Science：大样本数据分析揭示自闭症神经解剖变异的结构
自闭症谱系障碍（ASD）等精神疾病影响全球数百万人。个体的差异是理解它们的主要障碍：被诊断患有相同疾病的个体通常表现出不同的行为症状和遗传变异。
了解ASD中的神经解剖学异质性，采用具体的诊断和有针对性的行为干预，可能是改善受影响个体生活质量的关键，然而，目前研究人员尚未确定与ASD相关的神经解剖学变异。
为了更好地检测ASD特异性神经解剖学差异，波士顿学院Aidas Aglinskas等人利用机器学习研究了1000多名ASD患者的磁共振成像（MRI）数据，并将这些图像与未患ASD时的大脑结果进行了比较。
欢迎加入
全国自闭症学术讨论群
全国神经计算学术讨论群
添加小编微信
brainnews_11
-留言自闭症/神经计算研究群-
首先，Aidas Aglinskas等人通过使用条件变分自编码器（CVAEs）识别ASD与对照组（TC）的神经解剖结构来确定“ASD特异性”的神经解剖学差异，将每种变异模式都表示为一组不同的潜在特征（图1A）。
Aidas Aglinskas等人发现ASD特异性神经解剖学与临床个体差异表现有关。结果显示CVAE能够排除常见来源的多站点数据差异。相比之下，ASD临床症状的检测与ASD特异性特征更相关，但与共同特征无关（图1B）。
年龄，性别和总智商得分（FIQ）的结果特别令人感兴趣，因为已知这些结果与TC和ASD人群的神经解剖学有不同关系，这些属性中的每一个都与ASD特征显着相关，这表明CVAE能够将年龄，性别和FIQ的一般影响与那些与ASD相互作用的影响分开。
总之，CVAE不仅能够将ASD特有的个体神经解剖差异与整个人群区分开来，而且能够区分临床和非临床参与者之间的差异性（图1B）。
图1.神经解剖特征模型
确定了ASD特有的神经变异模式之后，可以进一步确定ASD特异性的大脑解剖学特征是否以与症状有关的方式在不同的个体之间变化。Aidas Aglinskas等人使用深度伪造（deep fakes）技术模拟每名ASD患者在患病前大脑的情况，该技术将大脑解剖学的个体差异分为ASD特有的特征和与ASD无关的特征（图2A）。
结果发现，尽管观察到ASD个体之间的大脑解剖结构在多个维度上存在大量差异，但个体并没有像以前认为的那样被归入分类上不同的亚型。
在大脑解剖的层面上，ASD的个体变异通过连续维度比通过多个不同的集群更好地捕获，这表明在神经解剖学水平上，维度方法比离散诊断类别能更好地说明个体变异（图2B）。但是，这并不排除通过其他类型的大脑测量（如功能成像，遗传数据）发现分类上的亚型的可能性。
图2. ASD组内个体变异的解剖位点
此外，前期的工作表明，与ASD相关的解剖学变化在不同年龄（18-20岁）之间有所不同。作者发现年龄不仅与对照组共有的解剖特征相关，而且在某种程度上与ASD特征相关，这与ASD特异性解剖结构中年龄依赖性变化模式的存在一致。
在先前的研究中已经假设了体积变化的多种可能原因，包括细胞增殖或胞体大小和树突长度的差异。如何解释体积变化的结构原因和功能仍然是人类神经科学中一个关键的悬而未决的问题。
总体而言，Aidas Aglinskas等人分析了磁共振成像脑部扫描图像，以寻找可归因于ASD而不是个体变异的其他原因的大脑差异。作者发现了连续变异的证据，并确定了大脑结构变异的两个轴。本研究加深了研究人员对ASD变异的这种认知度，并可能有助于改善个体患者的干预措施。
原文链接：
https://www.science.org/doi/10.1126/science.abm2461
参考文献
Aglinskas A, Hartshorne JK, Anzellotti S. Contrastive machine learning reveals the structure of neuroanatomical variation within autism. Science. 2022 Jun 3;376(6597):1070-1074. doi: 10.1126/science.abm2461. Epub 2022 Jun 2. PMID: 35653486.
编译作者：Amy Yao（brainnews创作团队）
校审：Simon（brainnews编辑部）
往