来源：PHI group
从传统角度来看，我们习惯将精神分裂症(SCZ)，双相障碍(BD)，重型抑郁症(MDD)作为完全独立的疾病进行研究，但实际上这些精神疾病存在共同的基因，环境风险因子，临床症状，神经心理异常和神经生物学变异。因此，跨疾病研究方法可以提供新的视角。
大脑的模块结构可以被描述为功能模块内部紧密连接，模块间稀疏连接的结构特点。模块化的网络结构使得大脑可以实现功能分化和功能整合的有效平衡。在以往研究中，精神疾病表现出了跨疾病和疾病特异性的模块结构变化。但是由于大部分研究是通过比较疾病组和正常对照组，因此这个结果缺少直接的证据。
这一篇文章通过跨疾病的研究方式，直接研究精神疾病的模块结构变化。
Transdiagnostic Dysfunctions in Brain Modules?Across?Patients with?Schizophrenia, Bipolar Disorder, and Major Depressive Disorder: A Connectome-Based Study
作者：Qing Ma, Yanqing Tang et al.
回答什么问题
精神疾病表现出大脑功能网络模块结构的跨疾病和疾病特异性变化。
如何回答
1.采集被试人口学和临床信息
研究采集了512个被试（年龄13-45岁，其中包括121个精神分裂症（SCZ）患者，100个躁郁症（BD）患者，108个抑郁症（MDD）患者和183个健康对照组）的人口学信息，疾病持续时间，发病时间和吸烟历史等信息。
被试的临床症状通过简易精神疾病评分量表（BPRS），汉密尔顿抑郁评分量表（HAMD），汉密尔顿焦虑评分量表（HAMA）和杨氏躁狂量表（YMRS）评估。
2. 考察全脑总的模块性
模块划分方法：Louvain算法，每个人10次，取全局模块性Q最大的1次。
考察指标：全局模块性Q，模块数量和连接节点的数量（PC>0.3视为连接节点）(FDR across 3 measures)
*参与系数（Participation Coefficiency，PC）
3. 考察模块的分离程度
如图1，根据已有模板（Yeo et al., 2011）将大脑划分为 额顶控制网络(FPN)，默认模式网络(DMN), 腹侧注意网络(VAN), 边缘网络(LIM), 视觉网络(VIS), 感觉运动网络(SMN), 皮层下模块(SUB)8个模块，计算各个模块的模块分离指数MSI。
* 图1：表示引用了Yeo等人报道的7-模块切分法和从《自动解剖标记图集》中提取的皮层下区域相结合生成的8-模块切分法。
统计模块内和模块间的连接数量，通过非参数置换检验（10000次）进行差异分析。（FDR across 8 inter+28 intra-modular measures）
考察节点在模块结构中的作用
通过非参数置换检验（10000次）对节点PC值进行组间比较。（P
对于PC有组间差异的节点进行区域和模块的连接分析 。
考察所有异常和行为学数据的Spearman相关
用什么证据回答
1. 如图2，精神疾病表现出跨疾病的全脑模块性下降，SCZ组的全脑模块性显著低于BD和MDD组。这种下降可能是模块间连接数增多导致的。
* 图2表示四组中全局模块化体系结构的度量差异。Violin plot描绘了每组中测量值的分布，点和线分别代表平均值和标准偏差。所有的plot生成都控制了年龄和性别。通过FDR校正将显著性水平设置为P
2. 如图3，精神疾病表现出跨疾病的FPN,SUB,VIS,SMN的模块分离程度的下降。SCZ在SMN和LIM的模块分离程度显著低于BD和MDD组，VAN-DMN的模块间连接显著多于BD和MDD组。
*图3A表示组间模块分离的差异。Violin Plot描绘了每组中模块分离指数的分布，点和线分别代表平均值和标准偏差。
*图3B表示左侧的矩阵显示了四组中每组的内部和模块间连接，颜色栏表示连接数。右侧的矩阵说明了四组之间的组水平效果。
* 图3C表示每对组的模块内和模块间连接的组间差异。红线和蓝线分别表示更多的连接和更少的连接。
3. 如图4，精神疾病表现出跨疾病的dlPFC, ANG和THA在模块结构中连接作用增强的现象。SCZ组左侧dlPFC和丘脑在模块结构中的连接作用显著强于BD和MDD组。
*图4A图中颜色标记的region表示对PC表现出显著群体效应的区域（P
*图4B表示对PC具有显著组效应区域的成对比较。在MDD和HCs患者之间的L.dlPFC中观察到了显著趋势，在SCZ和BD患者之间的R.dlPFC和L.THA中以及在BD和MDD患者之间的R.ANG中观察到了显著趋势。（L,Left左；R,Right右；dlPFC,dorsolateral prefrontal cortex背外侧前额皮质；ANG,Angular gyrus角回）
* 图4C表示每组之间的区域到模块连接的组间差异。实心圆的大小代表显着性水平。较暖和较冷的颜色分别表示越来越多或少的连接。通过FDR校正，将C和D中显示的数据的显著性水平设置为P
4. 如图5，精神疾病模块结构变化和行为学数据存在相关关系。
* 图5表示患者组中行为学数据与模块结构之间的相关性。在执行Spearman的相关分析之前，通过回归年龄和性别对数据进行拟合。BPRS，简要精神病评定量表；dlPFC，背外侧前额叶皮层；DMN，默认模式网络；FPN，额顶网；HAMA，汉密尔顿焦虑量表；HAMD，汉密尔顿抑郁量表；L，左；MSI，模块分离指数；PC，参与系数；R，右；VIS，视觉网络。
结论
精神疾病表现出模块结构的跨疾病异常，这种异常是以由模块间连接的增多和连接节点在模块连接中的作用增强造成的。SCZ组表现出了疾病特异性的异常。
主要问题
服药情况，吸烟等会影响结果。
扫描睡觉的情况，是由参与者自己报告的。
研究只包括了BD MDD和SCZ的患者。
有什么启发
可以纳入更多的精神疾病来进行跨疾病的研究。
在进行精神疾病研究的时候，要考虑到一些影响因素，比如服药情况，发病年龄，是否初发，吸烟情况等。
