文献汇报
该篇文章发表于年03月NatureMedicine期刊，通讯作者为中国科学院自动化所的刘冰研究员。本文主要运用双样本t检验、pearson相关、F检验、Hedges’g评估组间功能指标以及功能指标延伸而来的指标差异等方法对罹患有精神分裂症的人群进行研究。此外，研究人员还通过机器学习的方法——支持向量机（SupportVectorMachine,SVM）对精神分裂症（Schizophrenia,SZ）组和健康对照（HealthyControl,HC）组进行区分。
精神分裂症是一种慢性精神疾病，给全球经济及医疗负担带来很大压力。然而，近年来，对于SZ的治疗却鲜有进展。本文认为，上述情况的发生很可能的原因是由于现行的SZ定义主要基于患者临床症状，其定义范围太过宽泛，对疾病的评估太过于依赖医生的主观经验，缺乏精准、有效且具有生物学意义的诊疗指标和治疗靶点。因此，针对这个问题，研究人员希望找到一个可量化的、个体化的生物标志物，进而评估每个患者的病情。如今，许多研究表明纹状体是SZ的核心病理性脑区，同时，很多SZ患者服用的抗精神病药物其药理主要是依靠纹状体多巴胺D2受体的阻断效应；SZ个体之间的纹状体回路的变异也与纹状体的功能失调及SZ患者治疗反应存在关联。因此，本文定义了一个新的SZ纹状体功能障碍的神经影像学生物标志物——功能性纹状体异常（FunctionalStriatalAbnormalities,FSA）分数，从而评估SZ患者纹状体功能异常情况。
研究中使用的神经影像数据来源于六个单位：医院、医院、医院、河南省精神病院、医院和驻马店精神病院。该研究共收集到1,个被试的影像学信息和PANSS量表用于横向研究。此外，本文还收集了纵向研究的被试，共95人。纵向数据人数较少的原因主要是由于其他中心随访数据缺失或者是被试数量过少所致。在横向研究中，研究者发现SZ患者纹状体的低频振幅率（fractionalAmplitudeofLowFrequencyFluctuation,fALFF）、局部一致性（RegionalHomogeneity,ReHo）指标较HC升高；同时基于脑网络图谱分割的纹状体内部12个亚区之间的功能连接（FunctionalConnection,FC）的组间比较发现，SZ组高于HC组；基于纹状体外部的功能连接的组间比较发现，在经典的14个脑网络与纹状体的FC中，有8个网络超过20%的体素出现异常。通过得到上述纹状体的功能指标（fALFF、ReHo和纹状体内（外）部功能连接）后，研究人员将其作为SVM的学习特征。接着，将上述特征以矩阵行的形式、被试以矩阵列的形式进行排布后，在特征空间中，每个被试到分离超平面的最短距离定义为FSA分数（其中HC的方向为正）。至此，对于所有被试而言，均获得了一个个体化、可量化的指标。之后，基于该指标，研究者分别做了组间双样本t检验和F检验，评估SZ组和HC组的FSA分数的均值和方差（文中展示的图为标准差）在统计学上的差异。研究发现，总体上SZ组的FSA分数均值和方差均较HC组高。在纵向研究中，研究者评估了FSA分数与药物反应阳性与阴性症状量表（PositiveAndNegativeSyndromeScale,PANSS）的总分或者子项总分减少的百分比的关系，发现两者存在显著关联。此外，本文利用包含精神分裂症、双向情感障碍（BipolarDisorder,BP)、抑郁（depression,DEP）、强迫症（Obsessive-CompulsiveDisorder,OCD）、注意力缺失多动障碍（Attention-DeficitHyperactivityDisorder,ADHD）的公开的数据库进行基于FSA分数的跨中心跨疾病诊断。最后，本文还结合公开的Allen人类脑基因图谱数据集探究了纹状体内多巴胺系统和fALFF、ReHo的空间相关，以及SZ风险基因的富集分析。
LiA,ZaleskyA,YueW,etal.Aneuroimagingbiomarkerforstriataldysfunctioninschizophrenia[J].NatureMedicine,,26(4):-.
3D脑图
获取链接：