聂云龙；尤金·奥普库；莱拉·亚斯敏；宋，尹；王杰；吴思迪；瓦妮莎·斯卡帕奇亚；朱迪·加鲁鲁克；王良良；曹继国；Nathoo，Farouk S。 静止状态fMRI的频谱动态因果模型：一项探索性研究，将默认模式网络中的有效大脑连接与遗传学联系起来。 （英语） Zbl 1461.92051号 统计应用程序。遗传学。分子生物学。 19，第3号，文章ID 20190058，18 p.（2020）. 摘要：我们进行了一项成像遗传学研究，以探讨默认模式网络（DMN）中有效的大脑连接如何与阿尔茨海默病和轻度认知障碍背景下的遗传学相关。我们对纵向静息状态功能性磁共振成像（rs-fMRI）和遗传数据进行了分析，这些数据是从111名受试者的样本中获得的，共有319次rs-fMRI扫描来自阿尔茨海默病神经成像倡议（ADNI）数据库。动态因果模型（DCM）适合于rs-fMRI扫描，以评估DMN内的有效大脑连通性，并与一组单核苷酸多态性（SNP）相关，该组单核苷酸多形性（SNPs）包含在一个经验疾病约束集中，是从仅有全基因组数据的663名ADNI受试者的样本中获得的。我们使用线性混合效应（LME）模型和功能标度回归（FSR）将使用光谱DCM估计的纵向有效脑连接性与SNP联系起来。在这两种情况下，我们都实现了参数引导来测试SNP系数，并与从渐近零分布获得的p值进行了比较。在两个网络中，初始（q）值阈值均为0.1时，未发现任何影响。我们报告了具有相对较高等级的关联的探索模式，这些关联对FSR和LME所做的不同假设具有稳定性。 MSC公司： 92 C55 生物医学成像和信号处理 92秒20 生物研究、人工生命和相关主题中的神经网络 关键词：有效的大脑连接；标量回归函数；成像遗传学；纵向静止状态fMRI；参数自助法；谱动态因果建模 软件：赌注；bgsmtr公司；勒默特斯；PLINK公司 PDF格式BibTeX公司 XML格式引用 \textit{Y.Nie}等人，《统计应用》。遗传学。分子生物学。19，第3号，文章ID 20190058，18 p.（2020；Zbl 1461.92051） 全文： 内政部 arXiv公司 参考文献： [1] Benjamini，Y.和Hochberg，Y.（1995年）。控制错误发现率：一种实用且强大的多重测试方法。J.R.Stat.Soc.B 57:289-300。doi:10.1111/j.2517-6161.1995.tb02031.x·Zbl 0809.62014号 ·doi:10.1111/j.2517-6161.1995.tb02031.x [2] Bondi，M.W.，Edmonds，E.C.，Jak，A.J.，Clark，L.R.，Delano-Wood，L.，McDonald，C.R.，Nation，D.A.，Libon，D.J.，Au，R.，Galasko，D.等人（2014）。轻度认知功能障碍的神经心理学标准提高了诊断准确性、生物标记物相关性和进展率。J.阿尔茨海姆。数字化信息系统。42: 275-289. doi:10.3233/jad-140276·doi:10.3233/jad-140276 [3] Cribben，I.和Fiecas，M.（2016）。fMRI数据的功能连通性分析。摘自：神经影像数据分析手册，第369卷。 [4] Dipasquale，O.、Griffanti，L.、Clerici，M.、Nemni，R.、Baselli，G.和Baglio，F.（2015）。高维ICA分析检测阿尔茨海默病中默认模式和感觉运动网络的网络内功能连接损伤。前面。嗯，神经科学。9: 43. doi:10.3389/fnhum.2015.00043·doi:10.3389/fnhum.2015.00043 [5] 弗里斯顿，K.J.（1994）。神经成像中的功能和有效连接：综合。嗯。大脑映射。2: 56-78. doi:10.1002/hbm.46002107·doi:10.1002/hbm.46002107 [6] Friston，K.J.、Harrison，L.和Penny，W.（2003）。动态因果建模。神经影像19:1273-1302。doi:10.1016/s1053-8119（03）00202-7·doi:10.1016/s1053-8119（03）00202-7 [7] Friston，K.J.、Kahan，J.、Biswal，B.和Razi，A.（2014）。静息状态功能磁共振成像的DCM。神经影像94:396-407。doi:10.1016/j.neuroimage.2013.12.009·doi:10.1016/j.neuroimage.2013.12.009 [8] Friston，K.J.、Preller，K.H.、Mathys，C.、Cagnan，H.、Heinzle，J.、Razi，A.和Zeidman，P.（2017）。重新审视动态因果建模。神经影像199:730-744。doi:10.1016/j.neuroimage.2017.02.045·doi:10.1016/j.neuroimage.2017.02.045 [9] Ge，T.、Feng，J.、Hibar，D.P.、Thompson，P.M.和Nichols，T.E.（2012）。增加体素-基因组关联研究的力量：随机场理论、最小二乘核机器和快速置换程序。神经影像63:858-873。doi:10.1016/j.neuroimage.2012.07.012·doi:10.1016/j.neuroimage.2012.07.012 [10] Genin，E.，Hannequin，D.，Wallon，D.，Sleegers，K.，Hiltunen，M.，Combarros，O.，Bullido，M.J.，Engelborghs，S.，De Deyn，P.，Berr，C.等人（2011年）。APOE与阿尔茨海默病：一个具有半显性遗传的主要基因。摩尔精神病学。16: 903. doi:10.1038/mp.2011.52·doi:10.1038/mp.2011.52 [11] Glahn，D.C.、Winkler，A.M.、Kochunov，P.、Almasy，L.、Duggirala，R.、Carless，M.A.、Curran，J.C.、Olvera，R.L.、Laird，A.R.、Smith，S.M.等人（2010年）。静息大脑的基因控制。程序。国家。阿卡德。科学。美国107:1223-1228。doi:10.1073/pnas.0909969107·doi:10.1073/pnas.0909969107 [12] Greenlaw，K.、Szefer，E.、Graham，J.、Lesperance，M.、Nathoo，F.S.和Alzheimer’S Disease Neuroimaging Initiative（2017年）。成像遗传学的贝叶斯群稀疏多任务回归模型。生物信息学33:2513-2522。doi:10.1093/bioinformatics/btx215·doi:10.1093/bioinformatics/btx215 [13] Hibar，D.P.、Stein，J.L.、Kohannim，O.、Jahanshad，N.、Saykin，A.J.、Shen，L.、Kim，S.、Pankratz，N.，Foroud，T.、Huentelman，M.J.等人（2011年）。Voxelwise全基因关联研究（vGeneWAS）：731名老年受试者的多元基因关联测试。神经影像56:1875-1891。doi:10.1016/j.neuroimage.2011.03.077·doi:10.1016/j.neuroimage.2011.03.077 [14] Kass，R.E.和Raftery，A.E.（1995年）。贝叶斯因素。美国统计协会期刊90:773-795。doi:10.1080/01621459.1995.10476572·Zbl 0846.62028号 ·doi:10.1080/01621459.1995.10476572 [15] Kuznetsova，A.、Brockhoff，P.B.和Christensen，R.H.B.（2017年）。lmerTest包：线性混合效应模型中的测试。J.Stat.软件82:1-26doi:10.18637/jss.v082.i13·doi:10.18637/jss.v082.i13 [16] Li，B.、Daunizau，J.、Stephan，K.E.、Penny，W.、Hu，D.和Friston，K.（2011年）。fMRI的广义滤波和随机DCM。神经影像58:442-457。doi:10.1016/j.neuroimage.2011.01.085·doi:10.1016/j.neuroimage.2011.01.085 [17] Li，R.、Yu，J.、Zhang，S.、Bao，F.、Wang，P.、Huang，X.和Li，J.（2013）。贝叶斯网络分析揭示了阿尔茨海默病风险个体中默认模式网络连通性的变化。公共科学图书馆ONE 8:e82104。doi:10.1371/journal.pone.0082104·doi:10.1371/journal.pone.0082104 [18] Lindquist，M.A.和Sobel，M.E.（2016年）。神经影像学中的有效连接和因果推断。摘自：《神经影像数据分析手册》，第419卷。 [19] Liu，J.和Calhoun，V.D.（2014）。成像遗传学中的多元分析综述。前面。神经信息素。8: 29. doi:10.3389/fninf.2014.00029·doi:10.3389/fninf.2014.00029 [20] Lu，Z.H.，Khondker，Z.，Ibrahim，J.G.，Wang，Y.，Zhu，H.和阿尔茨海默病神经成像倡议（2017）。纵向研究遗传数据成像的贝叶斯纵向低秩回归模型。神经影像学149:305-322。doi:10.1016/j.neuroimage.2017.01.052·doi:10.1016/j.neuroimage.2017.01.052 [21] 罗，C.，李，Q，赖，Y，夏，Y，秦，Y，廖，W，李，S，周，D，姚，D和龚，Q（2011）。缺席癫痫默认模式网络中功能连接的改变：一项静息状态fMRI研究。嗯。大脑映射。32: 438-449. doi:10.1002/hbm.21034·doi:10.1002/hbm.21034 [22] McKhann，G.、Drachman，D.、Folstein，M.、Katzman，R.、Price，D.和Stadlan，E.M.（1984）。阿尔茨海默病的临床诊断：由卫生与人类服务部阿尔茨海默氏病特别工作组主持的NINCDS-ARDA工作组的报告。神经病学34:939-939。 [23] 莫里斯，J.S.（2015）。函数回归。年度修订统计申请。2: 321-359. doi:10.1146/annurev-statistics-010814-020413·doi:10.1146/annurev-statistics-010814-020413 [24] H.G.穆勒（2008）。纵向数据的功能建模。纵向。数据分析。1: 223-252. doi:10.1201/9781420011579.ch10·doi:10.1201/9781420011579.ch10 [25] Naj，A.C.，Beecham，G.W.，Martin，E.R.，Gallins，P.J.，Powell，E.H.，Konidari，I.，Whitehead，P.L.，Cai，G.，Haroutunian，V.，Scott，W.K.等人（2010年）。痴呆症揭示：晚发性阿尔茨海默病的新6号染色体位点为叶酸途径异常提供了遗传学证据。公共科学图书馆-遗传学。6:e1001130-doi:10.1371/journal.pgen.1001130·doi:10.1371/journal.pgen.1001130 [26] Nathoo，F.S.、Kong，L.、Zhu，H.和阿尔茨海默病神经成像倡议。（2019）。成像遗传学中的统计方法综述。可以。《美国联邦法律大全》第47卷：第108-131页。doi:10.1002/cjs.11487·Zbl 1466.62415号 ·doi:10.1002/cjs.11487 [27] Penny，W.D.、Friston，K.J.、Ashburner，J.T.、Kiebel，S.J.和Nichols，T.E.（编辑）（2011年）。统计参数映射：脑功能图像的分析。爱思唯尔。 [28] Purcell，S.、Neale，B.、Todd-Brown，K.、Thomas，L.、Ferreira，M.A.、Bender，D.、D.、Maller，J.、Sklar，P.、De Bakker，P.I.、Daly，M.J.等人（2007年）。PLINK：一套用于全基因组关联和基于人群的连锁分析的工具。Am.J.Hum.遗传学。81: 559-575. doi:10.1086/519795·doi:10.1086/519795 [29] Razi，A.、Kahan，J.、Rees，G.和Friston，K.J.（2015）。DCM静息状态fMRI的构建验证。神经影像106:1-14。doi:10.1016/j.欧洲图像.2014.11.027·doi:10.1016/j.neuroimage.2014.11.027 [30] Sharaev，M.G.、Zavyalova，V.V.、Ushakov，V.L.、Kartashov，S.I.和Velichkovsky，B.M.（2016）。默认模式网络内的有效连接：静止状态fMRI数据的动态因果建模。前面。嗯，神经科学。10: 14. doi:10.3389/fnhum.2016.00014·doi:10.3389/fnhum.2016.00014 [31] Shen，Q.和Faraway，J.（2004年）。具有功能响应的线性模型的F检验。统计正弦。1: 1239-1257. ·Zbl 1060.62075号 [32] Smith，S.M.（2002）。快速可靠的自动大脑提取。嗯。大脑映射。17: 143-155. doi:10.1002/hbm.10062·doi:10.1002/hbm.10062 [33] Stein，J.L.、Hua，X.、Lee，S.、Ho，A.J.、Leow，A.D.、Toga，A.W.、Saykin，A.J、Shen，L.、Foroud，T.、Pankratz，N.等人（2010年）。Voxelwise全基因组关联研究（vGWAS）。神经影像53:1160-1174。doi:10.1016/j.neuroimage.2010.02.032·doi:10.1016/j.neuroimage.2010.02.032 [34] Stingo，F.C.、Guindani，M.、Vannucci，M.和Calhoun，V.D.（2013年）。成像遗传学的综合贝叶斯建模方法。美国统计协会期刊108:876-891。doi:10.1080/01621459.2013.804409·Zbl 06224973号 ·doi:10.1080/01621459.2013.804409 [35] Song，Y.、Ge，S.、Cao，J.、Wang，L.和Nathoo，F.S.（2019年）。成像遗传学的贝叶斯空间模型，arXiv预印本arXiv:1901.00068。 [36] Szefer，E.、Lu，D.、Nathoo，F.、Beg，M.F.和Graham，J.（2017）。Alzgene连锁区单核苷酸多态性与大脑结构变化之间的多变量关联：发现、改进和验证。统计应用程序。遗传学。分子生物学。16: 367-386. doi:10.1515/sagmb-2016-0077·doi:10.1515/sagmb-2016-0077 [37] Thompson，P.M.、Ge，T.、Glahn，D.C.、Jahanshad，N.和Nichols，T.E.（2013）。连接体遗传学。神经影像学80:475-488。doi:10.1016/j.neuroimage.2013.05.013·doi:10.1016/j.欧洲图像.2013.05.013 [38] Wu，X.，Li，R.，Fleisher，A.S.，Reiman，E.M.，Guan，X.、Zhang，Y.、Chen，K.和Yao，L.（2011）。阿尔茨海默病中默认模式网络连接的改变——静息功能MRI和贝叶斯网络研究。嗯。大脑映射。32: 1868-1881. doi:10.1002/hbm.21153·doi:10.1002/hbm.21153 [39] Yan，H.、Zhang，Y.、Chen，H、Wang，Y.和Liu，Y.（2013）。静息状态遗忘型轻度认知障碍时默认模式网络的有效连接发生改变。《国际神经心理学杂志》。Soc.19:400-409。doi:10.1017/s1355617712001580·doi:10.1017/s1355617712001580 [40] Zhong，Y.、Huang，L.、Cai，S.、Zhang，Y.von Deneen，K.M.、Ren，A.、Junchan，R.和阿尔茨海默病神经成像倡议（2014）。阿尔茨海默病默认模式网络的有效连接模式改变：一项功能磁共振成像研究。神经科学。莱特。第578页：第171-175页。doi:10.1016/j.neulet.2014.06.043·doi:10.1016/j.neulet.2014.06.043 [41] Zhang、Descoteaux、M.、Zhang，J.、Girard，G.、Chamberland，M.、Dunson，D.、Srivastava，A.和Zhu，H.（2018）。绘制基于人群的结构连接体。神经影像172:130-145。doi:10.1016/j.neuroimage.2017.12.064·doi:10.1016/j.neuroimage.2017.12.064 [42] Zhang，Allen，G.I.，Zhu，H.和Dunson，D.（2019年）。张量网络因子分解：大脑结构连接体和特征之间的关系。神经影像学197:330-343。doi:10.1016/j.neuroimage.2019.04.027·doi:10.1016/j.neuroimage.2019.04.027 [43] Zhu，H.，Khondker，Z.，Lu，Z.和Ibrahim，J.G.（2014）。神经影像表型和遗传标记的贝叶斯广义低秩回归模型。美国统计协会期刊109:977-990。doi:10.1080/01621459.2014.923775·Zbl 1368.62298号 ·doi:10.1080/01621459.2014.923775 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。