使用 ENIGMA 分析流水线对静息态 fMRI 数据的遗传力估计
神经元与认知
2017-09-26 v1 种群与进化
摘要
诸如通过 Meta-Analysis 增强神经影像遗传学联盟（ENIGMA）等大数据倡议，整合了全球各地独立研究收集的数据，以实现更准确的效应量估计以及更可靠和可重复的结果。此类工作需要协调一致的分析协议以一致地提取表型。尽管如此，挑战包括 fMRI 协议和扫描仪平台的广泛变异性；这导致了质量、分辨率和时间信噪比（tSNR）方面的站点间方差。有效的协调应为不同质量的数据提供最佳度量。我们开发了一个多站点 rsfMRI 分析流水线，允许全球的研究小组以协调的方式处理 rsfMRI 扫描，提取一致且定量的连接性测量，并执行协调的统计检验。我们使用基于无模型 Marchenko-Pastur PCA 去噪的单模态 ENIGMA rsfMRI 流水线，验证并复现了静息态网络测量具有显著遗传力的发现。我们分析了两个独立队列：GOBS（Genetics of Brain Structure）和 HCP（the Human Connectome Project），它们使用常规和面向连接组学的 fMRI 协议收集数据。我们使用基于种子的连接性和双回归方法表明，rsfMRI 信号在二十个主要功能网络测量中均表现出一致的遗传力。在两个队列中均观察到 20-40% 的遗传力值。
引用
@article{arxiv.1709.08578,
title = {Heritability estimates on resting state fMRI data using the ENIGMA analysis pipeline},
author = {Bhim M. Adhikari and Neda Jahanshad and Dinesh Shukla and Dinesh Shukla and Richard C. Reynolds and Robert W. Cox and Els Fieremans and Jelle Veraart and Dmitry S. Novikov and L. Elliot Hong and Paul M. Thompson and Peter Kochunov},
journal= {arXiv preprint arXiv:1709.08578},
year = {2017}
}
备注
12 pages, 3 figures, PSB 2018