1. 通道和特征识别:一项综述以及基于机器学习模型的用于情绪和ASD分类的大规模特征提取方法
自闭症谱系障碍(Autism Spectrum Disorder，ASD)的特征是出现社交和认知技能障碍、情绪障碍、焦虑和抑郁等。长期的常规ASD诊断已经提出，针对该疾病绝对需要早期有意义的干预。最近，不同的研究团队提出了通过使用深度神经网络(deep neural networks，DNN)和机器学习算法的情绪预测进行ASD诊断和干预的潜力。然而，这些系统缺乏通过多个基准数据集的广泛的大规模特征提取(large-scale feature extraction，LSFE)分析。LSFE分析可以用来识别情绪和ASD预测的最相关的特征和通道。
图1. (A) ASD 统计数据 (B) ASD 治疗费用 (C) ASD、焦虑和抑郁 (D) ASD 中的自杀企图。
图2.用于情绪和 ASD 分类的功能轮图。考虑到这些挑战，我们第一次使用LSFE和特征选择算法(feature selection algorithms，FSA)分析和评估了广泛的特征集，以选择最佳特征。使用不同的最佳情况FSA来识别一组多达八个最佳通道。还确定了个体水平的最佳通道和特征。
对于使用线性支持向量机(linear support vector machine，LSVM)分类器的情绪预测，我们所提出的方法分别提供了95%、92%和90%的最佳情况准确度、精确度和召回率。它还为ASD分类提供了最好的准确度、精确度和100%的召回率。这项工作利用了迄今为止文献中报道的最大数量的基准数据集(5)和受试者(99)进行验证。在这项工作中提出和利用的LSVM分类算法比最近在ASD和情绪预测系统中使用的DNN、卷积神经网络(convolutional neural network，CNN)、朴素贝叶斯和动态图形CNN具有明显更低的复杂度。
参考文献
Aslam, A. R., Hafeez, N., Heidari, H., & Altaf, M. A. B. (2022). Channels and Features Identification: A Review and a Machine-Learning Based Model With Large Scale Feature Extraction for Emotions and ASD Classification. Frontiers in Neuroscience, 1094.
2. 催产素和血清素在神经功能调节中的作用:自闭症相关行为的神经生物学基础
自闭症谱系障碍(Autism spectrum disorders ASD)是一组广泛性神经发育障碍，其主要临床特征是社交障碍和重复性刻板行为兴趣。其中，脑网络结构和功能的异常是自闭症谱系障碍患者社会功能障碍和刻板化表现的神经基础。被诊断为ASD的患者数量逐年增加，但目前仍然缺乏有效的干预和治疗措施。
图3. 催产素和血清素对自闭症谱系障碍 (ASD) 核心症状的调节。
催产素已被揭示能有效改善社会认知功能，显著提高ASD患者的社会信息处理能力、共情能力和社会交往能力。血清素水平的变化也被报道可以影响大脑的发育并引起ASD样行为异常，如焦虑、抑郁样行为、刻板行为。
本文将重点介绍5-羟色胺和催产素在自闭症发病机制、脑回路改变和治疗中的研究进展。揭示5-羟色胺和催产素对ASD患者的调节作用及其神经机制，不仅有助于更深入地理解ASD的发病机制，而且具有重要的临床意义。
参考文献
Zhao, F., Zhang, H., Wang, P., Cui, W., Xu, K., Chen, D., ... & Wei, S. (2022). Oxytocin and Serotonin in the Modulation of Neural Function: Neurobiological Underpinnings of Autism-related Behavior. Frontiers in Neuroscience, 1143.
3. 自闭症谱系障碍患者右侧颞顶结合部非典型有效连接:一项多点研究
社会功能障碍是自闭症谱系障碍的核心症状。尽管许多研究已经通过各种神经影像工具针对ASD患者开展了研究，但由于该疾病复杂多样的症状，其社会功能变化的脑机制仍不清楚。右侧颞顶结合部是与ASD个体社交障碍相关的关键脑区之一，本研究旨在使用静息态功能性磁成像数据来探索右侧颞顶结合部(right temporoparietal junction，RTPJ)与整个大脑之间的有效连接，以进一步加深我们对ASD神经病理学机制的理解。
这项研究涉及来自自闭症脑成像数据交换(Autism Brain Imaging Data Exchange，ABIDE)公共数据集的23个站点的1454名参与者，其中包括618名自闭症患者和836名典型发展(typical development，TD)患者。首先，选择RTPJ作为感兴趣区域(region of interest, ROI ), 进行基于体素的格兰杰因果分析(Granger causality analysis，GCA ), 以调查每个部位ASD和TD组之间有效连接的差异。接下来，为了获得更精确和更有代表性的结果，实施了基于图像的元分析，以进一步分析每个站点的GCA结果。
图4. (A) 从 RTPJ 到全脑的 GCA 结果。 (B) 从全脑到 RTPJ 的 GCA 结果。
我们的结果证明了RTPJ和广泛分布的大脑区域之间的异常因果联系，并且这种联系与患有ASD的个体的社会损伤有关。本研究有助于进一步阐明ASD的病理机制，并为今后的研究提供了新的视角。
参考文献
Hao, Z., Shi, Y., Huang, L., Sun, J., Li, M., Gao, Y., ... & Li, H. (2022). The Atypical Effective Connectivity of Right Temporoparietal Junction in Autism Spectrum Disorder: A Multi-Site Study. Frontiers in Neuroscience, 16, 927556.
