阿尔茨海默病遗传风险个体记忆相关脑连接的广义心理生理交互（PPI）分析

本分析的总体目标是识别与记忆相关的、依赖于情境的功能连接变化，这些变化涉及海马体区域与大脑其他部分之间的功能连接。该方法有助于回答认知神经科学领域的一些关键问题，例如，在实验任务中，功能连接如何响应特定的认知需求而发生变化。该技术的主要优势在于，它允许研究人员在认知任务过程中检验有关关键脑区功能连接的特定假设。

本实验应纳入年龄在55岁及以上、存在认知功能下降且在实验前已完成阿尔茨海默病风险等位基因载脂蛋白E ε4基因分型的个体，对受试者进行MRI安全性筛查并获取知情同意。使用3特斯拉磁共振成像系统采集全脑影像数据。在功能成像过程中，采用回波平面成像序列采集轴向切片，同时执行无关词语-联想记忆任务。

为了便于功能图像的配准，还需获取T2加权的共面结构图像的轴向切片。对于高分辨率结构成像，使用3D T1加权序列采集轴向切片。在所有受试者的成像完成后，使用FSL FMRI专家分析工具（FEAT）为第一位受试者设置预处理步骤及第一水平的一般线性模型。

在“数据”选项卡中，单击“选择 4D 数据”，然后浏览至经过运动校正和脑提取的文件。将 TR 设置为与功能序列的 TR 一致，并使用默认的高通滤波器。接下来，在“预统计”选项卡中，单击“运动校正”下的“无”，并取消勾选 BET 脑提取。

输入五毫米以设置空间平滑的高斯核全宽半高值。然后，点击“完整模型设置”，并创建表示任务阶段开始和结束时间的任务时序文件。通过选择三列格式并导航至相应的文本文件，将这些文件添加到广义线性模型（GLM）中。

在任务的编码阶段和提取阶段各包含一个。对于卷积，选择双伽马HRF选项。接下来，利用MCFLIRT工具的输出创建六个单列文本文件，描述在数据集每个体积中进行的运动校正。

选择完整模型设置，并将参数及其时间导数作为解释变量（EVs）添加到一般线性模型（GLM）中。对于每个运动解释变量，选择“自定义”作为基础形状，卷积和时间填充均选择“无”。现在，转到软件中的“统计”选项卡，在“添加额外的混淆解释变量”选项下选择FSL运动异常值工具的输出结果。

现在，在“配准”选项卡中，勾选“扩展功能图像”和“主要结构图像”，以进行两步配准。第一步选择被试的共面T2加权结构像，用于将功能图像配准到结构图像上。在第二个下拉框中选择六自由度。

下一步，从下拉框中选择基于边界的配准方法，将T2加权图像配准到高分辨率T1加权MP-RAGE图像上。最后，选择12自由度和线性变换，将高分辨率结构数据配准到标准MNI 152模板。在建立心理生理交互模型之前，首先在FSL FEAT软件中加载预处理数据。

选择去噪后的图像作为输入文件。在预统计选项卡中，将运动校正和脑提取设置为“无”。不进行时间滤波或空间平滑处理。

然后，在“统计”选项卡中选择“完整模型设置”，在“EVs”选项卡中添加第一级建模中的所有变量，包括运动校正、FSL 运动异常值提供的混淆矩阵以及任务时间参数。将种子区域的生理时间过程作为一个非感兴趣协变量，添加一个 EV。接下来，通过在“基本形状”菜单中选择“交互作用”，并选择种子时间过程 EV 和一个任务 EV，创建 PPI 项。对于“设为零”选项，任务变量选择“中心化”，种子时间过程 EV 选择“均值化”。现在，在“对比与 F 检验”选项卡中，通过在相应 EV 单元格中输入 1 来建模以下特定效应。

编码任务阶段，提取任务阶段，种子时间序列，种子与编码的PPI，以及种子与提取的PPI。最后，输入负一以对每个任务阶段建模负向PPI。使用统计参数映射软件工具进行组水平比较。

首先选择“指定第二层级”，然后在“设计”下选择“双样本T检验”。导航到第一组参数估计图像所在的目录并选中这些图像。接着，添加第二组的图像，并通过点击“播放”按钮运行此比较。

现在，返回主窗口。选择“Estimate”（估计），然后导航至上一步中创建的 SPM.mat 文件，以运行模型估计。

接下来，在“结果”选项卡下，选择“定义新的对比”。选择 T-对比，在“对比”框中输入一个正一和一个负一，用于比较 APOE-4 携带者相对于 APOE-4 非携带者，然后点击“确定”。最后，运行如图所示的组间比较对比。在“应用掩模”选项中选择“无”，然后根据 AFNI 的 3dClustSim 软件输出结果，手动设置体素水平阈值和最小簇大小。

对于APOE-4非携带者大于APOE-4携带者的情况，输入负一负一。组内广义心理生理交互分析显示，APOE-4携带者（绿色）在两种任务条件下及海马亚区均出现显著的功能连接下降。在APOE-4非携带者（红色）中，仅在编码阶段观察到后部海马功能连接的显著下降。

在提取过程中，APOE-4 携带者与非携带者在左侧缘上回（深蓝色）、右侧缘上回角回连接区（橙色）以及右侧楔前叶（紫色）均表现出显著差异。每个脑区簇的峰值坐标均以 MNI 空间表示。此处展示了各脑区簇参数估计值的组间对比图。

红线表示零值，突出显示了在提取过程中，携带者在这些区域与前部海马的功能连接性降低。方框内的条带代表中位数，而方框的上下边缘分别代表第一和第三四分位数。该技术发展之后，为功能神经影像学研究人类动态任务相关连接性开辟了道路。

这包括健康人群、患者群体以及遗传病风险增加的个体，正如我们在此处所述。观看本视频后，您应能够充分理解如何使用PPI分析来检验您的目标种子区域与大脑其他部分之间在特定情境下功能连接的变化。