在阿尔茨海默病(AD)中，tau病理与认知能力下降密切相关。临床前证据表明，tau蛋白以活动依赖的方式在连接的神经元间扩散。横断面AD研究表明，tau蛋白沉积模式类似于功能性大脑网络。然而，功能连接的提高是否与tau蛋白的高积累率有关还不清楚。在这里，我们将静止态fMRI和纵向tau-PET结合在两个独立的样本中，包括53例(ADNI)和41例(BioFINDER)淀粉样生物标志物定义的AD受试者以及28例(ADNI)和16例(BioFINDER)淀粉样阴性健康对照。在这两个样本中，AD受试者比对照组的tau蛋白积累更快。其次，在AD中，较高的fmri评估的400个感兴趣区域(roi)之间的连通性与相应roi中相关的tau-PET积累相关。第三，我们表明一个包括基线连通性和tau-PET的模型与未来tau-PET积累有关。总之，连接性与AD中的tau蛋白传播有关，支持了跨神经元tau蛋白传播的观点。
1. 简述
我们在本研究中评估了53名AD痴呆前期淀粉样蛋白阳性受试者和28名ADNI研究中认知正常淀粉样蛋白阴性(CN Aβ)对照组受试者的纵向AV1451 tau-PET数据，并结合基线静息状态fMRI。为了复制结果，我们进一步纳入了来自BioFINDER队列的纵向tauPET数据(即从临床前到AD痴呆阶段41名aβ+受试者，以及16名CN aβ)，以及来自500名人类连接组项目(HCP)受试者的静息状态fMRI连接组模板。在AD(即aβ+)样本中使用两两ROI-to-ROI相关分析，我们使用标准的新皮层分割图谱评估了400个大脑感兴趣区域(ROIs)中AV1451纵向tau-PET变化的协方差。基于静息态fMRI数据，我们评估了相同400个roi之间的组均值功能连通性。通过结合功能连接和纵向tau-PET数据，我们追求我们的主要目标，即我们表明大脑连接结构与tau的未来传播有关。为此，我们首先评估AD患者与对照组相比，基线tau沉积和tau沉积率是否增加。其次，我们发现功能高度连接的区域显示出相似的tau积累率(即tau变化的协方差)。第三，我们强调，未来的tau积累可以通过结合fmri评估的脑功能结构和基线tau水平来建模。
2. 结果
2.1 与CN Aβ-相比，Aβ+组的tau-和tau-PET基线变化更高
首先，我们在覆盖新皮质的400个roi范围内评估基线和随访tau-PET水平，以及每组和样本的纵向tau-PET变化(即每年roi-SUVR变化)。在CN aβ-中，基线或随访时ADNI(图1a)和BioFINDER(图1d)均发现没有tau-PET摄取升高(即超过预先设定的tau-PET SUVR阈值)。在CNAβ+中，随着时间的推移，特别是在ADNI(图1b)和BioFINDER(图1e)中，tau-PET的摄取随着时间的推移而增加，超过了随访时ADNI CN Aβ+中tau-PET升高的阈值(图1b)。在MCI Aβ+患者中，基线时发现颞、顶叶和额叶tau-PET升高，随访时升高(ADNI:图1c;BioFINDER:图1f)。在BioFINDER样本的AD痴呆受试者中也发现了一个空间上类似的纵向tau-PET增加(图1g)。在CN Aβ−中，纵向tau-PET变化图的ROI-wise t检验证实，从基线到随访，tau-PET没有(ADNI:图1h)或只是轻微(BioFINDER:图1j)显著增加。相反，Aβ+组显示了显著和广泛的tau 聚集，在ADNI(图1i)和BioFINDER(图1k)中横跨颞、顶叶和额叶区域。这些分析支持这一观点，即AD(即Aβ+)受试者比对照组显示tau蛋白水平升高和tau蛋白积累更快。
图1 组平均tau-PET水平
2.2 tau聚集的功能连接和协方差
我们评估了功能连接强的区域是否在tau蛋白的病理积累中显示了更高的协方差，这表明了tau蛋白的跨神经元扩散。为此，我们测试了两个给定大脑区域之间的静止状态fMRI功能连接和相同大脑区域之间每年tau-PET变化的协方差之间的联系。这项主要分析是在AD组进行的(即ADNI中的53名Aβ+受试者和BioFINDER中的41名Aβ+受试者)，因为CN Aβ-组中没有(ADNI)或只有轻微(BioFINDER)纵向tau-PET变化(见图1d)。对于ADNI，使用标准化的脑功能图谱(包括400ROIs)对预处理的静息态fMRI数据获得受试者特定的功能连接矩阵(图2a)，然后将其平均为组均值连接矩阵(图2b)。对于BioFINDER，我们从500名HCP受试者的静息态fMRI数据中获得了一个400 x 400的功能连接模板(图2b)。在ADNI和BioFINDER中，我们确定了每个Aβ+受试者在400个roi中的年度tau-PET变化。然后，我们计算了各受试者tau变化的Spearman相关性，得出tau变化的协方差矩阵为400 x 400(方法见图3a)，其中较高的相关性表明在给定的ROI对中有相似的tau年变化率(图3b)。为了测试功能连接区域是否具有相似的tau积累率，我们使用组平均功能连接矩阵作为tau变化矩阵协方差的预测器进行了空间回归(图3b)。为了支持我们的假设，我们发现ADNI中tau变化的功能连通性和协方差之间存在正相关(见图4a),BioFINDER也是如此 (图4 b)。我们重复了相同的分析200次，在每个试验中生成了一个新的连接零模型(即带有保留度和权重分布的洗发连接矩阵)，ADNI的β值分布为M/SD=0.09/0.002,BioFINDER的M/SD=0.02/0.002。将ADNI和BioFINDER样本中估计的β值与这些零分布进行精确测试(即零分布衍生的β值超过真实β值的百分比)，得到ADNI和BioFINDER均为p<0.001。这些分析支持了AD中更高的功能连通性与更相似的tau年累积率相关的概念。重要的是，当控制每个ROI对之间的欧氏距离,或当控制年龄、性别、教育程度、ApoE4状态、诊断和MMSE的tau变化协方差评估时。这些发现支持了这样一种观点，即tau蛋白的传播主要是由连接性而非邻近性决定的，并且与年龄、性别、教育程度或载脂蛋白e无关。在BioFINDER队列的aβ-对照组受试者中，显示少量tau积累(图1)，当探索性测试tau-PET变化中的功能连通性和协方差之间的关联时，我们发现在tau-PET变化中的功能连通性和协方差之间存在较弱但一致的正关联，在控制欧几里得距离后仍然保持。
图2 脑分区和静息态fMRI
图3 tau-PET变化中的协方差评估
图4 tau-PET变化中功能连接和协方差的联系
为了探索检验在Aβ+组中，功能连通性和tau-PET变化的协方差是否高于Aβ-组，我们使用1000次bootstrapping迭代(即从受试者池中随机取样并进行替换)迭代确定了BioFINDER中tau-PET变化的协方差。在此基础上，我们重新评估了每1000次迭代中在tau变化中的功能连接性和引导协方差之间的关联。
由于ADNI的受试者水平tau-PET和功能连通性数据的可用性，我们进一步评估了功能连通性和tau变化协方差之间关联的样本内稳健性，方法是在ADNI Aβ+组的1000个bootstrap样本中重复上述分析。具体来说，我们从整个53名Aβ+受试者中抽取了1000个随机样本，并在每个bootstrap样本中确定了组平均功能连通性和tau变化的协方差。对于每个启动样本，我们测试了上述tau变化中的功能连接性和协方差之间的关联，并保存了产生的β值。1000个β值(即tau变化中功能连通性和协方差之间的回归衍生关联)的分布显著大于零，其中95%置信区间不包括零。这表明ADNI样本中tau变化的功能连通性和协方差之间存在强大的关联。此外，我们通过将roi阈值设定为基线时tau-PET摄取最高的子集(25/50/75%百分位数)，重复上述分析。在这里，我们发现功能连通性与tau-PET变化在不同百分比阈值的较高协方差相关，当tau-PET百分比阈值越高，这种相关性越强。最后，我们测试了tau-PET变化中的功能连通性和协方差之间的关联在图2a所示的所有七个典型网络中是否一致。在这里，我们发现在所有7个网络的tau-PET变化的功能连通性和协方差之间存在显著的正β值(ADNI为0.46-0.64，图4c,BioFINDER为0.18-0.50，图4d)。为了进一步说明功能连通性和tau积累之间的关系，我们绘制了每个样本在功能连接体背景下每个ROI的组均值年tau变化(图5)。
图5 tau-PET变化和功能连接拓扑
2.3 连接区域的区域tau和tau聚集
在后续步骤中，我们扩展了这一分析，通过测试给定种子ROI中的tau-PET变化水平是否与aβ+中紧密相连区域的tau-PET变化相关。这种分析基于这样一种观点:如果tau蛋白作为功能连接的函数传播，那么相互连接的区域应该显示出相似的tau蛋白累积率。为了检验这一假设，我们根据所有roi的年tau-PET变化水平对其进行排序。我们推断，在种子区域tau-PET变化水平高的情况下，更高的种子FC应该与目标区域更高的tau-PET变化相关。反之，在种子区域较低水平的tauPET变化，较高的种子FC应与目标区域较低水平的tauPET变化相关。使用线性回归，我们对每个样本中的每个排序ROI(种子)进行了测试，将组平均FC强度与其余ROI(目标)相比较，作为目标ROI中tau-PET变化的组平均水平的预测因子(方法如图6a所示)。如假设，我们在ADNI和BioFINDER中一致发现，根据种子区域tau-PET的变化水平，FC对靶区域tau变化水平的预测值发生了变化。具体来说，对于tau积累率高的种子，FC越高，靶区tau积累率越高(即回归中β值为正)。相反，对于低tau积累率的种子，较高的FC与目标区域tau积累率较低相关(即β-在回归中为负)。这一结果模式反映在ADNI中，种子roi的年tau-PET变化率和它们的FCs预测权重(即回归衍生的β值)对目标roi的年tau-PET变化的强正相关(图6b)和BioFINDER样本(图6e)。对200个零模型连接体进行同样的分析，ADNI和BioFINDER的β分布分别为M/SD = 0/0.07和M/SD = 0.05/0.05，当比较真实β值和零分布时, 得出p<0.001。同样，使用上述bootstrapping方法使用1000个bootstrapping样本在ADNI中重复了这种分析，结果β系数的分布与零有显著差异。为了进一步说明这一点，我们展示了分析种子区域的峰值水平(图6c为ADNI，图6f为BioFINDER)和最小水平的tau-PET变化(图6d为ADNI，图6g为BioFINDER)的结果。
图6 tau-PET变化与功能连接的联系
2.4 tau-PET变化的组水平扩散模型
对于我们的主要目标，我们基于基线tau水平、功能网络架构和连接的空间距离对tau传播进行建模。换句话说，我们测试了tau蛋白是否优先沿着功能强和空间短的连接从受影响区域传播(如图7a所示)。为了系统地检验这一假设，我们采用了三种方法:作为第一个阴性对照，我们测试了tau传播是否可以简单地通过基线tau模式和roi之间的欧氏距离来建模（图7a，模型1）。其次，我们测试了tau蛋白传播是否可以通过结合基线tau蛋白和功能连接来更好地建模（图7a,模型2）。第三，我们测试了是否可以通过将每个ROI对之间的欧氏距离作为额外的加权因子来进一步改进这个模型，因为我们认为在功能强和空间短的连接中tau的传播应该是最快的(图7a，模型3)。每种方法都为ADNI和BioFINDER样本提供了一个400元素的载体，代表(1)以距离加权的tau，(2)以功能连接性加权的tau和(3)每个ROI的tau-&距离加权功能连通性得分(参见图8中预测tau变化的表面渲染图)。
图7 纵向tau-PET变化预测
图8 预测的tau-PET变化的表面渲染
2.5 tau-PET变化的个体水平传播模型
使用受试者水平的功能连接和ADNI Aβ+中的tau- pet数据，我们重复上述分析，检验每个个体是否(1)距离加权tau，(2) tau加权功能连接性和(3)tau和距离加权功能连接性与单个tau的年变化率相关(见图7i)。
上述结果支持了这样一种观点，即区域tau积累率与连接区域的tau水平最密切相关，同时也考虑了连接的近似长度。最后，我们测试了年龄、性别或ApoE状态是否影响关联强度(即β值)。对性别和ApoE进行方差分析，对年龄进行线性回归，我们发现没有显著影响，结果表明，年龄、性别和ApoE对ADNI和BioFINDER模型1-3的β值分布均无影响。
3. 讨论
目前研究的主要目的是测试功能连接是否与AD中tau蛋白的未来积累有关。在两个独立的样本中，我们发现AD受试者比淀粉样蛋白阴性对照受试者显示更强的tau积累，并且功能连接区域显示相关的tau积累率。具体而言，高tau积累率区域优先与其他高tau积累率区域连接，而低tau积累率区域则与类似的低tau积累率区域连接程度较高。最重要的是，我们发现AD中tau蛋白的未来积累可以通过基线tau蛋白水平、功能连通性和大脑区域之间的距离来建模。总之，我们的结果支持了AD中tau蛋白通过神经连接的病理性传播的观点。
在我们的第一个发现中，我们发现AD受试者中有显著的tau蛋白积累，而这在淀粉样蛋白阴性对照中基本不存在。其次，我们可以证明AD中功能高度连接的区域具有相似的tau积累率。此外，我们可以表明，基线的连通性与未来在组和受试者水平上的tau积累相关。
总之，目前的研究表明，连接性与AD中tau蛋白的未来传播有关。我们的独立验证研究结果有力地支持了临床前研究结果所提出的tau蛋白以活动依赖的方式在突触连接中扩散的观点。我们的结果也可能激发未来的研究，以调查tau蛋白在其他tau蛋白病中的传播，如原发性年龄相关性tau蛋白病、进行性核麻痹或皮质基底变性，其中tau蛋白的病理可能通过类似的机制传播。由于tau蛋白是AD认知能力下降的最强大驱动因素，潜在的干预措施可以针对连接相关的传播机制或抑制淀粉样蛋白诱导的神经元过度活动，这可能会促进tau蛋白的传播。总之，限制tau蛋白在大脑连接中的传播可能是减缓AD进展的一个有希望的方法。