基于半监督机器学习揭示的单个主体灰质网络的三个自闭症亚型

科学领域:

• 神经科学是一个神经科学.
• 发育神经科学的发展神经科学.
• 计算神经科学是一种神经科学.

背景情况:

• 自闭症谱系障碍 (ASD) 是一种复杂的神经发育状况,具有显著的异质性.
• 了解ASD异质性的神经基础对于有针对性的干预至关重要.
• 以前的研究通常将ASD视为单一的疾病,忽视了潜在的亚型.

研究的目的:

• 根据个体灰质大脑网络划分自闭症谱系障碍 (ASD) 亚型.
• 通过图形理论方法提供对ASD异质性的新见解.
• 探索已识别的ASD亚型中大脑网络特性和临床测量的差异.

主要方法:

• 提取和正常化单个主体灰色物质大脑网络.
• 计算每个大脑网络的拓性质.
• 通过差别分析 (HYDRA) 方法应用异质性来分类患者.
• 探索不同亚型的网络特性 (全球和节点) 和临床测量 (VIQ,PIQ,ADOS) 的差异.

主要成果:

• 基于灰色物质网络特性,确定了三种不同的ASD亚型.
• 在亚型之间观察到大脑网络拓学的显著差异,特别是涉及前中心,语言和中额头.
• 发现了临床差异,其中1型亚型的VIQ/PIQ比3型亚型低,ADOS分数比2型亚型高.

结论:

• 存在不同的ASD亚型,其特点是独特的灰色物质网络配置.
• 这些亚型在患有自闭症的男性个体中表现出不同的大脑结构性质和临床表现.
• 这些发现提供了对ASD异质性背后的神经机制的宝贵见解,并支持个性化的方法.