Cerebral Cortex：自闭症谱系障碍中局部连通性及其发展轨迹的变化:身为女性是否重要?
被诊断为孤独症的男性与女性比率为4:1.这个偏差在神经影像学研究中更显著。越来越多的证据表明，自闭症谱系障碍中局部连通性及其发展轨迹发生变化。本研究旨在调查男性和女性ASD中，局部连接及其发展轨迹是怎样变化的？用ABIDE I和II数据库的静息态fMRI数据：男性ASD:女性ASD=102:92,男性正常发育(TD):女性TD=104:92，年龄6-26岁。局部连接用局部一致性量化。发现ASD躯体运动和边缘网络局部连接减少，默认模式网络局部连接增加。这些变化在女性ASD中更显著。另外，局部连接与ASD的症状联系在女性中更稳健。与其他组相比，女性ASD有最不同的局部连接发展轨迹。总之，我们的发现说明女性ASD诊断的更大的病原学负担，这与女性保护效应假设一致。
1.背景
孤独症（ASD）是一种神经发育疾病，特点是社会交流受损、刻板行为和有限的兴趣。男性与女性诊断比为4:1.这一偏差在神经影像学研究中更显著。很多的脑变化的发现都是基于男性倾斜样本，可能不适用于女性ASD。
越来越多的证据表明，局部连通性及其发展轨迹变化是ASD固有的。多项研究报告显示自闭症谱系障碍的分布式网络连接中断，表明大脑区域之间的远程通信受损。对分布式网络边界内的局部连接的调查可能提供额外的信息，有助于解释此前在ASD中报道的远程通信的差异。
用来测量局部连通性的最可靠和常用的fMRI指标之一是局部一致性(ReHo)。ReHo测量邻近体素的时间序列的一致性，因此，它被设计用来表示大约1厘米尺度上的自发神经活动的局部同步，这取决于体素的大小和计算中包含的邻近体素的数量。ReHo通常随年龄而增加，与认知控制和抑制、智力和脑信息处理的信号分级有关。健康群体中发现多个脑区ReHo性别差异。
ReHo先前已经在ASD患者身上进行了研究，结果显示它在大脑多个区域发生改变，主要是在右半球，其中一些研究还调查了ReHo和年龄之间的关系，显示了与年龄相关的局部连通性变化在ASD和典型个体之间是如何不同的。这些研究支持了这样一种观点，即发展的方法在研究自闭症谱系障碍的改变方面是有用的。重要的是，在先前调查ReHo的研究中，男女比例为2.5:1到25:1.大样本研究根本没有考虑女性。
结合健康人群与ASD的ReHo的性别差异研究，可以预期，在患有自闭症的男性和女性中，局部连接会以不同的方式被中断。由于局部和远程脑连接之间的关系，以及已建立的ASD中大规模脑网络连接的中断，我们在已建立的静息态脑网络（RSNs）背景下测试了ASD人群中性别特异性ReHo改变的假设。我们期望看到默认模式网络的改变，这是基于ASD在这个网络中连接不足的证据。此外，也有迹象表明，这种低连通性在男性和女性中的表达是不同的，这表明我们可以期待在这项研究中看到类似的模式。我们之前对半球间连接的研究表明，ASD的性别特异性改变可能更好地描述为发育轨迹的差异，而不是连接差异本身。即男性和女性ASD在大脑半球间的同源性连接中遵循典型的男性发育轨迹。一种类似男性的发育轨迹最近在男性和女性ASD模块化中被发现。考虑到ReHo反应了皮层区域的功能分离和模块性，我们假设男性和女性ASD与典型男性的局部连接轨迹比与典型女性的更相似。因此，我们使用横断面数据来调查ReHo与年龄的关系，并特别比较了有和没有ASD的男性和女性的ReHo发育轨迹。
2.材料和方法
2.1 被试
静息态fMRI和T1*W数据来自于ABIDE I和II数据库。为了研究性别和年龄对ReHo的影响，我们将被试（6-26岁）分为四组:男性TD（104）,女性TD（92），男性ASD（102），女性ASD（92）。表1是队列的表型信息。
表1 研究队列的人口统计特征
2.2 数据采集和预处理
扫描参数和采集协议可见：http://fcon_1000.projects.nitrc.org/indi/abide/
使用C-PAC做结构和功能数据预处理。结构MRI进行脑提取、分割（白质、灰质、脑脊液）。功能MRI进行层时间校正、空间标准化。回归线性和二次趋势， Friston 24个运动参数信号和10个来自于脑脊液和白质的干扰信号的CompCor成分。时域0.01-0.1Hz时域带通滤波。功能和结构像标准化到MNI空间并配准到一起。
2.3 脑-行为相关
对于原始ASD样本子集，自闭症诊断观察表（ADOS）的三个分数是可得的：社会交互行为、交流、刻板行为和有限的兴趣。对于一个不同的子集通过社会反应量表（SRS）的组评分的5个子量表获得：意识、认知、交流、动机、特殊习惯。表1是样本ADOS和SRS评分。用这些分数调查ReHo和ASD症状相关性。
2.4 ReHo计算和分析
用C-PAC计算ReHo，即基于体素的脑活动，表示给定体素和周围26个体素时间序列之间的相关性（肯达尔系数）。6mm高斯滤波来平滑个体ReHo图。为探索ReHo在功能网络方面的变化，用灰质7 Network Liberal蒙版来选择灰质体素和小脑的7网络蒙版。每个来自于这些蒙版的体素都有标签，表明它在这7个RSNs中的身份：视觉、躯体运动、背侧注意、腹侧注意、边缘、额顶控制和默认网络。为校正ReHo的中心特异性变异，对每个体素用线性模型拟合来估计由中心解释的变异性，同时保留由组、性别、年龄组、性别组交互解释的变异性：
个体ReHo值通过将每个体素的ReHo值除以给定个体所有体素的整体平均值进行标准化，标准化ReHo用于随后分析。
2.5 统计分析
用一系列偏最小二乘（PLS）分析来测试组差异和ReHo与ASD症状之间联系。PLS可以用于提取潜在变量（LVs）,即数据中最大的方差。本研究使用了两种PLS分析：平均中心PLS(测试组差异时考虑所有体素的ReHo，用来测试组差异显著性)、行为PLS（与行为变量的关系，用来测试图像数据与行为变量联系的显著性）。对于每种PLS，一个LV由3个成分组成：1）在平均中心PLS中表示组差异的奇异向量（图2A）或行为PLS中的整体相关性（图4A）。2）表示由这个LV表达的数据的总方差的奇异值。我们报告数据的总方差，用LV的百分比来解释，旁边是组对比或整体相关性（图2A）。3）每个体素的bootstrap比率奇异向量，展示了每个体素对组的对比或整体相关性的贡献，可以解释为z分数（图2B）和脑空间z分数的空间分布（图2C）。我们对所有体素以及每个RSN分别进行了包括ReHo在内的PLS测试。图1是分析的工作流程。表1是双样本t检验的组间统计和心理特征差异。
图1 分析流程
2.6 ReHo的发展路径
为了研究年龄相关的ReHo变化，我们使用线性模型分别拟合每个组的ReHo作为年龄的函数。为了比较两组之间的发展轨迹的坡度系数，二次抽样产生每组坡度估计值的分布。这是通过随机选择受试者的子样本，每组分别进行，并对每个子样本拟合线性模型来完成的。假设去除特定位点效应影响的步骤做得很好，我们没有对子样本中心表示施加任何限制。受试者的年龄分布不均匀。为了减轻这些影响，生成了大量的子样本(10 000)，每组50名受试者，并根据分布熵选择了50个年龄分布最平坦的子样本(更高的熵是更均匀分布的特征)。通过拟合年龄的线性多项式模型，估计每个子样本和每个体素的斜率系数。这就产生了四个矩阵(每组一个)，维度为50子样本乘以体素数量。换句话说，为了测试组间差异，子样本等同于观察值(受试者)，而特征(属性)则由体素间拟合轨迹的斜率估计值来表示，而不是体素间的ReHo值。
3.结果
3.1 ASD和TD组ReHo差异
PLS检验组差异（ASD/TD/男/女）发现两个LVs.第一显著LV表达了数据变化的40%（图2）。与此LV相关的数据驱动组对比基本上表达了ASD组和TD组之间ReHo的差异（图2A）。如图2B,z分数分布不是倾斜向左或右，说明与TD相比，男女ASD都有更高ReHo区域（右尾红色），也有更低ReHo区域（左尾蓝色）。脑表面上的z分数分布（图2C）说明ASD组高ReHo在右侧初级运动皮层、左和右补充运动皮层、左侧额盖、小脑后部和双侧颞叶更显著。ASD组低ReHo在双侧内侧前额叶、额中回、后扣带回、楔前叶和右侧上缘板更显著。对每个RSNs计算显著体素的百分比，发现ASD组在边缘和躯体运动RSNs有更高的ReHo，在默认网络有更低的ReHo（图2D）。
男（图2E）女（图2F）分别进行成对PLS比较ASD与TD差异是否在男女中都有。所有分析确认了男性PLS分析揭示的差异。
图2 ASD与TD间ReHo差异
3.2 男女ReHo差异
第二LV表达了数据33%的差异。图3A的组比较表示了男女ReHo差异。负向z分数比正向z分数显著体素更多。考虑到组比较，这说明平均来说女性组比男性组有更低的ReHo。女性组ReHo在双侧后顶叶、前岛叶、颞枕和上缘板减少（图2C）。RSN水平，z分数小于-2.5的体素的最高百分比在躯体运动和默认网络（图2D）。女性组高ReHo的区域包括顶枕沟、双侧后颞叶小脑前部。正z分数显著体素最高的百分比在腹侧注意网络。为确定第二LV揭示的性别差异分别在ASD和TD组出现，进行男性ASD与女性ASD和男性TD与女性TD分别PLS分析。无显著差异发现。TD组的比较有一个p值达到显著的统计趋势，说明性别差异可能更多受TD组差异驱动。
图3 组间ReHo性别差异
3.3 ReHo与ASD症状
所有组全局水平（所有体素的ReHo）ReHo与ADOS间无显著相关性。网络水平，女性边缘网络三个子量表ADOS分数与ReHo显著相关（图4A）。z分数分布正向倾斜，说明在边缘网络内，ADOS分数与ReHo存在整体正相关（图4A）。
SRS与全局ReHo无显著相关组。女性ASD腹侧注意网络ReHo与SRS显著相关（图4B），且大多是正相关。男性ASD躯体运动网络与SRS认知分数正相关（图4C）。TD组仅女性SRS与ReHo有显著相关性。TD女性在躯体感觉网络ReHo与SRS子量表显著相关（图4F）。仅男性ASD的ReHo与SRS认知量表显著相联系，TD女性是所有5个SRS量表。TD女性另一显著正相关在边缘网络（图4D）。TD女性腹侧注意网络ReHo与所有SRS相关（图4E）。多重比较矫正后仅TD女性边缘网络与SRS通过矫正。
图4 ReHo与ASD症状严重性之间的关系
3.4 ReHo与年龄的联系
所有组全局ReHo与年龄均显著相关（图5）。视觉网络二者为正相关。腹侧注意网络仅ASD组为正相关。其他网络均为负相关。检查所有组ReHo与年龄相关性空间分布相似性（图5E）。TD组间有最高相似性。男性组ReHo与年龄关系也有相似模式。ASD与TD组女性和男性ASD模式不同。所有组z分数分布负向倾斜，女性ASD更对称。与TD相比，小脑、内侧枕叶ReHo与年龄相关性在女性ASD中更正，顶叶和中央则更负。结果说明研究发展路径对ASD性别特异性改变是一个敏感的生物标志。由于我们的结果表明，在所有四组中，年龄和ReHo之间存在显著的线性相关性，因此我们决定主要关注年龄的线性效应。补充材料中有二次和立方模型。
图5 ReHo与年龄的联系
3.5 ReHo发展轨迹组差异
PLS分析揭示了3个数据驱动LVs.组比较与第一LV相关，解释了41%的数据变化（图6，第一行）。基于ReHo发展路径相异性，这个比较将女性ASD与其他三组区分。发育轨迹的差异分布在所有RSNs中，即主要由正z分数组成的视觉、边缘、腹侧和背侧注意网络和由负z分数组成躯体运动、额顶叶控制、默认模式网络。在本组对比中，与其他组相比，女性ASD患者ReHo与年龄在视觉网络中表现出更强的正相关，而在腹侧注意和边缘网络中表现出较弱的负相关。同时，女性ASD患者在额顶叶控制和默认模式网络中ReHo与年龄呈较强的负相关。
第二LV解释了32%的数据变化，识别出了男性ASD的不同的发育路径。男性ASD在躯体运动和背侧注意网络有更强负相关，默认网络有更弱负相关。第三LV解释了27%数据变化，识别出男性TD组。与其他组比，男性TD在腹侧注意、背侧注意、躯体运动网络有更弱负相关，在视觉系统有更弱正相关。
图6 ReHo发育路径的组差异
4.讨论
在这项研究中，我们使用一个大型公开数据集来检验性别特异性改变ASD患者局部连接及其发展轨迹的假说。我们发现患有自闭症的男性和女性在身体运动、边缘、默认网络与不患ASD相比有很大不同。此外，男性ASD患者体运动神经网络和女性ASD患者边缘神经网络的ReHo升高与ASD的严重程度呈正相关。我们还发现，在所有组别中，ReHo与年龄显著相关，但在各组中遵循不同的发育轨迹。特别是，与其他组相比，患有自闭症的女性在ReHo中的年龄相关变化差异最大。重要的是，这是第一个针对ReHo的研究，将患有自闭症的女性作为一个单独的群体进行调查，我们的结果表明ReHo与ASD症候学的关联，以及ReHo的明显发育变化，不仅在女性中存在，而且在男性中存在的程度相同，甚至更为强烈。