事件相关功能磁共振波谱技术（fMRS）

导读

质子磁共振波谱(MRS)是一种非侵入性脑成像技术，用于测量不同神经化学物质的浓度。“单体素”MRS数据通常在几分钟内采集，然后对单个瞬态进行平均，从而测量神经化学物质浓度。然而，这种方法对更快速的神经化学物质的时间动态不敏感，包括那些反映与感知、认知、运动控制和最终行为相关的神经计算功能变化的化学物质。这篇综述讨论了功能性MRS(fMRS)的最新进展，这些进展现在使我们能够获得神经化学物质的事件相关测量。事件相关fMRS包括将不同的实验条件呈现为一系列混合的试次。关键是，这种方法允许以秒级的时间分辨率获取光谱。本文为事件相关任务设计、MRS序列选择、分析管道以及事件相关fMRS数据的适当解释提供了全面的用户指南。通过研究用于量化GABA(大脑中的主要抑制性神经递质)动态变化的协议，本文提出了各种技术考虑。总体而言，事件相关fMRS可用于在与支持人类认知和行为的计算相关的时间分辨率下测量神经化学物质的动态变化。

前言

质子磁共振波谱(1H-MRS或MRS)是一种用于测量神经化学物质绝对或相对浓度的非侵入性技术。MRS利用了质子(氢核)的局部化学环境在不同分子之间变化的事实。这导致不同分子中质子的特征共振频率，从而为每种神经化学物质产生不同的光谱轮廓。如果一个分子的浓度足够高，并且其光谱轮廓与其他化学物质非常不重叠，则可以使用MRS进行检测。通常，使用MRS获得的光谱用于量化约20种不同神经化学物质的浓度。这包括谷氨酸和γ-氨基丁酸(GABA)，它们是主要的兴奋性和抑制性神经递质。这种量化可以通过线性组合建模来实现，这种方法在将模型参数转换为有意义的浓度单位之前，利用已知光谱模式的先验知识对不同的神经化学物质进行建模。

通过量化特定分子的浓度，MRS可用于深入了解健康人群和临床人群的大脑神经化学状态。根据实验设计的不同，这些神经化学状态可以反映稳态，或用于获得更动态的神经化学浓度读数。然而，MRS面临的一个主要挑战是，与更丰富的神经化学物质相比，目标代谢物(如谷氨酸和GABA)的浓度较低。值得注意的是，大脑中水的浓度比感兴趣的神经化学物质的浓度高出约10000倍。因此，必须抑制来自水分子的信号，以防止其扭曲神经化学光谱。

高场强MR系统的引入有利于神经化学物质的检测。MR信号的信噪比(SNR)随MRI扫描仪主磁场强度(B0)的变化而变化。此外，B0场强越高，神经化学信号在频谱中的频率分离更大。因此，从1.5T到7T的变化可以使谷氨酸和谷氨酰胺等分子之间的偶合自旋系统分离，并有助于区分谷氨酸与GABA的光谱特征。

高和超高B0磁场强度的信噪比增强也使得功能性MRS(fMRS)得以实现，其中MRS与任务或生理干预相结合，以提供神经化学物质浓度的功能性变化。在这里，本文重点关注事件相关fMRS，这是一种获得神经化学物质动态读数的方法，被认为反映了神经活动的功能变化。本综述补充了之前关于如何使用block设计来获取fMRS数据的综述。本文对事件相关fMRS进行了深入回顾，包括在更高场强下获得的最新数据，并讨论了可用于分析的软件的最新进展。本文还强调了重要的技术考虑因素，并讨论了对动态代谢变化的适当解释。总而言之，本文认为，事件相关MRS可用于捕捉谷氨酸、GABA和其他代谢物的动态、任务相关的变化。神经化学物质的这种动态变化有可能以类似于任务态功能磁共振成像(fMRI)的方式为我们理解人类认知和行为提供信息。

事件相关MRS的任务设计

Block和事件相关的实验设计均可通过MRS获得神经化学物质的时间分辨测量。这两种类型的实验设计与fMRI研究中的实验设计大致类似。迄今为止，大多数MRS实验都采用block设计(图1)。在讨论事件相关fMRS的任务设计之前，本文首先概述了block fMRS设计，包括其优点和局限性。

图1.Blocked vs.事件相关的fMRS任务设计。

为了分析来自block fMRS研究的数据，对每个block内的光谱进行平均，以估计可以映射到特定实验条件下的神经化学浓度。Block之间的过渡区域(即一个block的结束和下一个block的开始)可以排除在进一步的分析之外。正如在fMRI研究中观察到的那样，block设计是有效的，并且它们不需要预测神经反应的显式模型。Block设计可用于显示神经化学物质中特定于条件的平衡变化，这些变化被认为反映了伴随神经元激活的氧化能量代谢的刺激特异性增加。

神经化学物质的功能变化也在啮齿类动物和其他使用block设计的动物模型中得到了证实。例如，镇静小鼠中的视觉刺激block揭示了谷氨酸的调节。电刺激三叉神经后，大鼠桶状皮层中的乳酸和谷氨酸开始增加，而电刺激爪子后，对侧躯体感觉皮层中的谷氨酸显著增加。因此，镇静小鼠的临床前fMRS似乎对谷氨酸的缓慢、渐进性增加敏感，这可能反映了伴随block刺激的氧化代谢增加。重要的是，与人类研究不同，啮齿类动物的fMRS可以与包括光或化学遗传刺激的刺激方案相结合，从而为检验因果关系和阐明fMRS衍生的神经化学物质变化的基础代谢和神经递质机制提供了机会。临床前fMRS的一个关键限制是研究通常在麻醉动物中进行，而在清醒行为的动物中进行MRS则有其自身的挑战。此外，啮齿动物的大脑体积较小，因此很难从对部分体积效应敏感的小ROI区域获得足够的信噪比(SNR)。因此，需要不断改进技术，通过改进硬件、MR序列和匀场技术来改善信噪比。

对于人类和临床前研究，fMRS block设计的一个明显限制是时间分辨率，它有效地设置为每个block的持续时间。因此，block设计掩盖了神经化学物质更快速的时间动态，这些时间动态是与持续认知和行为相关的生理过程的基础。此外，当任务试次为事后分类或取决于参与者的表现时，不能使用block设计。此外，神经化学物质浓度似乎容易受到期望效应的影响，即刺激引起的代谢物浓度变化在重复呈现刺激时降低，类似于fMRI报告的重复抑制效应。Block设计受到这些期望效应的影响，其中任务或刺激诱发的谷氨酸增加更大或仅存在于第一个实验block中。因此，在使用fMRS评估block设计检测任务引起的神经化学物质变化的相对灵敏度时，必须考虑期望效应。

另一方面，事件相关设计将刺激呈现为一系列试次，其中不同实验条件的试次混合在一起(图1)。关键是，这种方法允许以秒级的时间分辨率获取光谱。事件相关任务设计控制期望效应。此外，根据被试的行为表现，试次可以在事后分为不同的实验条件。

单个MRS光谱的信噪比通常很低，无法可靠地测量神经化学物质的浓度。因此，为了量化使用事件相关设计获得的神经化学物质，可以首先将光谱分配到事后实验条件，然后在条件内进行平均以获得足够的SNR(图1)。由于每个光谱都是在相对快速的事件(刺激呈现、行为反应、试次间隔等)中获得的，因此对处于相同条件下的光谱实例进行平均仍然可以以秒级的时间分辨率估计神经化学物质。事实上，事件相关fMRS已被用于揭示神经化学物质中相对较大的瞬时变化，如下例所示。当锁定刺激开始时，这些变化发生在300-1000ms内。

神经化学物质的快速变化可以使用响应函数来描述，类似于使用fMRI报告的血流动力学响应函数(HRF)。利用在两项独立的事件相关研究中获得的视觉皮层数据，对谷氨酸响应函数进行了估计。根据这些数据集，在刺激开始后约500ms出现峰值，响应函数在刺激开始后3-4s恢复到基线。然而，迄今为止，还没有旨在绘制代谢物反应函数的正式研究。这留下了一个关键的知识空白，影响了估计事件相关代谢物动态变化的可靠性，下文将进一步讨论。因此，需要进行更多的工作来全面描述代谢物反应函数，以及不同脑区之间的差异。此外，最近的证据表明，使用事件相关fMRI可以在约几十毫秒的sub-TR分辨率下实现神经解码。使用事件相关MRS，同样可以在sub-TR分辨率下评估神经化学物质的动态变化。总的来说，与block设计相比，事件相关设计显著提高了fMRS的时间分辨率。

然而，尽管时间分辨率有了明显提高，但解释使用事件相关fMRS获得的数据仍然不是易事。值得注意的是，使用事件相关fMRS报告的神经化学物质的快速变化与使用block设计研究报告的结果形成了鲜明对比，其中后者观察到神经化学物质浓度的变化更缓慢。为了解释这种缓慢的反应，先前使用block设计的研究排除了高达50%的数据以获得稳定的代谢物测量值，或者排除了每个block的前两个时间平均值，相当于排除了12.5%的数据。目前尚不清楚为什么事件相关和block设计之间会出现这种神经化学变化时间的差异。一种可能性是，事件相关设计对神经化学物质的变化更敏感。事实上，一项关于fMRS研究的元分析表明，事件相关fMRS设计测量谷氨酸的效应量是block设计的2-3倍。另一项元分析显示，谷氨酸在事件相关和block设计中均可观察到显著效应，而GABA仅在事件相关设计中观察到显著效应。应谨慎解读这些发现，因为在某些情况下只考虑了少数研究，特别是评估GABA效应的元分析。尽管如此，事件相关fMRS研究中效应量增加的部分原因可能是事件相关设计减轻了预期、习惯化和适应的影响，这些因素可能会降低刺激在相对较长的block中重复多次时对神经化学动力学快速变化的敏感性。

第二种可能性是事件相关和block设计对谷氨酸能和GABA能反应的不同方面敏感。使用block设计报告的神经化学物质浓度相对缓慢的变化被认为反映了随着神经尖峰活动的能量需求增加而发生的氧化代谢变化。使用事件相关设计报告的谷氨酸和GABA的更快速变化可能反映了与神经传递更密切相关的谷氨酸能或GABA能反应的变化。此外，突触间隙中的谷氨酸和GABA浓度太低，无法使用MRS检测到。因此，事件相关fMRS可以检测谷氨酸或GABA在MRS上的可见性变化，而不是直接反映神经传递。未来需要更多的数据(特别是在动物模型中)来支持这一工作假设，并确定神经递质释放与MRS衍生的神经化学读数之间的精确关系。

基于上述考虑，实施事件相关MRS的研究考察了广泛的认知过程。Mangia及其同事(2003)的一项早期研究使用事件相关设计证明了，在视觉刺激开始后约5秒，初级视觉皮层中的乳酸含量会短暂下降(图2a)。值得注意的是，这一发现与使用block设计进行长时间刺激时报告的乳酸增加形成对比，表明事件相关设计对伴随刺激锁定神经活动开始的乳酸消耗很敏感。事件相关fMRS的另一个早期应用侧重于对情绪刺激做出反应时，肌酸/磷酸肌酸和胆碱化合物的变化。该研究者发现当呈现愉快和不愉快面孔时，海马体中肌酸/磷酸肌酸和胆碱化合物的含量增加。胆碱被认为与乙酰胆碱的可用性有关，乙酰胆碱是一种参与注意力和学习的神经调节剂。Lindner及其同事(2017)的另一项关于胆碱的研究发现，顶枕叶皮层中的胆碱会随着注意力的转移而变化。这两项研究都表明，事件相关fMRS可用于研究认知过程(如注意力)背后的神经化学变化。

图2.使用事件相关fMRS获得的数据。

其他研究小组已将MRS应用于研究疼痛刺激的神经反应，其中使用事件相关设计的研究结果与使用block设计的研究结果基本一致。例如，Gussew及其同事(2010)发现，在痛苦的热刺激期间，岛叶皮层中的谷氨酸浓度急剧增加(图2b)。最后，事件相关fMRS范式已被用于涉及视觉区域的各种认知过程，包括与其他模态(如EEG和BOLD fMRI)相结合。例如，Lally等人(2014)将LOC中的fMRS与EEG相结合，发现与抽象视觉刺激相比，物体刺激的谷氨酸增加，这反过来又预测了诱发的γ波段活动。Apsvalka等人(2015)将fMRS与BOLD fMRI相结合，发现谷氨酸在LOC中对熟悉的刺激具有重复抑制作用(图2c)。最后一个例子来自本综述的作者，其中应用交错fMRI-fMRS序列来评估回忆过程中视觉皮层(V1)谷氨酸和GABA的动态变化(图2d)。结果发现，对视觉刺激的回忆伴随着GABA的减少，并与海马体BOLD有关。总之，这些研究表明，事件相关fMRS可用于研究广泛的认知过程，从疼痛到注意力再到联想记忆，以及与fMRI和EEG等其他模态结合使用。然而，检测像GABA这样难以测量和量化的神经化学物质的变化仍然具有挑战性。

测量事件相关fMRS数据

神经化学物质的浓度比脑内水的浓度低104。因此，MRS的灵敏度远低于水基MRI，使用事件相关fMRS来测量浓度相对较低、共振峰与更丰富的神经化学物质重叠或具有复杂(多重)模式导致低SNR的神经化学物质仍然具有挑战性。测量GABA最常见的方法是使用MEscher-GArwood(MEGA)“J-difference”编辑方法。在这里，对于GABA的每次测量都获得了两个光谱：一个是具有控制饱和度的光谱，另一个是具有J编辑(饱和)脉冲的光谱。GABA在3ppm时的共振与在1.9ppm时的共振呈J耦合。因此，常规光谱和编辑光谱之间形成的差异留下了一个明显的GABA信号，而不受编辑脉冲影响的分子(如肌酸)产生的信号在很大程度上被减去了。该方法通过将GABA与其他更强的神经化学物质信号分离，提高了对GABA信号的敏感性，并提供了可靠的体内测量。然而，由于一个频谱需要两次测量，J-差分编辑序列更容易出现被试运动伪影和扫描仪频率漂移伪影。当使用事件相关fMRS对神经化学物质进行动态、时间分辨率测量时，采样率的降低(两倍)显然是一个缺点。总体而言，化学敏感性的增加是以SNR的显著下降为代价的。此外，尽管使用了GABA编辑脉冲，但GABA和重叠的大分子都是靶标，导致“GABA+”信号仍然被共同编辑的大分子污染。在3T或更低时，在基于MEGA的编辑方法中，来自大分子的信号可能占GABA信号的50%以上。虽然高场MRS有助于解决大分子的混淆，但代谢物在短回波时间内仍与大分子重叠。多量子相干滤波(MQF)和哈特曼-哈恩转移(Hartman-Hahn transfer)等替代编辑方法可以显著降低大分子的贡献，但协同编辑仍然是GABA光谱编辑的最大挑战。

GABA也可以使用非编辑序列进行测量，其中每个光谱只需要测量一次。如上所述，特别是在磁场强度较低的情况下(3T及以下)，这种方法受到GABA峰与其他具有更高信号的神经化学物质重叠的限制。然而，在7T及以上的超高场强下，可以使用未经编辑的MRS可靠地测量GABA，其光谱峰与其他神经化学物质不同。在使用未经编辑的序列时，由Tkáč等人首先建立了一个可靠且可重现的采集管道，包括使用FASTMAP序列调整一阶和二阶匀场项，使用VAPOR序列抑制水信号，然后使用semi-LASER MRS采集序列的STEAM和LCModel分析数据。直接比较经过编辑和未经编辑的7T GABA测量结果表明，这两种采集方法的GABA/tCr比率是相似的。在事件相关fMRS的背景下，使用未编辑序列的好处是，它允许同时量化约20种不同的神经化学物质和更短的回波时间，从而获得更高的SNR。未编辑序列的这些特性可能有利于事件相关fMRS的应用，其中时间分辨率和数据质量是优先考虑的。

在人类和动物模型中，可以采取其他测量来改善fMRS数据采集的信噪比(SNR)。SNR受感兴趣体积(VOI)大小和每个条件下光谱数量的影响。然而，值得注意的是，通过增加VOI来提高SNR可能会降低解剖特异性。这对于fMRS尤其重要，因为fMRS的靶组织通常是一个小的(皮层)灰质区域，远小于总体素体积。因此，VOI的大小可以根据SNR和解剖特异性之间的权衡来选择。

当测量3T下的静态GABA时，共识建议是采集128个瞬态信号，编辑后的MRS采集~27ml VOI，未编辑波谱采集~3.4ml VOI。为了进一步提高SNR，可以使用由钡或钛酸钙制成的电介质垫在感兴趣体积的射频分布中创建一个“热点”。在临床工作中，冷冻探针可将SNR提高2倍或更多，这在一定程度上克服了动物模型从足够小的体素中获取MRS数据以实现解剖特异性的困难。总之，我们建议在采集期间评估光谱质量，如果数据质量不够高，则重复体素放置和匀场。

分析事件相关fMRS数据

近年来，人们开发了许多用于光谱处理和定量分析的软件包。尽管MRS社区试图建立共识，但最合适的分析管道仍然是目前持续争论的主题。在这里，本文将重点讨论最广泛使用的算法，即LCModel。LCModel通常被认为是事实上的“黄金标准”建模方法，几乎被用于所有脑MRS方法中，在各种可用软件包中约占90%的引用。

使用LCModel的事件相关fMRS分析建立在旨在从光谱均值中量化神经化学物质浓度的分析方法之上。为了获得与事件相关的测量，一种方法是首先为每个光谱分配一个条件，然后根据条件对光谱进行平均，如图1b-c所示。这种方法的优点是它可以完全编写脚本，并采用免费且开源的最广泛使用的算法。其缺点是无法解释代谢物反应功能，也无法控制潜在的生理或运动相关混淆因素。

在使用LCModel分析事件相关MRS数据时，需要考虑某些特征。也就是说，LCModel利用先验知识假设相对低浓度的神经化学物质的浓度保持在一个预定义的生理范围内。预定义的浓度范围是相对于其他更丰富的神经化学物质定义的。这些先验(或“软”、非线性)约束适用于脂质成分和大分子成分的比例上。默认情况下，软约束也适用于许多神经化学物质，包括GABA、天冬氨酸、甘氨酸、scyllo和tau。例如，在LCModel中，GABA的预定义范围如下：

为了证明光谱拟合算法中的先验约束如何掩盖事件相关GABA中的动态变化，Koolschijn等人(2021)使用蒙特卡罗模拟生成了一组合成的fMRS数据集，同时保留了在7T未编辑MRS数据集中观察到的噪声水平(图3)。在LCModel被用于量化神经化学物质(无论是否使用先验约束)之前，在合成光谱中手动添加或删除GABA(图3a)。这些模拟表明，当使用先验约束时，GABA估计值较低，虽然变异性降低了，但动态灵敏度也降低了(图3b-c)。另一方面，如果去除先验约束，GABA估计值更高，表现出更多的变异性，但GABA的动态变化能够更可靠地检测出来(图3c)，包括在不同的SNR下(图3c)。需要注意的是，当去除先验约束时，不应评估绝对浓度，而应使用实验条件之间的差异或比率来检测神经化学物质浓度的有意义变化。

图3.使用蒙特卡罗模拟来评估使用/去除先验约束时对GABA的影响。

最近，新的开源MRS分析软件库已经发布，其中一些集成了模块化和易于扩展的设计。大量的新分析软件为该领域提供了快速创新、开发和测试事件相关(和block设计)fMRS领域的机会。例如，FSL-MRS等软件库允许执行一般线性模型(GLM)，该模型可以很容易地解释代谢物响应函数，并包括“干扰回归量”以控制潜在的混淆因素。这种方法类似于fMRI数据分析，其中GLM被广泛用于评估事件相关任务期间BOLD信号的动态变化。

基于GLM方法的一个关键优势是，可以将“干扰回归量”包含在设计矩阵中，以控制潜在的混淆。这些干扰回归量可能包括：(1)运动参数，包括非自主运动；(2)生理参数，如心电频谱谐波；(3)由于升温或降温效应而导致的硬件相关漂移；(4)来自BOLD伪影的混淆。BOLD相关的伪影包括MRS光谱中的线宽变窄，这是由于T2/T2*的增加伴随着BOLD的增加。如果不加以校正，因BOLD信号引起的谱线变窄会使fMRS代谢物的量化产生偏差，从而使代谢物浓度明显增加。为了校正BOLD相关的线宽变窄，可以采用几种不同的方法。一种方法是估计总肌酸单线态峰(tCr)在3.03 ppm处的变窄。假设总肌酸单线峰在脑激活期间保持稳定，tCr线宽的变化可能归因于BOLD信号。第二种方法是假设BOLD效应对水和代谢物信号具有相似动力学作用的情况下，使用水峰线宽的变化来估计与BOLD相关的线变窄。

无论采用何种分析管道，数据质量对于可靠的事件相关fMRS仍然至关重要。为了避免以牺牲信噪比为代价而提高时间分辨率，可以采取几种方法，包括对每个任务条件下足够数量的光谱进行平均，使用滑动窗口获得时程，或对足够数量的参与者的数据求平均以获得组水平光谱。然后进一步执行数据过滤过程，以丢弃数据质量不够高的数据。根据所实施的采集协议，保守的经验法则可能包括丢弃任何水残余信号幅度大于NAA或总肌酸峰的光谱。

与其他形式的MRS数据一样，数据质量指标可以应用于与事件相关的fMRS数据。这些参数包括信噪比、线宽、频率偏移、克拉默-拉奥下界(CRLBs)以及被试间或被试内变异系数(CoV)。此外，事件相关MRS对光谱拟合的偏差高度敏感，这些偏差可能是由于条件之间的混淆差异而引起的。例如，不同条件下光谱数量的差异会导致SNR的差异，从而导致不同条件下代谢物浓度的明显变化。正如Koolschijn等人(2021)所指出的那样，可以通过模拟和置换检验来准确地捕获此类偏差，这提供了一种评估偶然发生的代谢物浓度变化的方法。

事件相关fMRS的再现性

上述关于事件相关fMRS数据测量和分析的讨论可以为研究人员提供最佳实践指南。然而，可再现性仍然是事件相关fMRS研究以及更广泛fMRS研究的关注点。事实上，最近对fMRS研究的元分析表明，不同研究之间存在显著的异质性，这可能归因于任务设计的差异，包括刺激类型、大脑区域、序列参数、扫描场强、分析参数和软件选择。为了提高可重复性，有几个研究小组最近发布了关于最佳实践的共识建议。例如，MRSinMRS是由MRS专家共识小组建立的，旨在为MRS方法和结果的报告提供最低限度的指导方针，包括MRS硬件、数据采集、分析和质量评估的标准化描述。同样，MRS-Q由现有共识发展而来，用于评估MRS质量，Choi等人(2021)描述了使用编辑序列的共识建议。尽管这些共识论文最初是针对静态MRS提出的，但它们也可以应用于fMRS研究，包括那些使用事件相关设计的研究。

解释事件相关fMRS数据

虽然与事件相关的fMRS研究显示了神经化学物质快速变化的有力证据，但潜在信号的来源仍然存在争议。如上所述，神经化学物质存在于多个细胞隔室中，包括细胞质、细胞外间隙和囊泡池。尽管MRS的空间分辨率不足以区分这些不同的神经化学池，但有证据表明MRS对不同隔室中的神经化学物质的可见性存在差异。从理论上讲，MRS不太可能对伴随神经递质释放的细胞外谷氨酸和GABA的变化敏感，因为细胞外谷氨酸和GABA的浓度比细胞内的浓度小大约100倍。然而，鉴于这些研究大多集中在相对较高浓度的神经化学物质上，并且有些研究是在低场强下(3T及以下)进行的，目前尚不清楚这些研究结果是否可以外推到包括GABA在内的其他神经化学物质，尤其是在较高场强下进行测量时。

任务诱导的MRS测量变化可以通过细胞内谷氨酸和GABA代谢池与神经递质释放之间的紧密耦合来解释。在静息状态下，可以观察到代谢和神经递质池之间的紧密耦合，其中谷氨酰胺-谷氨酸循环率和神经元氧化葡萄糖消耗之间呈1∶1的关系。此外，尽管允许谷氨酸和GABA浓度净变化的代谢过程可以解释使用block设计报告的神经化学物质的变化，但它们被认为太慢，因而无法解释使用事件相关MRS检测到的更快速的波动。此外，使用事件相关设计报告的神经化学物质浓度平均变化(~14%)被认为太高，无法由已知的合成或降解代谢途径来解释。另一种可能性是，事件相关MRS对伴随神经活动的不同细胞间代谢物浓度的快速变化很敏感。

未来fMRS研究的两个重要方向是：首先建立fMRS衍生的神经化学测量与谷氨酸和GABA区室变化之间的复杂关系；其次，建立谷氨酸和GABA不同区室与神经递质释放、神经元尖峰活动等生理指标之间的关系。此外，fMRS研究还需要明确不同序列参数(如回波时间)对这些关系的影响。扩散加权fMRS是一种可以区分不同细胞区室中神经化学物质的新方法，可能会提供重要的见解。扩散率因细胞区室而异，球体中的低扩散率与高线粒体粘度相关，而突触间隙中的扩散率较高。因此，扩散加权成像可能有助于揭示使用事件相关fMRS范式报告的信号的来源。

结论

fMRS与事件相关任务设计相结合已成功用于以相对较高的时间分辨率测量多个不同脑区神经化学物质浓度的变化。虽然需要更多的工作来适当地解释这些神经化学物质的快速变化，但与使用block设计的报告相比，使用事件相关fMRS检测到的功能变化相对较大。本文为那些有兴趣实施事件相关fMRS的研究人员提供了指导和建议，展示了事件相关fMRS如何为认知计算提供见解，特别是在仔细考虑任务设计、MRS序列和分析管道时。此外，本文还阐述了事件相关fMRS如何与其他模态成功结合，包括电生理学和fMRI BOLD。因此，通过捕获与任务相关的神经化学物质的动态变化，事件相关fMRS有望成为一种有价值的工具，并且可作为其他非侵入性方法的补充。总而言之，事件相关fMRS提供了一个机会，即在了解人类认知和行为神经基础的时间尺度上，检验由计算和认知神经科学指导的假设。

原文：Renee S Koolschijn , William T Clarke , I Betina Ip , Uzay E Emir , Helen C Barron , Event-related functional Magnetic Resonance Spectroscopy, NeuroImage (2023), doi: https://doi.org/10.1016/j.neuroimage.2023.120194