编辑推荐：
本文利用静息态功能磁共振成像（rsfMRI）对小鼠前额叶皮质（PFC）进行功能连接（FC）分区研究。发现 FC 分区能揭示 PFC 功能组织，且扰动一个分区仅影响相关功能网络。这为研究大脑功能、探索神经疾病机制及开发新疗法提供了重要依据。
研究背景
前额叶皮质（PFC）在大脑中至关重要，参与注意力、情绪调节和社会行为等高级认知过程。然而，小鼠 PFC 内不同细分区域的划分及其对大脑网络功能的贡献存在争议，其与人类区域的同源性也大多是推测性的。传统基于解剖学的分区方法存在挑战，如命名差异和边界不一致等问题。因此，需要新的方法来定义小鼠的功能区域和电路。全脑成像技术如功能磁共振成像（fMRI）可通过功能连接（FC）进行分区，这为研究 PFC 功能提供了新途径。本研究旨在利用 100 只野生型 C57BL/6J 小鼠的 rsfMRI 数据，对小鼠 PFC 进行体素分辨率的 FC 分区，并分析外部扰动对功能网络的影响。
实验方法
- 实验动物准备：实验使用 C57BL/6J 小鼠，购自 Charles River Laboratories（德国）。动物实验遵循瑞士联邦动物实验条例，并得到苏黎世州兽医办公室的批准。小鼠在实验前进行麻醉、气管插管、固定头部等操作，维持体温在 36.5 ± 0.5°C，并通过尾静脉插管给药。
- MRI 扫描：使用 7-T Bruker BioSpec 扫描仪和接收 - only 低温线圈进行 MRI 扫描。采用 EPI 序列采集 BOLD fMRI 数据，参数包括重复时间（TR） = 1s，回波时间（TE） = 15ms，翻转角 = 60°，矩阵大小 = 90 × 50，平面分辨率 = 0.2 × 0.2mm2，切片数 = 20，切片厚度 = 0.4mm，共扫描 2280 个体积，总时长 60min。
- 数据处理与分析：数据处理使用 FSL 和 Python 3.7 中的多个工具包。首先提取 BOLD 时间序列，根据不同的相关矩阵（如 [PFC x BRAIN]、[PFC x PFC] 或 [PFC x BRAIN without PFC]）选择感兴趣的体素，生成相关矩阵并进行聚类分析。使用轮廓系数和惯性确定最佳聚类解决方案。此外，还计算了聚类特定的指纹，并使用多种相似性技术评估指纹之间的相似性。
实验结果
- FC-based 聚类捕获已知的宏观 PFC 划分：通过对 PFC 的 FC 数据进行聚类分析，发现 4 个聚类的解决方案与 Allen Mouse Brain Common Coordinate Framework v.3（CCFv.3）定义的解剖结构有部分匹配。不同聚类在 PFC 各亚区域的分布与已知的功能和连接特征相符，如 ORB (l)/ORB (vl) 和 ORB (m) 属于不同功能网络，且与不同的感觉信息处理和空间信息传递相关。同时，该研究也发现功能聚类与解剖边界存在差异，这可能是由于多个脑区参与共享功能网络。
- FC-based 聚类捕获高阶 PFC 细分：研究发现，基于短程连接（PFC-PFC）的 FC 分区可以揭示 PFC 的高阶解剖细分。在 7 - 和 9 - 聚类解决方案中，PFC 亚区域出现了沿内侧 - 外侧和背腹轴的进一步分离，这与现有追踪数据和关于前额叶子系统的假设一致。例如，C2/C3 的左右分离突出了 SUB (d)-PL/IL 通路的半球特异性，C1 分为 C1 (d)/C1 (vl) 支持了扣带回皮质沿 rostro-caudal 轴划分的观点。
- 使用 FC-based 聚类辨别外部扰动的网络效应：利用已发表的化学遗传学 - fMRI 数据集，研究发现化学遗传抑制仅影响目标功能聚类（C2）与丘脑的 FC，而邻近聚类（C1、C3 和 C4）未出现明显变化。这表明扰动主要影响与目标区域相连的下游区域，而不会传播到功能不相关的区域。使用对幅度敏感的方法（如 TS - SS）能够更好地检测这些变化。
讨论
- FC-based 分区的意义：PFC 在整合感觉输入、处理动机和奖励信息以及指导行为方面起着关键作用。精神疾病如抑郁症（MDD）与 PFC 功能异常有关，传统针对单一脑区的治疗效果有限，而基于网络的方法可能更有效。本研究的 FC-based 分区为研究 PFC 功能网络提供了新视角，有助于理解大脑功能和开发新的治疗策略。
- 揭示 PFC 区域的层次组织：通过分析聚类与解剖区域的重叠，发现 FC-based 聚类与 PFC 沿背腹轴的已知分离一致。小鼠新皮质具有强区域间连接和层次结构，FC-based 分区在不同分辨率下揭示了 PFC 的功能组织，特别是在分析 PFC 内部连接时，能够发现更精细的结构，如 PFC 亚区域的侧向化。这强调了在研究 PFC 功能时，考虑区域特异性功能架构的重要性。
- 功能聚类的隔离性：对化学遗传抑制引起的扰动分析表明，PFC 存在显著的功能隔离。扰动仅导致目标功能聚类内的 FC 改变，而邻近聚类无明显变化。这表明通过扰动相关网络而非特定解剖区域，可能更有效地针对异常连接区域进行治疗。同时，研究中使用的 TS-SS 指标在分析化学遗传实验中具有优势，未来研究可整合多种指标以更好地分析大脑网络动态。
- 研究的局限性：本研究在麻醉小鼠中进行任务 - free fMRI，麻醉会影响 FC 值和连接变化，可能对聚类划分产生影响。此外，研究使用的是静态 FC 分析，而动态 FC（dFC）可以捕获时间波动，未来研究整合静态和 dFC 分析可能提供更全面的大脑功能网络理解。尽管存在这些局限性，本研究仍验证了 FC-based 分区在网络分析中的强大作用，对临床前和转化神经科学具有重要意义。
研究展望
未来研究可进一步结合分子和功能数据，深入了解 PFC 功能组织的生物学机制。尽管目前存在分子谱不一致、实验参数可变和分辨率限制等挑战，但随着技术的进步，有望实现更深入的数据整合。此外，研究不同行为状态下的大脑功能网络，以及开发更精准的神经调控策略，将为神经科学领域带来新的突破，为治疗神经疾病提供更有效的方法。
