已有研究表明，作为人类大脑基本特征的大脑功能模块化组织会随着成年期的发展而发生变化。然而，这些研究假设每个大脑区域都属于一个单一的功能模块，尽管已经有趋同的证据支持人类大脑中功能模块之间存在重叠。为了揭示年龄对重叠功能模块组织的影响，本研究采用了一种重叠模块检测算法，该算法不需要对年龄在18-88岁之间的健康队列(N=)的静息态fMRI数据进行事先了解。推导出一系列的测量来描述重叠模块结构的特征，以及从每个参与者中识别出的重叠节点集(参与两个或多个模块的大脑区域)。年龄相关回归分析发现，重叠模度和模块相似度呈线性下降趋势。重叠节点数目随年龄增长而增加，但在脑内的增加并不均匀。此外，在整个成年期和每个年龄组内，节点重叠概率始终与功能梯度和灵活性呈正相关。此外，通过相关和中介分析，我们发现年龄对记忆相关认知表现的影响可能与重叠功能模块组织的变化有关。同时，我们的研究结果从大脑功能重叠模块组织的角度揭示了与年龄相关的分离减少，这为研究成年期大脑功能的变化及其对认知表现的影响提供了新的视角。
1.简介
随着全球老龄化的加剧，寿命研究已成为一个热点。在神经科学领域，绘制人类大脑网络(即人类连接组)在整个生命周期中的变化可以增强我们对神经认知发展和衰退的理解。近年来的研究通常通过图论的拓扑测度来探讨脑功能网络的年龄相关性变化。具体而言，以往对脑功能网络的研究发现，局部效率随寿命呈倒u型轨迹，最短路径长度和平均聚类系数与年龄相关呈线性增加。此外，研究发现，随着寿命的延长，额叶和枕叶的节点间度降低，而额叶后叶和顶叶的节点度和节点效率提高。这些发现表明，年龄可以影响大脑网络的功能分离(即局部效率和聚类系数)和整合(即最短路径长度和节点间性)。
模块来自于网络的分解，是内部强耦合但外部弱耦合的子成分。功能模块化组织作为人脑功能网络的重要拓扑特征，得到了广泛的研究。功能模块化组织的三个基本特征已被揭示:1)模块的识别在每个个体中表现出高重现性;2)每个模块对应于特定的认知表现，如视觉网络(VIS)支持视觉感知，额顶叶网络(FPN)参与启动和调节控制;3)模块化可以促进大脑适应并增加对环境变化的灵活性，并防止灾难性遗忘。模块是内部紧密连接但与其他模块松散连接的子网。因此，神经学家经常将模块命名为网络，如视觉网络、默认模式网络。在本文中，为了保持与以往文献的一致性，并帮助读者严格区分模块和网络的概念，我们只在使用模块化分区时将模块称为网络，且模块在之前已经被命名为网络。最近，一些研究集中在与年龄相关的大脑功能模块组织的变化，并表明随着年龄的增加，大脑分离减少。具体而言，较低的模块度伴随着较弱的模块内功能连通性，而更强的模块间功能连通性贯穿整个寿命期。年龄相关性的功能模块化变化主要位于默认模式网络(DMN)、背侧注意网络(DAN)、VIS和FPN。此外，这些与年龄相关的功能模块结构变化与认知控制和注意表现相关。
目前，上述年龄相关研究中使用的模块检测方法主要集中在非重叠模块上，即每个大脑区域只属于一个模块。然而，神经成像研究表明，人类大脑功能网络更有可能承担重叠的模块组织，其中一个大脑区域可以参与多个功能模块。以往的研究不仅提供了丰富的证据支持功能模块之间存在重叠，但也暗示重叠的概念可能为以更现实的方式解释人类大脑与认知功能之间灵活多变的关系铺平道路。特别是，研究重叠功能模块结构(包括重叠模块和重叠节点)在成年期如何变化，以及这种变化如何诱导和/或影响认知功能，将是一项非常有意义的研究。然而，迄今为止，很少有研究研究了重叠功能模块的变化在整个成人寿命。
为了解决这一问题，我们采用静息态功能磁共振成像(R-fMRI)对名健康成人(18-88岁)的大脑功能网络重叠模块组织进行了研究。首先，基于最大团的多目标进化算法(MCMOEA)用于识别每个参与者重叠的大脑功能模块结构。其次，基于检测到的重叠模块，通过回归模型和基于年龄的分组比较，分别检测了重叠模块和重叠节点在成年期的变化轨迹。然后，通过功能梯度分析和灵活性分析揭示了节点重叠概率的函数特征。最后，我们研究了重叠模块和节点的特征如何与流体智力和本顿面孔识别测试性能相关，这两者都可以有效地衡量个体记忆容量，并已发现对年龄敏感。
2.方法简述
2.1被试及数据预处理
名参与者的数据[年龄范围18-88岁;均值=59.24，标准差(SD)=18.55]来自剑桥老龄化和神经科学中心(Cam-CAN)的第二阶段(
转载请注明：http://www.uzngq.com/zlzl/12355.html
