揭示自闭症特质与主要功能连接组之间的多元关联：为自闭症诊断开辟新维度

为解决自闭症（ASD）诊断和研究中的难题，研究人员开展了关于自闭症特质与功能连接组多元关联的研究。他们利用静息态功能磁共振成像数据，通过稀疏典型相关分析（SCCA），发现了三个关联维度。这为自闭症诊断提供了新视角，具有重要意义。

　　在神秘的大脑世界里，自闭症（Autism Spectrum Disorder，ASD）就像一团迷雾，困扰着科学界。这是一种常见的神经发育障碍，患者往往存在社交互动和沟通困难，还伴随着重复刻板行为或兴趣狭窄的问题。而且，自闭症的症状十分复杂，常与注意缺陷多动障碍（ADHD）、重度抑郁障碍等共病，这使得传统的离散分类诊断方式难以精准把握病情，也给干预治疗带来了极大挑战。

以往的神经影像学研究虽然揭示了大脑网络与自闭症表型之间的联系，但大多聚焦于单变量关联分析，忽略了个体间自闭症特质的差异，无法全面深入地理解自闭症的神经机制。为了拨开这团迷雾，来自成均馆大学、基础科学研究所、纽约儿童心理研究所、韩国大学等机构的研究人员踏上了探索之旅，他们的研究成果发表在《Neuroinformatics》上。

研究人员为了深入剖析自闭症的复杂症状，采用了一系列先进的技术方法。首先，他们从自闭症脑成像数据交换计划（ABIDE I 和 II）中获取了 309 名参与者（168 名自闭症患者和 141 名正常发育对照）的 MRI 和表型数据。这些数据来源广泛，为研究提供了丰富的信息。在数据处理过程中，MRI 数据经过 fMRIPrep 进行预处理，包括校正强度不均匀性、去除非脑组织、分割脑区等一系列精细操作。接着，利用 Schaefer 200 基于表面的脑区划分方法构建功能连接矩阵，通过扩散映射嵌入技术生成低维的功能梯度。最后，运用稀疏典型相关分析（Sparse Canonical Correlation Analysis，SCCA）来探究功能梯度与自闭症相关表型分数之间的多元关联，并使用两个独立的验证数据集进行验证。

研究结果令人眼前一亮：

• 功能连接组梯度：研究人员成功生成了三个功能梯度，它们解释了功能连接矩阵中约 51% 的信息。这些梯度与以往基于人类连接组计划（HCP）数据集的研究结果相符，分别代表了从初级感觉 / 运动到联合皮层（G1）、从躯体运动到视觉区域（G2）、从任务负向系统到多需求网络（G3）的皮质轴。
• 自闭症特质与功能梯度的关联维度：通过 SCCA 分析，研究人员发现了三个与自闭症特质相关的关联维度。
  • 与 G1 相关的社交障碍维度：当参数c1=0.3 、c2=0.3时，发现 G1 与社交障碍存在潜在关联，典型相关性为 0.31。在验证数据集中，虽然部分相关性未达到显著水平，但方向和相对大小与发现集一致，表明 G1 关联维度在多个数据集中都能反映社交障碍。
  • 与 G2 相关的内化 / 外化问题维度：当c1=0.3 、c2=0.9时，G2 与焦虑、社交问题等内化和外化行为高度相关。在验证分析中，相关性主要集中在内化和外化行为领域，但也存在部分不一致的结果，这在一定程度上限制了研究结果的普遍性。
  • 与 G3 相关的元认知问题维度：当c1=0.6 、c2=0.3时，G3 与元认知问题存在显著关联。在验证数据集中，多个与社交和元认知相关的分数与 G3 典型神经影像得分呈现出主导性的相关性。
  
  
• 自闭症个体梯度的全局收缩模式：在所有三个梯度中，高表型分数（症状更严重）的个体呈现出全局收缩模式，即梯度值更集中于零附近。通过 Kolmogorov-Smirnov（KS）检验和 3D 散点图分析，进一步证实了不同症状严重程度个体的梯度分布存在显著差异。
• 关联维度的判别能力：研究发现，G1 和 G3 的典型神经影像得分在自闭症和正常发育组之间存在显著差异，G2 的差异则较为中等。此外，研究还探讨了共病对典型神经影像得分的影响，发现患有共病 ADHD 的自闭症患者 G1 得分显著高于无共病的自闭症患者，而 G2 和 G3 得分在两组间无显著差异。

综合研究结论和讨论部分，这项研究意义非凡。研究人员通过多元关联分析，揭示了自闭症患者大脑功能组织的维度特征，发现的三个关联维度与社交障碍、内化 / 外化行为和元认知问题相关，这些维度具有诊断自闭症的判别能力。这不仅为理解自闭症的神经机制提供了新的视角，还有助于开发更精准的诊断方法和更有针对性的干预措施。尽管研究存在一些局限性，如发现和验证数据集的人口统计学信息不平衡、验证数据集中表型类别不完整、样本量可能限制研究结果的普遍性等，但它依然为未来的研究奠定了坚实的基础，指明了方向，激励着科研人员在探索自闭症奥秘的道路上继续前行。