婴儿早期多尺度功能脑网络的协同演化

人脑被组织为层级模块化网络，在发育过程中促进高效且稳定的信息处理并支持多样的认知过程。尽管功能脑网络在生命早期的显著重组已被确证，但这些研究均从“单尺度”视角考察网络发育，忽略了其层级本质所带来的丰富性。为填补此空白，本文利用从出生到 2 岁的纵向婴儿静息态功能磁共振成像数据集，提出一种先进的方法学框架以刻画早期发育中功能脑网络的多尺度重组。我们提出的框架由两部分组成。第一部分开发了一种新颖的两步多尺度模块检测方法，能以完全数据驱动的方式为纵向数据集从多尺度揭示高效且一致的模块结构。第二部分设计了一种系统性方法，将线性混合效应模型应用于四个全局与节点模块相关指标，以刻画网络组织的尺度特异性年龄相关变化。通过将我们提出的方法学框架应用于所收集的纵向婴儿数据集，我们首次提供了证据：在出生后的前 2 年中，脑功能网络在不同尺度上协同演化，其中每个尺度在模块组织方面呈现出独特的重组模式。