空间共线性约束多变量分子富集网络估计

内容形式：摘要译文

神经影像数据分析日益利用正电子发射断层扫描（PET）获得的神经递质受体分布，以弥合脑功能微观尺度与宏观尺度之间的鸿沟。然而，这些受体图在空间上高度重叠，可能带来解释和分析方面的挑战。在此，我们系统考察了PET图之间的空间共线性对靶点受体富集功能连接分析（REACT）的影响。该方法将受体图用作空间回归变量，以推导受试者层面的分子富集型功能连接网络。对19种受体和转运体图进行穷举组合分析后发现，同时建模的受体数量越多，共线性就越迅速增强；这一现象在不同脑区分区尺度下相对稳定，反映了神经递质系统的内在组织特征。利用人类连接组计划的功能磁共振成像（fMRI）重测数据，我们证明，建模更多受体会降低传统多变量REACT模型所推导的分子富集型网络的可靠性，而受体图之间的共线性是导致这种可靠性下降的原因。另一种单变量方法，即对每种受体分别建模，可获得更可靠的网络；将其用于一项比较受试者服用LSD与安慰剂的研究时，该方法也更准确地揭示了5-HT2A受体在LSD神经效应中的作用。这些发现表明，空间共线性是多变量分子富集型网络估计的一项根本性限制，并支持将单变量建模作为此类分析中更稳健的默认方案。

关键词：空间共线性 · 分子富集网络 · 神经影像学 · PET受体图 · 功能连接 · LSD神经效应

原文链接：https://www.biorxiv.org/content/10.64898/2026.06.10.731385v1?rss=1