍。一个还没解决的问题是，在神经发育的过程中，有精神分裂症遗传倾向的儿童何时会出现脑网络缺陷。对正常大脑发育的研究表明，连接体的标志性组织特征，包括富人俱乐部组织，在妊娠30周时就已经存在。尽管如此，在儿童和青少年时期，richclub连接和SC-FC连接会随着年龄的增长而加强。元分析的证据表明，后天患上精神分裂症的儿童最迟会在青春期早期表现出认知障碍，这表明精神分裂症的神经生物学过程要比第一次发病早很多年。本文发现年轻的SZ后代显示解剖学连接体缺陷，与该假设是一致的。事实上，一项只包括12岁以下参与者事后检验表明，richclub连接具有显著的群体效应，即SZ后代解剖学富人俱乐部系统的缺陷在儿童晚期已经存在。在SZ后代中，richclub连接与功能性连接组模块性呈负相关，这表明，中央脑中枢之间的解剖连接性缺陷可能会降低大脑模块间功能整合能力。这一发现支持了这样一种观点，即富人俱乐部系统形成了一个解剖基础结构，用于整合大脑中不同功能群体的神经信息。一个长期存在的关于精神分裂症的假说是，大脑回路功能之间神经信息整合的中断可能是精神症状和认知缺陷的起因。本文目前的研究表明：有精神分裂症风险的年轻人的富人俱乐部系统的异常发育可能形成功能整合紊乱的解剖学基础，进而可能导致认知发育不良和精神疾病的易感性。Richclub连接与早期精神病理和智商之间没有明确的联系。与症状缺乏联系的原因可能是因为影响微弱，也可能是因为本文样本年轻，即平均13.5岁--因为精神病性症状的出现是从高风险到精神病发作是一个相对较晚的现象。研究的另一个发现是，SZ后代和BD后代都表现出远距离连接SC-FC耦合水平的增加，表明情感性和非情感性精神病风险的青年人可能都有这种障碍。异常SC-FC耦合的潜在生物学或功能后果仍有待确定，但有人认为，SC-FC耦合的增强反映了对功能性脑动力学的更高的解剖约束，从而导致功能性连接模式的动态重构能力降低。然而，这是否会影响认知行为功能，以及如何影响，还有待研究阐明。近期有趣的发现表明，大脑在神经回路之间的功能连接中进行动态重构的能力与执行认知方面有关，如认知灵活性。这种能力从儿童到成年都不断增加。因此，功能连接性的结构约束的增加可能反映了由于存在风险的后代大脑发育的异常模式而导致大脑动力学能力的降低。在解释研究结果时，应该考虑一些问题。首先，由于扩散成像依赖于水扩散作为轴突几何的间接探测，受到了许多实际限制。许多因素影响纤维束计数，并且从潜在的生物学角度解释纤维束计数的变化并不简单。尽管如此，将弥散磁共振成像与解剖连接的束追踪测量联系起来的研究表明，弥散束成像导出的纤维束计数提供了一个相当真实的投射强度估计。其次，SZ-后代组的样本量相对适中，由于一般精神疾病患者，尤其是精神分裂症患者，生育力下降，以及由于疾病而导致的家庭的混乱等问题，这些参与者很难招募。此外，为了捕捉同一大脑网络数据的不同方面，还进行了各种测试。总共研究了全脑网络拓扑的六个指标（强度、全局效率、聚类系数、结构和功能模块化）和结构-功能耦合的六个指标（全脑连接及5个连接类）。由于网络拓扑定义相关的平度量表现了非凡的相关性，本文使用了部分Bonferroni方法来解释网络度量之间的依赖性。虽然这种方法被认为可以减少I型和II型误差，但它并不具有标准Bonferroni修正的统计严格性。考虑到进行的测试数量和精神分裂症后代样本的适度规模，是有必要进行研究结果的可重复性验证的。总之，本文的研究表明，精神分裂症患者的年轻后代表现出大脑网络的富人俱乐部系统的解剖学连接性缺陷，这可能代表了精神分裂症遗传风险的连接体特征。但是没有发现双相情感障碍患者后代存在富人俱乐部缺陷的证据，这与之前在成年患者中的发现一致，表明精神分裂症和双相情感障碍的遗传易感性对连接体发育有不同的影响。本文阐明了早期基因和环境风险因素如何影响richclub连接形成，可能有助于揭示精神分裂症发病的神经生物学机制，并有希望为早期发现和治疗提供方向。
