- 我的订阅
- 科技
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
识别出睡眠健康的脑网络标志物
本文转自：中国科学报
西南大学
识别出睡眠健康的脑网络标志物
本报讯（记者温才妃 通讯员韩笑）日前，西南大学心理学部教授雷旭团队基于中国人的人格-行为-脑研究项目和多家医院的共享数据，通过多变量机器学习方法，找到刻画睡眠健康的脑网络功能连接模式。该工作将个体内在的脑功能连接和行为特征相结合，识别出睡眠健康的脑网络标志物。相关成果发表于《自然-通讯》。
睡眠不足、睡眠质量下降以及睡眠相关疾病的激增已成为一项全球性的健康挑战。研究团队将基于中国人的人格-行为-脑研究项目的大样本作为探索数据集，采用多变量机器学习方法，将睡眠健康的多维度和静息态功能连接进行关联分析，得到刻画睡眠健康的主要脑网络功能连接模式。该工作的一个创新点是囊括了一系列广义的睡眠健康指标，共有36个特征，并进一步将其划分为7个维度，层层递进以最终确定睡眠健康的脑网络标志物。
多变量机器学习揭示了一个稳健的将睡眠健康与大脑功能连接联系起来的脑网络功能连接模式。该连接模式可以解释脑网络和行为之间近30%的协变幅度。在7个维度中，睡眠的主观满意度具有最大的解释量，说明主观满意度对于睡眠健康的影响十分关键。该连接模式与皮层下网络尤其是丘脑的功能连接正相关。从脑网络的角度看，这一连接模式和默认模式网络-背侧注意网络的连接正相关，而与感觉运动网络-腹侧注意网络的连接负相关。
该脑网络功能连接模式具有广阔的应用前景。课题组在多个外部数据集上对连接模式进行了验证，发现脑网络功能连接模式还可用于区分失眠患者和健康受试者，正确率都接近80%。这一睡眠健康的脑连接组学指标，在睡眠障碍研究的临床转化中具有极大的应用潜力。
相关论文信息：
https://doi.org/10.1038/s41467-023-42945-5
以上内容为资讯信息快照，由td.fyun.cc爬虫进行采集并收录，本站未对信息做任何修改，信息内容不代表本站立场。
快照生成时间：2023-11-27 08:45:12
本站信息快照查询为非营利公共服务，如有侵权请联系我们进行删除。
信息原文地址：
