基于图论的复杂脑网络分析在精神疾病中的研究进展

Journal of Kunming Medical University CN53-1221R

昆明医科大学学报2019，40（5）：129耀134

基于图论的复杂脑网络分析在精神疾病中的研究进展

和梦鑫1），平亮亮2），许秀峰1）

（1）昆明医科大学第一附属医院精神科，云南昆明650032；2）大理州第二人民医院精神科，云南大

理671000）

［摘要］近年来基于图论的复杂脑网络分析，为精神疾病从全脑分析的角度提供了新的视角。根据其网络属性的改变获得相关疾病的潜在神经机制和可能的生物学标记。介绍复杂脑网络基本概念，并对精神疾病的研究结果进行综述。

［关键词］复杂脑网络；精神疾病；小世界网络；Rich-club网络

［中图分类号］R749［文献标志码］A［文章编号］2095－610X（2019）05－0129－06

Research Progress of Complex brain Networks based on Graph

Theory in Mental Diseases

HE Meng-xin１），PING Liang-liang２），XU Xiu-feng１）

（1）Dept.of Psychology，The1st A ffiliated of Kunming Medical University，Kunming Yunnan650032；２）Dept.of Psychology，The2nd People's Hospital of Dali，Dali Yunnan671000，China）

［Abstract］In recent years，the analysis of complex brain networks based on graph theory provides a new perspective for mental diseases from the perspective of whole brain analysis.The underlying neural mechanisms and possible biological markers of the relevant disease are obtained based on changes in their network properties.This article introduces the basic concepts of complex brain networks and summarizes the findings of mental diseases.

［Key words］Complex brain networks；Mental diseases；Small-world network；Rich-club network

与脑肿瘤、痴呆和中风等神经系统疾病不同，所有精神疾病的神经机制仍不清楚。随着神经科学研究方法的进展，增加了人类对大脑的理解。精神放射影像学的发展可以使研究从结构到功能进一步探索脑的正常与异常，对精神疾病的诊断、治疗起到重要作用[1]。并且能够从功能到结构网络的角度去研究主要精神障碍的异常脑网络[2]。图论是用来描述网络特征的工具（比如社会网络、互联网网络等），人类大脑的结构与功能脑网络都可能呈现出一种小世界网络（Small-world network）和Rich-club网络。基于图论的复杂网络分析可以评估大脑所有区域的整体连接模式，这是一种开创性的研究，这种研究将大脑构建成各个脑区相互连接的复杂网络[3]。本文介绍复杂脑网络及其涉及的基本概念，并对于其相关的精神疾病进行综述。

1复杂脑网络

复杂脑网络的很多概念来自于图论（Graph theory），而图论最早可以追溯至欧拉（Leonhard Euler）发表的关于哥尼斯堡七桥问题的论文[3]。欧拉忽略研究对象的长短、体积、性质，而将两座小

［收稿日期］2019－01－13收稿

［基金项目］国家自然科学基金资助项目（81660237）；云南省科技计划基金资助项目[2017FE468(-176)]；云南省卫生内设研究机构基金资助项目（2018NS0109）

［作者简介］和梦鑫（1993～），女，河南开封人，在读硕士研究生，主要从事生物精神病学研究工作。

［通信作者］许秀峰，E-mail:xfxu2004@

第40卷130昆明医科大学学报

岛和河的两岸分别抽象为4个点，七座桥抽象为7条线，开创了拓扑研究的先河。随着图论理论与应用的不断发展，1998年Watts和Strogatz提出了小世界网络（Small-world network）[4]模型，标志着脑网络建构进入一个新的阶段，即复杂网络阶段。

1.1复杂脑网络基本概念

基于图论的复杂脑网络主要包括“节点”和“边”2个参数，其中将人类大脑的每一个脑区视作相对应的“节点”，将各个脑区之间的连接作为“边”，进而构建出人类大脑的脑网络。近几年使用最多的使用功能磁共振成像（fMRI）构建功能网络和弥散张量成像（diffusion tensor imaging，DTI）构建结构网络。大脑区域的划分最常用的Brodmann脑区划分法[5]、MNI脑区自动划分法[6]等方法。构建脑网络后做近一步分析复杂脑网络特征中最常用的度量值分为两类：一类是计算各节点属性（局部：密集互连的大脑区域组执行特殊处理程序的能力）；一类是网络的整体属性（整体：全局信息通信的效率或处理信息的能力），常见的包括小世界网络和Rich-club网络，它们代表了大脑处理关键信息的不同处理模式[7]。（脑网络研究流程和研究，见图1。

图1脑网络研究流程和研究Fig.1Brain network research process

1.2小世界网络

小世界网络具有较高的聚类系数和最短路径长度，将随机网络作为基准，如果所研究网络相对于随机网络具有较大的聚类系数（clustering coefficient，C）和近似的最短路径长度（shortestpathlength，L），即γ=Creal/Crandom>1，λ=Lreal/Lrandom~1（Crandom：随机网络的聚类系数，Creal：真实网络的聚类系数;Lrandom：随机网络的最短路径长度，Lreal：真实网络的最短路径长度），则该网络属于“小世界”网络范畴，σ=γ/λ来衡量“小世界”特性，当σ>1时网络具有“小世界”属性，且σ越大“小世界”属性越强[4]。

小世界网络的整体是通过参数最短路径长度（shortestpath length，Lp）和全局效率（global effciency，Eglob）来测量的。Lp是对网络的信息传输起到重要的作用，刻画了网络中各个节点见信息传递的最优路径，通过最短路径可以更快的传递信息。Eglob衡量信息在全脑的交换效率，因此Lp越短、Eglob越高，则网络节点间传递信息的速率越快[8]。

小世界网络的局部是通过参数聚类系数（clustering coefficient，Cp）和局部效率（localefficiency，Eloc）测量。Cp衡量的是网络集团化，表示某一节点的邻居间互为邻居的可能4。Eloc衡量信息在局部的交换能力，因此Cp和Eloc 度量网络局部信息传输能力，也在一定程度上反应网络防御随机攻击的能力，Cp越强、Eloc越高网络防御攻击能力越强[9]。

1.3Rich-club网络

Rich-club网络即富人俱乐部网络（rich-club connectivity，RCC）[10]：在网络中有一些连接量非常高的节点，这些点定义为富节点（Rich club hubs），它们连接一个个大脑模块，将重要脑区的功能进行整合，共同成为整个脑功能网络的核心，在信息加工及传递中发挥重要作用，其余节点定义