🧠 PsyBrain 脑心前沿关注公众号
字号
主题
PsyBrain 脑心前沿 / 综合神经科学:顶刊文献解读专题 / A · 文献解读 / A005 · SciAdvHCP+UKBiobank的机器学习发现左右

A005 Sci Adv | HCP + UK Biobank 的机器学习发现左右脑随衰老更难区分,皮层厚度指向左半球老化

来源:公众号 PSY-Brain_Frontier | 发布:2026-07-07 | 原文链接

图1

图2

认知神经科学前沿文献分享

基本信息

Title: Variations of global brain asymmetry are associated with aging and related diseases

发表时间: 2026-7-1

发表期刊: Science Advances

影响因子: 13.9

获取原文:

  1. 添加小助手: PSY-Brain-Frontier 即可获取PDF版本

  2. 点击页面底部“阅读原文”跳转论文网页

图3

研究背景

左右半球分化是人脑组织的基本现象,也和语言、运动、注意、情绪等功能侧化(functional lateralization)有关。过去的研究多把左右半球的同源区域拿来比较,看局部差异;但皮层厚度(cortical thickness)、表面积、体积这些结构指标,和功能侧化之间的对应关系往往不强,也不稳定。本文把全球脑不对称性(global brain asymmetry)定义为跨区域的全脑结构组合模式,想看它能不能量化左右半球差异,以及这种差异是否和健康衰老、阿尔茨海默病(Alzheimer’s disease, AD)、帕金森病(Parkinson’s disease, PD)及载脂蛋白E(apolipoprotein E, APOE)基因型有关

实验设计与方法逻辑

作者先使用人类连接组计划(Human Connectome Project, HCP)中的1113名年轻成人数据,基于34个半球皮层区域的皮层厚度、表面积和体积,分别训练自动机器学习模型来区分左右半球。接着,他们用特征重要性、Neurosynth功能注释、HCP任务fMRI图谱和疾病相关脑图谱检查模型含义,再把年轻成人模型应用到UK Biobank中4万余名44至82岁参与者,比较年龄、AD、PD和APOE基因型下的分类准确率变化,并用全球不对称表型(global asymmetry phenotype, GAP)指数探索个体表型关联

核心发现

发现一:左右半球可由全脑结构模式高准确率区分

在HCP年轻成人样本中,皮层厚度、表面积和体积模型区分左右半球的准确率分别为87.75%、100%和99.02%。也就是说,结构不对称不只是少数局部区域的差别,跨区域的组合模式同样能被模型捕捉到
图4

Fig. 1 中,作者展示了自动机器学习流程、区域重要性分布和三类形态指标的模型表现;结果显示,左右半球在多变量形态模式上可以被稳定区分

发现二:模型重要性图与功能侧化和疾病图谱存在空间关联

功能注释显示,皮层厚度模型的重要性图与运动相关术语有关,表面积模型与注意、记忆相关术语有关,体积模型与焦虑、注意和记忆相关术语有关。HCP任务fMRI图谱和疾病图谱分析也发现,表面积和体积模型与部分任务图谱相关;皮层厚度模型与AD相关图谱的关联更明显,体积模型与焦虑障碍和PD相关图谱的关联更强。这些结果支持全球脑不对称性具有功能相关性,但证据主要来自空间相关和群体图谱注释
图5

Fig. 2 中,作者展示了三类形态模型的重要性图与认知术语、疾病术语的关联;结果表明,结构不对称模型与功能和疾病图谱之间存在可检验的对应关系

发现三:老年样本中出现皮层厚度相关的left hemi-aging模式

把年轻成人模型应用到UK Biobank老年样本后,皮层厚度模型的半球分类准确率会随年龄增加而下降,并呈现非线性轨迹。这个变化主要来自左半球更常被误判为右半球,作者称之为左半球老化(left hemi-aging)
图6

Fig. 3 中,作者并列呈现不同年龄下的分类准确率和左右半球误分类率;结果显示,皮层厚度模型的年龄变化主要来自左半球误判增加

发现四:AD和APOE结果提示疾病与遗传风险相关差异

在UK Biobank中,34名AD患者的皮层厚度模型准确率为50.00%,接近机会水平,并显著低于年龄和性别匹配对照;PD患者没有出现同样模式。未诊断AD或PD的APOE ε2ε2和ε4ε4携带者总体准确率没有显著组间差异,但皮层厚度模型的年龄轨迹不同:ε2ε2携带者呈倒U型趋势,ε4ε4携带者相对稳定
图7

图8

Fig. 4 和 Fig. 5 中,作者分别展示疾病组与匹配对照、不同APOE基因型在模型中的表现;结果提示,全球脑不对称性可能和疾病类别、遗传风险有关

省流总结

这项Science Advances研究用多变量机器学习分析左右脑结构差异,把问题从局部区域比较推进到全脑模式。结果显示,全球脑不对称性与功能侧化、年龄、AD和APOE基因型有关,皮层厚度中还出现了left hemi-aging信号。但这项研究的证据仍主要来自群体建模和关联分析,不能当作诊断工具,也不能用来预测个人风险

暑期提升

图9

图10

图11

图12

分享人:天天

审核:PsyBrain 脑心前沿编辑部

💡 关于我们

👋 你好,这里是「PsyBrain 脑心前沿」

🧠 专注追踪全球认知神经科学的最尖端突破

🔍 视野直击 Nature, Science, Cell 正刊 及核心子刊与顶级大刊

📄 每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑,但你无需独行。欢迎加入 PsyBrain 学术社群,和一群懂你的同行,共同丈量脑与心智的无垠前沿。

👇点击卡片进群,欢迎你的到来👇

图13

一键关注,点亮星标 ⭐ 前沿不走丢!

图14

图15

图16

一键分享,让更多人了解前沿

预览时标签不可点

阅读原文

不喜欢

微信扫一扫
关注该公众号

知道了

微信扫一扫
使用小程序

取消 允许

取消 允许

取消 允许

× 分析

跳转二维码

图17

微信扫一扫可打开此内容,
使用完整服务

返回板块首页