Page 79 - 南京医科大学自然版

18
第45卷第8期 张逸悦，李孝媛，高 擎，等. F⁃FDG⁃PET/MR探究早期帕金森病脑代谢网络和功能网络改变特征［J］.
2025年8月 南京医科大学学报（自然科学版），2025，45（8）：1132-1139 ·1135 ·

该邻接矩阵中描述两两MC强度的两个ROI之间的 ①去除对角线元素：将矩阵的对角线元素置为0，以
PDF 越相似，其中区域 i 和 j 之间的 MC 强度指的是 避免自连接对相似性计算的影响；②确保 FC 和 MC
邻接矩阵中对应的元素詹森⁃香农（Jensen⁃Shannon， 矩阵维度一致。
) ) 本研究采用了 Mantel 检验这种适用于分析矩
JS）散度： JSs(P||Q = e - D (P||Q
JS
JSSE 已用于最优传输 ［15］ 和图像重建 ［16］ 。JSSE 阵之间相关的统计方法 ［19］ 。Mantel 检验步骤如下：
的主要优势有两个方面。首先，JS 散度范围为（0， ①分别计算各组的平均 MC 和平均 FC；②利用函数
1），对相似度的判断更加准确。其次，JS散度是对称 pdist和corr分别计算两个平均矩阵的距离矩阵和皮
的，这使得它更容易描绘ROI之间的联系。使用JS散 尔逊相关系数；③进行置换检验以评估相关性的显
度的值来表示两个ROI之间代谢连通性的强度，JS散 著性，本研究进行了1 000次置换，以计算P值。
度值越大，两个 ROI 之间代谢越相似，MC 越强。因 最后分别计算了28例患者各自的代谢⁃功能矩
阵皮尔逊相关系数，与 UPDRS⁃Ⅲ评分和 H⁃Y 分期
此，每对ROI之间代谢连通性强度值构成了1个90×
90的代谢相关邻接矩阵，称为个体代谢网络。 分别进行斯皮尔曼相关性分析。
1.2.5 构建FC矩阵 1.3 统计学方法

Gretna（graph theoretical network analysis）2.0 运用 SPSS 25.0 进行年龄和性别的比较。非正
（https：//www.nitrc.org/projects/gretna）软件构建脑 FC 态分布的定量临床基线资料以中位数（四分位数）
矩阵 ［17］ 。使用自动解剖标记 （automated anatomi⁃ ［M（P25，P75）］表示，定性资料以频数表示，图论全局
［18］
cal labeling，AAL）图谱将受试者大脑及小脑分成 属性采用均数±标准差（x ± s）表示。年龄组间比较
90 个脑区，获取每个脑区的平均时间序列，计算 采用Mann⁃Whitney U检验，性别组间比较采用卡方
90 个脑区之间的皮尔逊相关系数，得到一个对称的 （χ ）检验；分析两组间全局和节点拓扑属性差异时，
2
90×90相关系数矩阵。 均使用每个拓扑属性的曲线下面积（area under the
1.2.6 图论属性的计算 curve，AUC）值，AUC值可以提供脑网络拓扑属性的
基于二元无向矩阵，利用图论网络分析工具箱 总的标量 ［20］ ，使用 Gretna 软件对 PD 组与 NC 组的全
Gretna 2.0 系统地分析了脑代谢和脑功能网络的全 局拓扑属性进行两独立样本 t 检验；对组间节点属
局和局部性质。选定网络稀疏度阈值的取值范围 性进行两独立样本t检验，并采用伪发现率（false dis⁃
为 0.02~0.50，以 0.01 为步长，以保障网络同时具有 covery rate，FDR）校正对结果进行多重比较校正，校
小世界属性和稀疏特性，分别计算PD组与NC组在 正后P < 0.05为差异有统计学意义。此外，在进行统
该范围内所有 49 个阈值点的大脑网络拓扑属性。 计分析时，将患者的年龄和性别作为协变量进行回
具体来说，全局指标包括聚类系数（clustering coeffi⁃ 归，以降低年龄和性别对统计结果的影响。
cient，Cp）、特征路径长度（characteristic path length，
2 结 果
Lp）、归一化聚类系数（normalized clustering coeffi⁃
cient，γ）、归一化特征路径长度（normalized charac⁃ 2.1 临床资料
teristic path length，λ）、小世界（small⁃world，σ）、全局 图 2 为 PD 患者和正常对照者 F⁃FDG⁃PET/MR
18
效率（global efficiency，Eglobal）、局部效率（local effi⁃ 图像，PD患者表现为苍白球、壳核、丘脑、小脑、脑桥
ciency，Elocal）、同配性（assortativity）、同步性（synchro⁃ 和感觉运动皮层葡萄糖代谢相对升高，双侧额叶和
nization）和层级性（hierarchy）。节点属性包括节点效 顶枕叶皮层代谢相对降低。 表 1 显示所有研究对
率（nodal efficiency，Ne）、节点局部效率（nodal local 象的临床基线数据。PD组和NC组在性别和年龄上
efficiency，NLe）、节点度中心性（nodal degree central⁃ 差异均无统计学意义（P > 0.05）。
ity，DC）、节点介中心性（nodal betweenness centrality， 2.2 代谢脑网络全局属性和节点属性
BC）、节 点 集 聚 系 数（nodal clustering coefficient， 全局指标：在设定的阈值范围内，PD 组小世界
NCp）和节点最短路径（nodal shortest length，NLp）。 属性值在稀疏度条件下均>1，提示 PD 患者的脑代
这些指标的定义参考Wang等 的研究。 谢网络仍具有小世界属性，PD组Ar、Eglobal、Elocal、Cp、λ
［17］
1.2.7 相关性分析 和 Lp增加，而 Hr、γ、σ和 Sr减少。统计分析显示，PD
相关性分析过程均基于 Matlab2013b 内置函数 组 Ar显著高于NC组（P=0.045），说明PD网络模块化
代码进行。先对 FC矩阵和MC 矩阵进行了预处理。 发生改变，相似代谢水平的脑区之间的连接更为紧