Brain Imaging and Behavior:多模态数据揭示了男女智力的不同神经生物学相关性
关注上方“功能磁共振”即可查看更多原创文章,文末浏览近期脑影像相关课程及服务。
前言
整体智力表现中的个体差异可以使用智商(IQ)来衡量,智商涵盖了各种认知领域,包括记忆、言语理解、处理速度、推理、空间能力和执行功能。因此,智商被假定为利用负责多个高级认知功能的区域之间的通信。2007年的一篇论文回顾了功能和结构神经影像学发现的进展(Jung和Haier 2007),并提出了一个惊人的共识,称为Parieto-Frontal Integration Theory(P-FIT),它表明,智力的个体差异可以通过一个分布式网络来表征,该网络主要涉及顶叶和额叶区域。跨多种神经影像学方法的众多神经科学的研究也证实了这一理论。具体而言,这一理论表明,基本的感觉/知觉区域负责视觉/听觉识别、意象、精加工;顶叶区域负责结构象征、抽象;前额区域负责解决问题、评估、假设检验;前扣带区负责选择反应。
尽管智力上的性别差异在社会和科学上都很重要,但关于男女智力的神经影像和神经生物学相关性之间的差异尚不清楚。此外,大多数现有的研究集中在群体水平的大量单变量方法上,忽略了个体的异质性,或者仅限于使用单一模态而没有利用多模态成像数据提供的互补信息。在本研究中,在个体化预测的背景下使用多模式神经成像数据来确定不同的神经生物学相关性在多大程度上支持男性和女性的智力。具体地说,采用了最近开发的机器学习的多变量方法-基于连接组的预测建模(CPM)-使用静止状态功能连接、灰质皮层厚度或两者,定量估计个体的智能分数。结果表明,男性和女性的智力生成可能依赖于相对的大脑侧化关键脑区和不同的功能网络,这与他们在认知领域的优势是一致的。
被试
从中国电子科技大学(UESTC)招募了440名健康汉族,且所有参与者都完成了中文版的韦氏成人智力量表(WAIS-RC)从WAIS计算得出的总分,即Full-Scale IQ,可以用来代表一般的智力水平。
排除缺少影像数据,WAIS评估分数不完整或头部运动过度的参与者。
最后保留了326名右利手的受试者(160F / 166M,平均年龄19.0‐1.1岁,范围:17-24岁)进行进一步分析。
Fig.1
(Fig.1 展示了分析的流程图)
2.预测IQ的灰质皮层和功能网络(IQ-predictive grey matter cortices and functional networks)
研究结果
1.个性化预测(Individualized prediction)
Fig.2
(Fig.2 使用多模态神经成像特征相对于观察值的模型估计IQ分数的散点图)
当综合功能连接和皮层厚度特征作为CPM的输入时,男性和女性的预测和观察IQ得分之间的皮尔逊相关系数分别为{r【男性】=0.45(1.2×10-9)}和{r【女性】=0.45(p=1.7×10−9)}所有数值都被标准化为z分值以便于可视化。
Fig.S2
Fig. 3
(Fig.3 预测了,男性和女性智商得分的大脑区域和功能连接的关系)
对于男性,CPM确定了低智能区域(a)中的258个特征,高智能网络中的162个连接,以及低智能网络(c)中的309个连接。对于女性,在高智能和低智能区域(b)中分别包含相应的284和444个特征,而在高智能和低智能网络(d)中则包含145和329个边缘。
如圆图所示,116个功能节点根据其叶位置被分组为8个AAL定义的宏尺大脑区域:高智能网络中的边缘显示为橙色,而低智能网络中的连接显示为蓝色。LOOCV(100%识别率)每次迭代中出现的边都以粗体显示 (e).在高智能网络中,女性的功能连接在解剖向量距离上显着长于男性(f);在低智能网络中,男性和女性之间的连接长度没有差异。对于男性,低智能区域包含258个特征,恰好位于两个区域:左侧顶下小叶(IPL)和右侧楔前叶(图3a)。 对于女性,CPM显示284个正相关特征(高智能区域)主要集中在右侧脑岛、右颞上回(STG)和右额下回;444个负相关特征(低智能区域)分布在右侧IPL上,右侧楔前叶延伸到左侧尾部中额叶皮质(图3b)。
Fig. 4
(Fig. 4 高智能和低智能网络中的功能节点)
(Table 2 每个典型网络在IQ预测中的重要性)
总结
在这项研究中,通过整合多模态神经成像数据,建立了一个基于连接组的IQ预测程序,该程序基于实体交叉验证,补充了现有的在人类智能个体化预测方面的工作。此外,我们确定并比较了,可能预测其他个体的教育或健康结果的性别不同的成像生物标记物。更重要的是,我们发现男性和女性的智力是由不同的神经生物学相关支持的。具体地说,男性IQ与左侧IPL中的皮层厚度以及左侧PHG和默认模式网络中的功能连通性表现出更密切的相关性;而女性IQ与右侧IPL中的皮层厚度以及连接左侧壳核和小脑网络内的功能连接性更相关,这与她们各自在认知和行为表现(视觉空间处理与言语和记忆能力)方面的优势一致。
参考文献
Abutalebi, J., Della Rosa, P . A., Gonzaga, A. K., Keim, R., Costa, A., &
Perani, D. (2013). The role of the left putamen in multilingual lan-
guage production. Brain and Language, 125(3), 307–315
培训信息
科研服务
灌注数据处理服务
EEG/ERP数据处理服务
脑电数据预处理:使用EEGLAB对Neuroscan、Brain Products、EGI、ANT、Biosemi等主流脑电设备采集的脑电数据进行预处理。
ERP成分统计分析:提取ERP成分的波幅和潜伏期,并进行统计分析。
EEG频谱分析:使用傅里叶变换的方法计算脑电各个频段的功率,并进行统计分析;使用短时傅里叶变换、小波变换和希尔伯特变换的方法进行脑电时频分析(如ERD/ERS分析、试次间相位同步分析)。
基于sLORETA的脑电源分析:ERP成分源定位;特定频段EEG源定位;源空间的脑功能连通性分析。
功能连通性分析:使用相关、相干、相位锁定值和格兰杰因果分析研究电极之间功能连通性。
近红外数据处理服务
PET数据处理服务
功能磁共振数据处理
任务态激活脑区分析
任务态E-prime实验实
功能连接分析
局部一致性(ReHo)分析
低频振幅(ALFF/fALFF)分析
基于图论及ICA的脑网络分析
结构磁共振数据处理
基于VBM的灰白质分析
基于Freesurfer的皮层厚度分析
基于FSL的纤维束追踪
详情联系:13381109780(杨老师)