A029 Nat Neurosci | 重新评估病灶网络映射的特异性：基于零模型挽救疾病特异性环路
来源：公众号 PSY-Brain_Frontier ｜ 发布：2026-04-14 ｜ 原文链接
认知神经科学前沿文献分享
基本信息
Title: Null models for lesion network mapping
发表时间: 未知
发表期刊:Nature Neuroscience
影响因子: 20.0
获取原文:
-
添加小助手: PSY-Brain-Frontier 即可获取PDF版本
-
点击页面底部“阅读原文”跳转论文网页
研究背景
病灶网络映射（Lesion Network Mapping, LNM）是探寻疾病特异性神经环路的重要工具。然而，近期研究发现不同临床疾病的 LNM 图谱高度相似，且大多收敛于大脑的高连接枢纽区域。这引发了学界担忧：LNM 找出的究竟是特定疾病的专属网络，还是大脑固有的“交通枢纽”？本文梳理了这一争议，指出跨疾病的网络收敛性并非 LNM 的根本缺陷，其痛点在于现有研究缺乏严格的统计推断，亟需引入新的零模型来控制假阳性。
实验设计与方法逻辑
现有 LNM 研究常依赖任意阈值或单样本 t 检验，无法排除大脑基础网络拓扑带来的随机干扰。为修正这一框架，作者提出两种互补的基于置换检验（Permutation-based testing）的零模型：一是“空间零模型（Spatial null model）”，通过随机重新定位病灶生成基准；二是“拓扑零模型（Topological null model）”，通过网络重连去除高阶属性。作者通过合成病灶数据集进行模拟分析，验证了新模型在控制连接组枢纽（Connectome hub）偏差上的有效性，并从数学逻辑上反驳了“高空间相关性等于没有特异性差异”的观点，为 LNM 确立了更严格的方法学基准。
核心发现
发现一：空间与拓扑零模型可有效控制假阳性
引入基于置换检验的空间与拓扑零模型，能在保留大脑连接组枢纽特性的同时，敏感识别疾病特异性环路。模拟表明，当合成病灶局限于单一模块时，两模型均能成功拒绝零假设且不产生假阳性。Fig. 1a-f 的机制示意图与模拟结果图展示了其统计功效。需注意该结论基于合成数据，临床推广仍待验证。
Fig. 1 | Simulation of LNM statistical power and demonstration of localized differences in the presence of high spatial correlation.
发现二：全局高空间相关性不代表缺乏局部特异性
两个病灶网络图谱间的高度全局空间相关性，不能作为“缺乏局部特异性差异”的充分证据。模拟显示，即使两图谱在20%的区域存在明显局部差异，由于共享平滑的空间梯度，仍可表现出高达 r=0.8 的全局相关性。Fig. 1g 的概念框架图直观展示了这一数学现象，提示全局指标易掩盖局部特异性。
省流总结
本文回应了对病灶网络映射（LNM）特异性的质疑，指出跨疾病网络收敛于连接组枢纽并非方法失效，而是统计推断不足。通过引入空间与拓扑零模型，可有效控制假阳性并挽救 LNM 的疾病特异性，为未来脑网络研究确立了更严格的方法学基准。
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👇
一键关注，点亮星标 ⭐ 前沿不走丢！
一键分享，让更多人了解前沿
预览时标签不可点
作者提示: 内容由AI生成
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
微信扫一扫可打开此内容，
使用完整服务