《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》
对于我们人来说，人生中大约三分之一的时间都在睡觉。睡眠严重不足会导致各种健康状况，如心血管疾病、肥胖、糖尿病、免疫系统功能障碍以及许多认知和情感障碍。尽管睡眠不足会损害人体的所有器官，但它对中枢神经系统的影响似乎最为严重。目前，研究者利用神经影像学方法，对睡眠缺失对情绪、记忆力、注意力以及学习力的影响展开了研究。但是，这些研究似乎主要基于静息态fMRI，因此，来自美国的研究团队近期在Frontier in neuroscience杂志发表题目为《Effects of Chronic Sleep Restriction on the Brain Functional Network, as Revealed by Graph Theory》的研究论文，采用任务态fMRI，研究了慢性睡眠剥夺对大脑功能网络的影响。笔者在这里对该项研究进行解读，希望对大家有所帮助。
实验方案及数据分
1.被试和实验设计：实验募集13个女性健康被试，被试无睡眠问题。实验设计的整个流程如图1所示，被试首先是接受实验前的训练（training session），接着是被试一周的充分睡眠（RW session）/睡眠限制（SR session），紧接着在一周结束的第二天进行4次任务态fMRI的采集（被试执行spatial cueing task，如下所述）；然后，被试有两周的休息时间，接着是一周的睡眠限制（SR session）/充分睡眠（RW session）,同样在一周接受的第二天进行4次任务态fMRI的采集（被试同样执行spatial cueing task）。RW和SR状态下被试的平均睡眠时间分别为505 min (8 h 25 min)± 63 min和310 min (5 h 10 min) ± 58 min。另外，被试之间RW和SR的顺序进行随机平衡。
图1
Spatial cueing task：实验采用Spatial cueing task来评价被试在RW和SR两种状态下的持续注意力。Spatial cueing task的实验流程如图2所示，位于中间的绿色圆点作为fixation point，同时一个红色圆点作为cue出现在绿色圆点的左边或右边，fixation point和cue同时呈现300ms，紧接着是300-800ms的间隔，然后一个红色的圆点作为target会随机出现在fixation point的左边或右边，持续时间500ms。因此，整个实验任务有3种情况：cue和target出现在fixation point的同侧（congruent condition，58%）、cue和target出现在fixation point的不同侧（incongruent condition，15%）以及没有cue的情况（27%）。被试需要对以上三种情况做出判断。
图2
2.图论分析和计算：计算和分析流程如图3所示，fMRI数据预处理采用标准的预处理流程，需要注意的是，在进行预处理时并未从fMRI时间序列中regress out任务态实验效应；接下来，采用AAL116模板来提取116个ROI脑区的fMRI时间序列信号；然后，计算两两ROI脑区之间的皮尔森相关系数，并作Fisher’s r-to-z变换，这样会得到一个116*116的功能连接矩阵。
在计算图论参数之前，需要对上述计算得到的功能连接进行二值化，二值化采用network density（δ），即保留一定比例的最强功能连接值，δ从0.06到0.3变化，步进0.01。图4所示为一个被试在network density等于0.08时，RW（图4A）和SR（图4B）两种状态下的脑功能连接。
图论参数主要分为两类，即全局参数和局部参数。这里计算的全局图论参数主要包括：clustering coefficient，characteristic path length，small-worldness，assortativity等；计算的局部图论参数包括：nodal degree, betweenness centrality, closeness centrality, participation coefficient, diversity coefficient, subgraph centrality, K-coreness centrality, PageRank centrality, eigenvector centrality等。
图3
图4
实验结果
1.行为学数据分析：被试的持续注意力主要用准确度、反应时间和失误数来评价，结果如图5所示。从结果可以看出，RW状态下3项指标都要优于SR状态，说明慢性睡眠剥夺确实会降低被试的持续注意力。
图5
2.全局图论参数分析：研究主要发现，与RW状态相比，SR状态下的characteristic path length显著增大，而small-worldness显著降低，如图6所示。这说明，与RW状态相比，SR状态下被试脑网络信息传递效率显著降低。
图6
3.局部图论参数分析：图7总结了局部图论参数的统计结果，这些局部参数主要在limbic system (特别是 hippocampus, parahippocampal gyrus, amygdala), default mode Network以及 visual network表现出显著差异。
图8所示为4种状态下（RW/10:00AM, RW/10:00PM, SR/10:00AM, SR/10:00PM)被试平均的功能连接及其局部图论参数的可视化图（δ=0.08）。其中，图中最外圈为AAL116脑区（并且分成了6个modules），紧接着的5个内圈，从外到内依次表示degree centrality, participation coefficient, K-coreness centrality, eigenvector centrality和 PageRank这5个局部参数，颜色越红表示值越大。
图7
图8
总结
睡眠对于我们人来说至关重要，目前睡眠有什么意义以及睡眠缺失对我们有何影响是研究者研究的热点。我们公众号之前也推送过一篇关于睡眠剥夺如何影响大脑的文章（如果睡眠不足，我们的大脑会怎么样？），感兴趣的朋友可以看一看。该项研究利用任务态fMRI+图论分析的方法，揭示了慢性睡眠剥夺可以引起被试持续注意力的下降，脑网络的特征路径长度显著增大以及小世界特性显著降低，此外，睡眠剥夺还会显著影响limbic system, default mode Network以及 visual network的局部图论参数。
参考文献：
Effects of Chronic Sleep Restriction on the BrainFunctional Network, as Revealed by Graph Theory
注：解读不易，请多多转发支持，您的每一次转发是对我们最好的支持！本文原文及附加材料，请添加赵老师微信索要（微信号：15560177218）