网易首页 > 网易号 > 正文 申请入驻

bioRxiv 方法学解读|多重分析路径(multiverse):当结果取决于一连串分析决定,怎样看出每个决定的分量

0
分享至


● 认知神经科学前沿文献分享

论文信息:A Multiverse Approach to Brain Age Prediction: Exploring the Impact of Modality, Bias Adjustment, and Atlas

发表期刊:bioRxiv




01 预测年龄只是中间产物,后面用的是残差

脑龄研究预测的是年龄,拿去和认知、疾病做关联的却是预测值减去实际年龄的差,即脑龄差(brain age gap, BAG)。这个残差很小:作者的最好流程能解释九成以上的年龄方差,残差里有多少是真实的个体老化差异,有多少是流程带来的噪声,很难分开。

预测之前有一串看起来例行的分析决定。第一,用哪种连接数据:结构连接(structural connectivity, SC)、功能连接(functional connectivity, FC)、二者拼接,还是结构—功能耦合(structural–functional coupling, SFC,一个脑区的结构连接谱与功能连接谱的相关)。这几种数据的特征规模悬殊,SFC 每个脑区一个特征,只有 246–360 个,拼接后有 60,270–129,240 个,被试却只有 560 人。第二,怎样处理线性回归的向均值回归偏差:老年人被预测得偏年轻,年轻人偏年长,这是回归的统计假象,不是真实差异。校正方法不止一种,每一种都直接改写预测值,也就改写了 BAG,它们的相对影响此前没有被系统比较过。第三,用哪个图谱划分脑区,不同图谱的依据和粒度各异,连接特征的构造也跟着变。

只固定一条流程,就分不清误差和结论里有多少来自这些决定。作者认为这些选择在很大程度上是任意的。先前的脑龄 multiverse 研究只变预处理或算法,且只用单一模态;这篇预印本在同一框架里同时变化模态、偏差校正和图谱。

多重分析路径(multiverse analysis)用大白话讲,就是把这些决定全部交叉起来,每一条路径都完整跑一遍,再看每个决定各占多少分量,决定之间有没有交互。



02 同一批人、同一次划分,路径之间只差分析决定

数据来自 CamCAN:同一批人同时有弥散成像和静息态功能磁共振,年龄 18.6–89.0 岁,由同一台 3T Siemens 扫描仪按统一协议采集,所以 SC 与 FC 的比较是同一批人之内的比较。三种数据齐全的 641 人中,剔除预处理出问题、缺人口学信息和运动过大者后,留下 560 人。

84 个条件是 7×4×3。校正方法 7 种:无校正、Cole、Beheshti,以及在二者之上再加 Zhang(按年龄层面校正)、再加 Niu(允许非线性)的四种组合。模态 4 种:FC、SC、SC 与 FC 拼接、SFC。图谱 3 种:Brainnetome(246 区)、Gordon(333 个皮层区)、HCP MMP1.0(360 区,多模态)。

560 人全部进入这 84 个条件,共用同一个按实际年龄分层的 80/20 划分,测试集 111 人。每个模态和图谱的组合训练一个弹性网络回归(elastic net),训练集内用 5 折交叉验证重复 5 次来调参,目标是平均绝对误差(mean absolute error, MAE)最小。偏差校正的参数只用训练集的折外预测(out-of-fold)估计,再用到测试集,避免泄漏。条件之间的差异因此来自流程,不来自被试或划分。选弹性网络,是因为特征远多于被试,它能把绝大多数系数压成零,留下的权重又可以直接读出来;作者还提到,正则化回归在预测精度与生物标志物效用的权衡上更有利。

统计上用多水平线性模型,模态、校正、图谱及其交互为固定效应,被试为随机截距,因变量是个体绝对误差的平方根。同一个人出现在全部条件里,随机截距(ICC = .208)把人与人的差异分出去,剩下的才是流程的差异,决定之间的交互也能一并检验。这套数据的代价是健康成人、单一数据集、单一扫描仪,结论能推多远放在下一节末尾说。



03 单一流程看不到的三件事

先看误差由哪些决定拉开。84 个条件的 MAE 从 5.26 岁到 18.30 岁,但大多数在 5–8 岁之间,宽范围主要由少数表现差的流程拉出来。多水平模型里,模态(F(3, 9130) = 224.15,ηp² = .070)和校正(F(6, 9130) = 130.84,ηp² = .080)是作者所称的中等大小效应,模态×校正的交互 ηp² = .030,图谱没有主效应(F = 0.05,p(BH) = .992)。只跑一条流程,你得到一个 MAE,不知道它落在这片范围的哪里;一次只改一个决定,比如固定校正只换模态,又看不出模态的差异会随校正而变。全部交叉之后才看到,误差由模态和校正一起拉开,图谱不在其中。


第二,两个“多总比少好”的直觉没有成立。拼接 SC 与 FC 并不比单独的 SC 好:所有校正和所有图谱下都没有显著差异(ps 分别 > .470 和 > .219),只是在大多数条件下优于单独的 FC。只拿拼接和 FC 比,会得出“加上结构信息有帮助”;把 SC 也放进来才看到,拼接没有比它更好。作者的解释是 SC 已捕获预测年龄所需的大部分信息,FC 的年龄信号可能与之重叠,也可能本来就更弱。SFC 在所有图谱下都比拼接差(ps < .001),多数校正条件下也是如此(只用 Beheshti 时除外)。要分清是特征少还是信息少,作者做了事后的探索性分析:把拼接数据抽样到与 SFC 相同的特征数,再逐步翻倍,每个规模重复 50 次。Brainnetome 和 HCP MMP1 下,特征数相同时拼接已优于 SFC;Gordon 下,要到两倍特征数才超过。所以 SFC 差不全是特征少,但三个图谱里只有两个支持这一点。

校正叠得越多越好,是另一个直觉。无校正、一步、两步、三步之间,MAE 没有单调下降(ps 均 > .374),而 Beheshti 类校正一贯显著低于 Cole 类(ps < .001)。作者认为校正本来是去偏差而不是降误差,偏差降了,精度未必提高;Cole 把预测除以回归斜率重新缩放,他们推测这很可能在放大信号的同时放大了噪声。只比较有无校正,就看不出分水岭在校正的种类上。


第三,准确度一样,连接并不一样。图谱对 MAE 没有主效应,粒度越细越好的假设也没有成立。只看误差,结论会是图谱随便选。可是把各图谱的连接映射到 Yeo-7 网络,取前 10 条最具预测性的网络对网络连接来比,SC 和拼接模型的图谱间重叠,用 fold enrichment(FE,观察到的重叠与随机期望之比)衡量,都在 0–0.9,低于随机水平。只有 FC 出现 FE > 1:三图谱共有的 1 条连接 FE = 3.0(p = .297),Gordon 与 HCP MMP1 共有的 4 条 FE = 2.7(p = .024),按本文设定的 α = .01,两处都不显著。

事后的探索性分析进一步发现,重要性矩阵稀疏度达 97.78%–99.43%,非零特征仍有 620–833 个,前 10 个特征只占总重要性的 6.03%–9.57%,累计到一半要 99–157 个。作者推测,低重叠可能既反映真实的图谱依赖,也反映在权重相近的特征之间任意取舍,这与脑老化是分布式变化一致。这样看来,前 10 条连接的名单很难当作脑老化集中在某几条通路上的证据。


解读时有几处要小心。这是未经同行评议的预印本,只用了弹性网络一种算法,作者指出不能外推到非线性模型或深度学习;数据是单一数据集中的健康成人,84 个条件的 MAE 都来自同一次中心划分的 111 人测试集,没有重复划分,也没有外部数据。MAE 最优也不等于对疾病敏感:作者引用 Schulz 等人在 UK Biobank 的结果,按年龄预测优化的模型对疾病相关变异的敏感性反而下降,本研究没有检验这点,所以作者只在以预测精度为目标(如建立健康人群常模)时支持用拼接或 SC 加 Beheshti 校正,以生物标志物为目标时不给具体组合。流程因素与误差的关系来自模型比较,不是对真实脑老化的因果推断。



04 哪些数据可以借这套做法

如果你的分析里有几个“看起来都合理”的决定,结果又依赖这些决定,特征多而被试相对少,比如用连接特征预测年龄、认知或症状,就可以借这套做法。它适合回答结论有多少来自分析决定而不是数据本身、哪些决定之间有交互、重要特征在不同决定下是否稳定。

迁移时先核对几件事:同一批人是否进入全部路径,路径之间才可比;划分和校正是否只用训练集的信息,以免泄漏;条件多时怎样控制多重比较,本文用 BH-FDR 并把阈值定为 α = .01;结论能否外推到临床样本,本文只有健康成人,MAE 最优与疾病敏感之间还隔着没有检验的一步。

分享人:天天
审核:PsyBrain 脑心前沿编辑部

● 原文信息与获取方式

DOI:10.64898/2026.10.12.758514

获取原文:

1. 三连后添加小助手:PSY-Brain-Frontier 获取

版权归属作者团队和出版社,本文仅做分享



特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
热火6连胜已升东区第四!字母场均30+13+5太猛 美媒晒1纪录赞不绝口

热火6连胜已升东区第四!字母场均30+13+5太猛 美媒晒1纪录赞不绝口

颜小白的篮球梦
2026-11-19 19:35:40
凌晨3:00,美联储全面宣战!50基点加息重回视野

凌晨3:00,美联储全面宣战!50基点加息重回视野

魏家东
2026-11-19 17:23:35
旭日旗事件越闹越大!陈宇昕三代都是亲日分子,母亲身份已澄清

旭日旗事件越闹越大!陈宇昕三代都是亲日分子,母亲身份已澄清

平老师666
2026-10-27 20:56:19
当下 “发不出工资” 的 4 个行业!比想象中还严重!

当下 “发不出工资” 的 4 个行业!比想象中还严重!

职场资深秘书
2026-11-20 10:16:31
中美会晤1小时,特朗普说出真心话,这句美妙的祝福,中国收下了

中美会晤1小时,特朗普说出真心话,这句美妙的祝福,中国收下了

讲者普拉斯
2026-11-19 21:44:27
中美关系本就已很难缓和,经过美国与伊朗这一战,中国几乎彻底放弃了对美国的幻想,中美关系早已不是“能不能缓和”的问题了

中美关系本就已很难缓和,经过美国与伊朗这一战,中国几乎彻底放弃了对美国的幻想,中美关系早已不是“能不能缓和”的问题了

人生录
2026-11-08 04:27:14
学历贬值,日本的剧本已经演完了,我们几乎在逐页重演

学历贬值,日本的剧本已经演完了,我们几乎在逐页重演

起点人文
2026-10-15 13:07:03
2027年最会赚钱的3个生肖:贵人深度绑定,生意一路顺

2027年最会赚钱的3个生肖:贵人深度绑定,生意一路顺

星缘生肖
2026-11-19 11:50:47
美、英、俄、澳等外媒争相发声:中国已崛起,伟大复兴势不可挡

美、英、俄、澳等外媒争相发声:中国已崛起,伟大复兴势不可挡

锅锅爱历史
2026-10-10 14:32:55
深圳“三巨头”掀了谁的桌?一份宣言,四把刀,刀刀切在真正要害

深圳“三巨头”掀了谁的桌?一份宣言,四把刀,刀刀切在真正要害

淡然小司
2026-11-19 19:35:21
短短3天3笔续约!曝皇马和34岁门神新签1年合同 为他3个月2拒新援

短短3天3笔续约!曝皇马和34岁门神新签1年合同 为他3个月2拒新援

风过乡
2026-11-20 06:58:42
现货黄金跌破3600美元!实探深圳水贝:买家等到了心理价位,商家却喊“补早了”

现货黄金跌破3600美元!实探深圳水贝:买家等到了心理价位,商家却喊“补早了”

澎湃新闻
2026-11-20 08:32:53
画面不堪入目!百万粉丝女网红被捕,36部污秽视频藏儿童学习机里

画面不堪入目!百万粉丝女网红被捕,36部污秽视频藏儿童学习机里

寒士之言本尊
2026-07-28 15:27:31
股市:大家不用等了!如无意外,股票或将历史重演

股市:大家不用等了!如无意外,股票或将历史重演

星语者056
2026-11-20 08:55:26
DeepSeek,千亿融资落地:外部股东囊括腾讯、中国移动、宁德时代、兆易创新等

DeepSeek,千亿融资落地:外部股东囊括腾讯、中国移动、宁德时代、兆易创新等

每日经济新闻
2026-11-19 14:51:05
恭喜宏远!NBA2米03锋线大杀器接近加盟,广东队成最大潜在下家?

恭喜宏远!NBA2米03锋线大杀器接近加盟,广东队成最大潜在下家?

绯雨儿
2026-11-20 13:03:48
这就是号称让CBA大结局的外援?22投20分,自家球迷直言受不了

这就是号称让CBA大结局的外援?22投20分,自家球迷直言受不了

弄月公子
2026-11-20 05:35:06
5-1横扫!就在刚刚,斯诺克德国大师赛爆大冷:世界第65名掀翻世界第52!48岁老将打疯了,中国军团4胜2负,28岁黑马太憋屈

5-1横扫!就在刚刚,斯诺克德国大师赛爆大冷:世界第65名掀翻世界第52!48岁老将打疯了,中国军团4胜2负,28岁黑马太憋屈

锐评利物浦
2026-11-19 14:40:43
《GTA6》取消招妓机制 服务情侣故事

《GTA6》取消招妓机制 服务情侣故事

3DM游戏
2026-11-19 06:10:04
欢迎晚宴合影期间,普京和特朗普互动握手

欢迎晚宴合影期间,普京和特朗普互动握手

每日经济新闻
2026-11-19 20:43:37
2026-11-20 13:44:49
PsyBrain脑心前沿
PsyBrain脑心前沿
追踪脑科学新动态,聚焦认知与神经新研究
806文章数 24关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

特朗普返美途中发文:这是一次伟大且意义深远的访问

头条要闻

特朗普返美途中发文:这是一次伟大且意义深远的访问

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

袁茵却用事实证明 活得并不差!

财经要闻

Anthropic敲钟 美股跳水:AI狂欢结束?

汽车要闻

方程豹钛9实测 堪称比亚迪最强混动的DMS到底怎么样?

态度原创

房产
旅游
教育
家居
时尚

房产要闻

2.5亿!丁村侨中,新动作来了!

旅游要闻

约雄冰川的生态密码

教育要闻

你认识boat,但未必认识“划船”的boat

家居要闻

2026建博会(广州) 公装联探展交流活动

今年冬天不穿大衣了?这件“非凡外套”才是真顶流!

无障碍浏览 进入关怀版