抑郁症静息态功能脑网络的GSK3β基因基础及分类研究

摘要

目前国内外越来越多的研究人员将复杂网络理论应用到脑认知研究中，将一个整体的大脑系统看成一个复杂网络。利用一些先进的技术手段采集人脑数据，运用复杂网络理论对所构建的脑网络进行分析，已取得令人兴奋的实验结果。随着脑影像学技术的发展，这种多模态脑影像学的脑网络研究方法已被广泛应用到对脑疾病的研究中。一些研究表明，人脑的功能网络不仅随着状态和年龄的变化而发生改变，而且具有一定的遗传性。因此，越来越多的研究人员关注基因对静息态脑功能网络的影响。
　　在竞争压力巨大的当今社会，抑郁症发病率居高不下，抑郁症的主要特征为显著而持久的心境低落或兴趣减退及认知功能障碍等，并出现很高的死亡率。有一些研究发现，抑郁症的发病机制与GSK3β基因有关，抑郁症患者的GSK3β多态性和大脑结构变化之间也存在一定关联。但是，GSK3β基因对抑郁症患者功能脑网络的拓扑属性影响以及临床意义，目前我们仍未可知。
　　本文首先在一个连续的阈值空间内对所有被试的功能核磁共振数据构建了功能脑网络;再运用复杂网络基础理论知识分析了功能脑网络的网络属性，例如度、节点效率等;然后，对抑郁组中的不同基因做统计检验，找出基于GSK3β基因基础的抑郁症患者之间功能脑网络差异最为显著的网络属性，再对不同基因与疾病之间做统计检验，找出差异最为显著的网络属性;最后，利用支持向量机、人工神经网络、决策树、Logistic回归模型，进一步研究分类问题。
　　结果表明，脑网络中有些节点的中心度显著增加，它与抑郁症患者的GSK3β基因有关，这些区域位于边缘系统、基底神经节和额叶、颞叶、枕叶，在以往的研究中也表明抑郁症患者在这些区域的相关连接比较紊乱。因此，这样的结果让我们更深入的了解GSK3β基因在改变功能脑网络的拓扑组织中所起的作用。
　　分类研究发现，支持向量机与人工神经网络的性能高于决策树与Logistic回归模型，由疾病状态分类结果可得知，基因对分类特征存在一定的影响，因此对抑郁组与对照组的功能脑网络存在一定的影响。由基因分类结果可知，脑网络中有显著差异的指标可以作为分类特征来对基因进行分类，意味着功能脑网络这种方法可以对基于基因基础的脑疾病进行研究分析，为临床医学对疾病的诊断提供一个辅助手段。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景

1．2 国内外研究现状

1．2．1 功能核磁共振

1．2．2 复杂网络在脑科学中的应用

1．2．3 功能脑网络

1．2．4 脑网络与基因型

1．2．5 抑郁症的病理机制与GSK3β基因

1．3 课题研究的目的及意义

1．4 论文主要工作及结构安排

1．4．1 论文主要工作

1．4．2 文章结构安排

第二章 功能脑网络的构建

2．1 被试及GSK3β基因分型

2．2 功能核磁共振数据

2．2．1 功能核磁共振数据的采集

2．2．2 功能核磁共振数据的预处理

2．3 节点的定义

2．4 边的定义

2．5 阈值选择

2．6 本章小结

第三章 功能脑网络的分析

3．1 功能脑网络属性的求取

3．2 功能脑网络属性的分析

3．2．1 功能脑网络对比方法

3．2．2 基因型组间差异脑网络指标

3．2．3 基因型与疾病状态间相互效应

3．3 功能脑网络差异指标与HAMD评分关联分析

3．4 指标分析结果讨论

3．5 本章小节

第四章 分类模型的构建

4．1 特征选择

4．2 分类

4．2．1 分类算法

4．2．2 分类模型的构建过程

4．2．3 对分类器的评测

4．3 分类结果对比分析

4．3．1 疾病状态分类结果对比

4．3．2 基因型分类结果对比

4．3．3 基因型及疾病状态分类结果对比

4．4 本章小结

第五章 特征库的构建

5．1 特征的来源

5．2 特征的命名规则

5．3 特征的存储

5．4 特征的数目

5．5 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读学位期间发表的学术论文目录