背景：失眠障碍是最常见的睡眠障碍。更好地理解与失眠相关的大脑偏离可能会启发更好的治疗方法。目前对失眠人群内部异质性认识不足可能会模糊对所涉及脑回路的检测。在本研究中，我们调查了结构性脑连接偏离是否在最近发现和验证的失眠亚型之间存在差异。

     方法：对来自4项独立研究的结构性和弥散加权3T磁共振成像数据进行了协调统一。样本包括73名无睡眠问题的对照组参与者和204名失眠参与者，这些失眠参与者根据失眠类型问卷(ITQ)评估的情绪和人格特征指纹被分为5种失眠亚型。采用校正年龄和性别的线性回归来评估结构连接强度的组间差异，这种强度通过分数各向异性(FA)、流线体积密度(SVD)和平均扩散率(MD)来表示，并在3个不同图谱中进行评估。

     结果：失眠亚型表现出差异化的结构连接偏离特征，这些偏离集中在不同的功能网络中。与随机抽取的异质性子样本进行置换检验表明，在5种亚型中的4种中存在显著的特异性偏离特征：高度困扰型、中度困扰奖励敏感型、轻度困扰低反应型和轻度困扰高反应型。连接偏离特征的显著性在不同的脑区分割和连接权重分辨率下，p值范围从0.001到0.049。

     结论：我们的结果初步表明，不同的失眠亚型表现出结构性脑连接偏离的不同特征。对失眠进行亚型分类可能对更好地理解导致失眠易感性的脑机制至关重要。本文发表在Biological Psychiatry杂志。

关键词：连接性、异质性、失眠、神经影像学、亚型、白质

正文：

     失眠障碍是一种常见的睡眠障碍，影响约10%的欧洲成年人口。失眠患者持续存在入睡困难、维持睡眠困难和/或早醒，并伴有主观的日间功能受损。失眠障碍会带来严重后果，包括增加心血管疾病、肥胖和精神疾病的风险。失眠认知行为疗法可以缓解失眠症状的负担，并有助于预防其他精神疾病。然而，即使配合使用催眠药物，失眠认知行为疗法也不能为所有患者带来充分的缓解。为了创新和改进治疗方法，我们需要更好地了解与失眠易感性相关的脑回路。到目前为止，脑成像研究尚未能确定一致的、特定位置的脑区域偏离。因此，有人提出失眠更可能涉及分布式偏离，这种偏离可以通过研究脑区之间的结构连接来揭示。结构连接偏离可能影响发展和维持失眠的易感性。比较失眠障碍患者和无睡眠问题者的结构和功能成像研究综述表明，默认模式网络和突显网络可能参与失眠。然而，研究间的解释方差和一致性有限。有人提出，神经影像学结果的不一致可能部分归因于对受影响人群内部未被认识到的异质性；大脑结构或功能的不同分布偏离可能表现为相同的疾病表型。

     如果能在这样一个异质性人群中识别出更多同质性的亚型，就可能更一致地确定相应的结构连接偏离。如何定义不同的失眠亚型仍是一个持续讨论的问题。各种失眠亚型分类主要关注主要的睡眠问题。遗憾的是，基于睡眠特征的分类可能不太稳健。最近，一种自下而上的数据驱动方法揭示了5种更稳健的失眠障碍亚型。这些亚型不仅仅关注睡眠特征，还可以根据其困扰水平以及独特的人格和情绪特征谱进行区分。这些亚型可以通过失眠类型问卷(ITQ)进行评估。可以假设，基于ITQ的失眠亚型在与这些区分性情绪和人格特征相关的脑回路偏离方面也存在差异。

     因此，在本研究中，我们旨在比较5种基于ITQ的失眠亚型的结构连接。基于文献报道的脑区功能映射和亚型特异的情绪和人格特征，我们选择了额叶、眶额叶和颞叶脑区纳入分析。使用分数各向异性(FA)、流线体积密度(SVD)和平均扩散率(MD)评估所选区域之间白质微结构的连接。对204名分型的失眠障碍患者和73名无睡眠问题者的分析首次表明，失眠亚型可能具有不同的结构连接偏离特征，有时甚至出现相反的偏离。我们进一步通过识别每种亚型最受影响的主要功能网络来对我们的发现进行背景化理解。

方法和材料

参与者 

      数据来自阿姆斯特丹荷兰神经科学研究所睡眠与认知研究组在2014年至2021年间进行的4项研究。参与者通过荷兰睡眠登记处(http://www.slaapregister.nl)、广告和媒体招募。在所有研究中，申请者年龄在18至70岁之间均可参加。筛选通过电话、在线问卷和后续的入组面谈进行。根据原始研究样本，失眠障碍的诊断遵循国际睡眠障碍分类和DSM-IV或DSM-5标准。申请者的排除标准在原始研究中有所不同，但一致包括：目前诊断有严重睡眠呼吸暂停；严重不宁腿综合征；发作性睡病；任何其他严重的神经系统、精神或躯体疾病；目前轮班工作；或任何磁共振成像(MRI)禁忌症，如非MR兼容的金属植入物、幽闭恐惧症或妊娠(详见补充材料)。此外，3项研究记录了多导睡眠图，用于检查是否存在未诊断的除失眠外的严重睡眠障碍。所有研究均获得自由大学医学中心或阿姆斯特丹大学伦理委员会批准。所有参与者均签署知情同意书。

测量 

      样本特征使用以下量表描述：失眠严重程度指数(范围0-28)、匹兹堡睡眠质量指数(范围1-21)、抑郁症状自评量表(范围0-84)和医院焦虑抑郁量表(焦虑和抑郁分量表范围均为0-21)。这些问卷的得分越高表示症状越严重。对于诊断为失眠障碍的参与者，我们使用ITQ确定失眠类型。使用两台飞利浦Achieva 3T扫描仪获取T1加权和弥散加权图像(MRI采集细节见补充材料)。

结构连接组重建 

     对每个样本分别进行结构连接网络的预处理和重建。使用FreeSurfer(稳定版6.0.1)的recon-all功能对T1加权扫描进行预处理和分割。使用Synb0-DISCO(版本3.0)、CATO版本3.2.2和FSL版本6.0.4预处理弥散加权数据并重建结构连接矩阵。对于网络重建，我们使用了包含114个皮层区域的Desikan-Killiany图谱的精细卡蒙（Cammoun）子区划。为验证我们的发现，我们还使用了FreeSurfer中的Desikan-Killiany组合皮层和皮层下图谱(包含82个区域)，以及Schaefer等人的皮层区划(包含100个区域)。对于每个图谱，区域间连接的权重计算为所有流线通过的体素的加权平均FA或MD值，或者计算为两个区域之间的流线数量除以连接区域的平均体积(SVD)。为确保每个连接有足够的数据点，分析仅包括在至少70%参与者中存在的连接。为了解决多站点和多样本效应，我们使用R语言版本4.0.4中的NeuroCombatR包版本1.0.13对所有脑区之间的每对连接的连接权重进行了样本差异协调(详见补充材料)。

感兴趣区域选择 

      失眠亚型在情绪和人格特征谱方面的差异使得可以进行数据驱动的感兴趣脑区选择来代表这些特征(图1A)。为此，我们利用神经知识引擎(NKE)，这是一个基于18,155篇正电子发射断层扫描和MRI文章的严格神经影像学元分析，将脑结构与功能联系起来的功能神经影像数据库。NKE包含从功能神经影像研究中提取的功能术语和脑激活坐标。通过组合功能术语，NKE描述代表神经生物学领域(如唤醒)的集群。我们将区分基于ITQ的失眠亚型的情绪和人格特征与NKE功能术语进行匹配，以识别失眠亚型存在差异的NKE神经生物学领域(使用的术语列表见补充材料)。如果至少40%的NKE功能术语与区分失眠亚型的术语匹配，则纳入相应的NKE神经生物学领域。接下来，将纳入的NKE神经生物学领域的脑坐标数据配准到图谱空间，并确定每个图谱区域中与失眠亚型相关的NKE神经生物学领域的频率。NKE提供从最少2个到最多50个不同NKE神经生物学领域的任意粒度。我们关注25到50个NKE神经生物学领域的更精细粒度，以获得更具体的神经生物学领域、更小的相关脑区和由于更多NKE功能术语而带来的更高敏感性。对不同的NKE聚类粒度重复上述步骤，使我们能够建立一个指示脑区在失眠中参与程度的热图(图S1)。我们选择了与失眠亚型特征相关的任何神经生物学领域至少链接10次的感兴趣区域。

图1. 脑区选择和获取连接偏离特征的程序

     (A)使用神经知识引擎数据库选择参与区分失眠亚型特征的脑区，并根据Yeo等人的内在功能静息态网络进行功能注释。

     (B)与无睡眠问题者相比，失眠亚型1和2的偏离连接(实线)和非偏离连接(虚线)示例。

     (C)基于每个功能网络中具有偏离结构连接的脑区比例的连接偏离特征示例。通过从所有异质性失眠患者中随机抽取组别进行置换检验获得每个亚型连接偏离特征特异性的p值，同时保持对照组不变。

偏离的结构连接 

      在选择参与区分失眠亚型特征的脑区后(图1A)，基于FA（分数各向异性）、SVD（流线体积密度）和MD（平均扩散率）三次评估白质微结构的连接偏离。对于每个连接，通过在z转换数据上运行2个包含年龄和性别协变量的多元回归模型来估计FA、SVD和MD标准化偏差的组间差异。初始模型比较了包含所有亚型的异质性失眠组与无睡眠问题的对照组。第二个模型将所有5种失眠亚型作为独立组与无睡眠问题者进行比较。后续分析集中于偏离连接，定义为所有超过主要阈值(t统计量)|t|≥2的偏离(图1B)。

功能注释和连接偏离特征 

      对所选脑区之间偏离结构连接的矩阵进行功能注释，以评估失眠亚型在涉及的功能系统方面是否存在差异。根据Yeo等人描述的7个内在功能静息态网络对脑区进行注释。接下来，我们计算每个功能网络中具有偏离连接的区域百分比，方法是将至少有1个超过t统计量|t|≥2的偏离连接的区域数除以功能网络中存在的区域数(图1B,C)。这种方法为异质性失眠组和每个亚型提供了每个功能网络中具有偏离结构连接的脑区比例特征。

基于连接偏离特征的统计 

      使用连接偏离特征的置换检验来评估亚型特异性。这种方法检验如果我们从总的异质性失眠样本中随机抽取子样本与无睡眠问题的对照组进行比较，获得类似结果的概率。我们进行了10,000次置换，在考虑协变量的情况下对失眠参与者的亚型标签进行混洗。简而言之(另见图1B,C)，对于每次置换，我们通过估计随机混洗的亚型组中的连接偏离并计算每个注释功能网络中具有偏离结构连接的脑区数量，重复了上述分析步骤。基于估计的零分布，通过计算在随机标记组中所有5个功能网络注释中至少出现相同数量具有偏离连接的脑区的频率来获得连接偏离特征的p值。p值代表在异质性失眠的随机标记子样本中找到亚型特异性连接偏离特征的可能性。除非另有说明，所有分析均在MATLAB中执行。

结果 

参与者 

     总样本包括73名无睡眠问题的参考组和204名失眠者。在失眠样本中，如Blanken等人所述，31人被分型为高度困扰型，89人为中度困扰奖励敏感型，30人为中度困扰奖励不敏感型，34人为轻度困扰高反应型，20人为轻度困扰低反应型。表S2显示了所有人口统计学特征。

失眠亚型特征映射到额叶、眶额叶和颞叶脑区 

      使用NKE将区分失眠亚型的情绪和人格特征映射到Desikan-Killiany皮层图谱的Cammoun子区划。热图结果(图S1)显示额叶、眶额叶和颞叶区域的参与。基于该热图，在后续分析中纳入了43个感兴趣区域(表S3)，这些区域与任何与失眠亚型特征相关的NKE神经生物学领域至少链接10次(图2A)。

图2. 具有功能注释的偏离结构连接图

     (A)根据神经知识引擎数据库，参与区分失眠亚型情绪和人格特征的Desikan-Killiany皮层图谱Cammoun子区划的脑区表示。颜色表示根据Yeo等人的功能网络区域归属。

    (B)基于分数各向异性的偏离结构连接的环形表示。环号表示皮层区域(表S3)，颜色表示功能网络[如(A)]。连接线的粗细和颜色表示相对于对照组的偏离标准化效应大小，范围在-0.80到0.77之间。

失眠亚型在结构连接偏离方面存在差异 

      关注与失眠亚型相关的选定感兴趣区域的FA加权结构连接，我们首先将无睡眠问题者与异质性失眠障碍组进行对比，随后与5种亚型分别进行对比。对于异质性失眠参与者样本和各亚型，将43个感兴趣区域的结构连接偏离可视化为红色和蓝色线条，分别代表相对于对照组参与者较高和较低的FA值(图2B)。这些偏离连接图显示了与无睡眠问题者相比，不同亚型具有差异化的模式，包括一些相反的偏离。例如，与无睡眠问题者相比，异质性失眠组仅显示皮层区域之间连接强度增加，而所有亚型都显示一个或多个连接强度降低的偏离连接。

失眠亚型的结构连接偏离集中在不同的功能网络中

      为了从功能角度解释我们的发现，我们根据Yeo等人描述的功能网络对感兴趣区域进行注释。与区分亚型的情绪和人格特征相关的额叶、眶额叶和颞叶脑区是Yeo等人描述的7个功能网络中的5个的组成部分，即边缘系统(8个区域)、腹侧注意(11个区域)、躯体运动(8个区域)、默认模式(13个区域)和额顶(3个区域)网络(图2A)。注释的偏离结构连接图显示了涉及的功能系统如何随失眠亚型而异(图2B)。为了获得这些亚型特异性偏离的更全局性整合解释，我们量化了每个组在每个功能网络中具有偏离结构连接的脑区百分比(图3A)。结果显示的连接偏离特征表明，在异质性总样本中，连接偏离出现在躯体运动网络、腹侧注意网络、额顶网络和默认模式网络中。失眠亚型的特征显示这些网络参与程度的差异以及边缘系统网络的参与。失眠亚型在5个功能网络中结构连接偏离的集中程度方面存在差异。高度困扰亚型通过在默认模式网络中显示更多具有结构连接偏离的脑区(13个区域中的8个，62%)而与其他亚型区分开来。在中度困扰奖励敏感亚型中，只有少数连接偏离位于腹侧注意网络中(11个区域中的1个，9%)。在轻度困扰低反应亚型中，偏离集中在腹侧注意网络内(11个区域中的5个，45%)。需要注意的是，43个与失眠相关的感兴趣区域中只有3个属于额顶系统，因此图3中可视化的知觉参与分辨率对该网络不是最优的。关于每个功能网络中偏离连接的绝对数量，请参见补充材料(见表S5-S13和图S11-S16)。

图4. 连接偏离特征

亚型特异性偏离量化为每个功能网络中具有偏离结构连接的失眠相关脑区的百分比。

(A)由Desikan-Killiany皮层图谱的Cammoun子区划定义的脑区。

(B)由Desikan-Killiany组合皮层和皮层下图谱定义的脑区。连接偏离涉及分数各向异性。

检验亚型特异性 

     到目前为止，视觉检查表明，偏离连接在功能系统中的表现因失眠亚型而异。为了检验偏离模式是否具有亚型特异性，并且不会在从异质性失眠样本中随机抽样时出现，我们通过在保持无睡眠问题组的对照标签不变的情况下，对所有失眠参与者的亚型标签进行混洗，运行了10,000次置换。我们发现，高度困扰亚型的连接偏离特征(p=.044，Bonferroni校正后p=.220)与从混合失眠亚型的异质性池中抽取的随机子样本显著不同。

皮层下脑区

    为验证我们的发现并包括皮层下区域，我们使用FreeSurfer中82个区域的Desikan-Killiany组合皮层和皮层下图谱重建了热图，重复了连接图分析和连接偏离特征分析。热图分析选择了38个感兴趣区域，类似于使用Cammoun 114个皮层区域方法选择的皮层区域，还包括皮层下结构，即左侧豆状核和双侧海马体、杏仁核和伸展核心区。偏离连接图再次显示了与无睡眠问题者相比，不同亚型的差异化模式，有时出现相反的偏离(图4B)。对连接偏离特征的视觉检查显示亚型之间存在明显差异，并表明皮层下区域在所有亚型中都有参与，特别是在轻度困扰低反应亚型中(图3B)。置换检验显示，轻度困扰低反应亚型的特征(p=.021，Bonferroni校正后p=.105)与从混合失眠亚型的异质性池中抽取的随机标记子样本显著不同。

图3. 功能网络内包括皮层下区域的偏离结构连接图。

     (A)根据神经知识引擎数据库，参与区分失眠亚型情绪和人格特征的Desikan-Killiany组合皮层和皮层下图谱的脑区表示。颜色表示根据Yeo等人的区域所属功能网络。

     (B)基于分数各向异性的偏离结构连接的环形表示。环号表示皮层区域(表S4)，颜色表示功能网络[如(A)]。线条的粗细和颜色表示相对于对照组的偏离标准化效应大小，范围在-0.67到0.67之间。

连接偏离特征的一致性

     除了上述报告的FA加权结构连接发现外，我们还分析了两个图谱和Schaefer等人的皮层区划中的MD加权和SVD加权结构连接。表1显示了不同脑区分割和连接权重下每个失眠亚型连接偏离特征的置换p值。分析显示根据脑区分割和连接权重存在一些变异；然而，高度困扰、中度困扰奖励敏感和轻度困扰高反应亚型的连接偏离特征在多项分析中均具有显著性。有关重建方法、扫描仪位置、脑容量和感兴趣区域的其他验证分析，请参见补充材料和表S14至S16。

表1. 连接偏离特征的p值 

基于置换的p值显示了在不同脑区分割和连接权重下，连接偏离特征与从混合失眠亚型的异质性池中抽取的随机标记子样本的差异程度。Cammoun表示Desikan-Killiany的Cammoun子区划；Desikan-Killiany表示组合皮层和皮层下Desikan-Killiany区划；Schaefer表示Schaefer等人的皮层区划。

FA：分数各向异性；MD：平均扩散率；SVD：流线体积密度。

a：p < .05 b：Bonferroni校正后p < .05

讨论

      本研究表明特定的失眠亚型具有不同的结构连接偏差模式。与失眠障碍相关的结构连接偏差因失眠的具体亚型而异,甚至可能呈现相反的方向。对于由亚型区分性人格和情绪特征相关回路定义的感兴趣区域,结构连接偏差主要体现在边缘系统、默认模式网络和腹侧注意网络中。这些网络内的脑区表现出的结构连接偏差程度在不同亚型之间存在差异。我们通过3个脑图谱、3种连接权重和置换检验证实了这些发现的稳健性。我们的研究结果表明,失眠亚型具有独特的结构连接偏差特征,其中一些偏差在异质性失眠样本中会相互稀释甚至抵消,而这些样本中不同亚型的比例分布是未知的。

异质性失眠障碍

      在所有脑图谱中,异质性失眠样本显示额叶区域与边缘系统、腹侧注意网络、默认模式网络和额顶网络的连接存在偏差。边缘网络的连接偏差仅在Desikan-Killiany皮层和皮层下组合图谱中被观察到。先前针对异质性失眠人群的研究也报告了类似的结构连接偏差,涉及眶额回、额上回、扣带回和岛叶等区域,以及边缘系统和默认模式网络。需要强调的是,本研究主要关注亚型间连接偏差的差异,因此可能忽略了所有失眠患者普遍存在的、与亚型无关的连接偏差。例如,角回不在我们基于亚型区分性人格和情绪特征定义的感兴趣区域内,因此我们未能评估先前提出的角回连接偏差。与既往研究的差异可能部分源于我们采用的感兴趣区域方法,也可能是由于不同研究样本中亚型分布的差异。例如,虽然在我们更大的异质性总样本中被稀释且不显著,但亚型样本在Desikan-Killiany皮层图谱的Cammoun细分中显示出边缘网络的特定结构连接偏差。这些发现表明,异质性失眠样本中未知的亚型比例分布差异可能导致了不一致的研究结果。

失眠亚型

      目前已提出多种失眠分型方法。我们选择使用迄今为止最稳健的分类方法:在5年随访中,87%的患者保持其原始亚型。失眠亚型也曾基于入睡困难等睡眠特征或特定的诱发、促发和持续性因素进行划分。由于缺乏可靠性和有效性,大多数早期亚型已从主要诊断体系中删除。一种显示价值的基于睡眠的分型方法是通过单晚多导睡眠图将失眠分为短睡眠失眠(<6小时)和正常睡眠时长失眠(≥6小时)。然而,我们认为该方法的稳健性不足以满足我们的研究目的;在第二晚记录中,仅32%的短睡眠失眠患者保持其亚型,仅14%在连续两晚均符合短睡眠标准。

       在5种失眠亚型中,有4种的特定连接偏差模式(基于FA、SVD或MD)与随机标记的异质性失眠亚样本的模式存在显著差异。各亚型在主要受影响的功能网络方面存在差异。在高度痛苦亚型中,结构连接偏差主要集中在与默认模式网络、腹侧注意网络和边缘系统相关的脑区。在轻度痛苦低反应亚型中,偏差主要涉及边缘系统和默认模式网络的连接。最后,轻度痛苦高反应亚型的特征是在躯体运动网络、腹侧注意网络、边缘系统和默认模式网络中存在MD加权连接偏差。我们的结果表明,至少在5种失眠亚型中的4种,连接偏差模式具有特异性,且在随机标记的异质性失眠亚样本中被稀释。这些发现支持失眠亚型具有不同神经相关物的观点。

功能网络

      功能注释显示,结构连接偏差主要集中在腹侧注意网络、边缘系统、默认模式网络和皮层下区域,这些都曾与失眠障碍或失眠相关特征有关。

       Yeo等人描述的腹侧注意网络可能是突显网络和扣带岛网络的组合。该网络在识别和响应显著刺激以及在意外刺激后转移注意力方面发挥重要作用。既往研究报告了失眠患者腹侧注意网络或突显网络的结构和功能连接偏差。改变的突显网络连接也见于其他精神疾病,这些疾病以失眠症状为特征,且其多基因风险与失眠的多基因风险高度重叠——特别是抑郁和焦虑。由于其在内部思维和适应不良反刍中的作用,默认模式网络因其在失眠认知控制功能障碍中的潜在作用而受到关注。早期生活经历可能发挥作用,因为它们对包括默认模式网络在内的功能连接具有持久影响,并增加发生失眠的风险。

       在由区分失眠亚型的人格和情绪特征相关脑区定义的感兴趣区域中,边缘网络包括眶额区域和右额极。眶额脑区在情绪、奖赏价值处理、决策和问题解决能力方面发挥重要作用。失眠和抑郁患者的眶额皮层结构和/或功能改变已有报道。一些研究甚至提出眶额皮层可能是连接失眠和抑郁的区域。边缘系统结构连接偏差的程度可能反映了失眠亚型间主观幸福感降低、积极情感减少和抑郁患病率升高的程度。另一方面,轻度痛苦低反应亚型在Desikan-Killiany皮层和皮层下组合图谱中也显示边缘系统连接障碍,但并未表现出类似程度的抑郁特征偏差。这可能的解释是,边缘系统连接障碍可能在所有失眠患者中都会出现,而连接偏差和偏差方向可能因亚型而异(见图2B和4B)。观察到的皮层下连接偏差与此前描述的额叶-皮层下连接改变一致。皮层下区域结构连接偏差的数量在5种亚型间存在差异,在轻度痛苦低反应亚型中最多。

局限性

      需要考虑本研究的局限性。首先,各组样本量符合神经影像学研究常规,但全脑关联研究所需的统计效能仍存在争议。为避免统计效能不足的比较,我们在进行统计检验前将偏差结构连接整合为连接偏差模式。因此,研究结果应在模式水平上解释。其次,我们的研究聚焦于数据驱动选择的皮层和皮层下区域。因此,一些在既往失眠研究中报告的区域和连接超出了本研究的范围。

结论

      我们的研究初步表明：失眠亚型显示出差异化的、亚型特异性的结构连接偏差模式。5种亚型中有4种的亚型特异性结构连接偏差模式与随机抽取的异质性失眠亚样本的预期模式存在显著差异。我们的发现支持失眠亚型可能具有不同潜在脑机制的观点,并表明失眠的亚型分类对于发现更稳健的结构脑相关物和更好地理解所涉及的脑机制至关重要。