关于GCA统计

Submitted by vivianjava on
您好，我最近正在学习GCA，使用你们的GCA工具中碰到了一些问题，想向你们请教，万分感谢! 1,我现在做GCA的residual-based GCA分析，如果做voxel-wise分析，可以得到Zscore，很方便我直接用来统计。但是我发现这里的Z-score是利用减均值除方差的方法做的。而在Investigating neural primacy in Major Depressive Disorder: multivariate Granger causality analysis of resting-state fMRI time-series data（JP Hamilton，2010）中，是直接利用Fisher Z transformation做的，也就是Z=0.5*ln((1+C)/(1-C))做的。这里的C就是直接得到的因果系数beta（coefficient-based），是不是就是说如果是residual-based的话，做统计就要用减均值除方差，如果是coefficient-based的方法，就要用Fisher Z transformation转换一下C，然后用Z值来做统计？ 2，做ROI-wise分析的话，如果用residual-based的话，是无法计算Z值的，这是因为这时无法减均值除方差对吧，这时候我要是想做统计，就只有用permutation或是bootstrap是么？但是我如果这样做的话，好像无法比较control-patient对照时的情况，此时我觉得就只能在control或是patient里做了within group检测了。 3，做ROI-wise分析的话，如果用coefficient-based的话，此时我也可以用Fisher Z transformation将C转换为Z值，然后进行相应的统计是吧？ 4，我也做了多ROI的multivariate GCA分析，基于conditional-GCA做的，也是residual-based.这时候我要是做统计的话也只能基于permutation或是bootstrap是吧，如果这时候我也用coefficient-based的话，就可以也用Fisher Z transformation转Z值，然后再做统计了是么？ 5，关于ROI的选取，我看很多基于rest-fMRI的GCA分析，ROI大都根据ICA的结果定的，请问这个是必要的么？我可以根据我做rest-fMRI时的组分析结果来画ROI也可以吧？ 谢谢！

YAN Chao-Gan

Wed, 07/20/2011 - 14:37

Permalink

你好！ 以下是我的一下理解，不一定对，请参考。也请振享有时间的时候帮忙回复一下？谢谢！ 1. 减全脑均值除全脑标准差的Z变换，可以一定程度提高正态性，使得下一步的T检验得到更好的基础以进行。对于coefficient-based，我并不赞同采用Fisher Z变换，因为coefficient-based的Granger回归系数beta与相关系数R本质上是不同的。另外Hamilton et al., 2010 并未Granger Causality Coefficient做Fisher Z变换，他们是对普通的功能连接做Fisher Z变换以定义ROI的。对Granger Causality Coefficient是直接做T检验的。 2. 两组之间，还可以参考一种Mann-Whitney U test (Sridharan, D., Levitin, D.J., Menon, V., 2008. A critical role for the right fronto-insular cortex in switching between central-executive and default-mode networks. Proc Natl Acad Sci U S A 105, 12569-12574.)。 3. 个人的建议是，可以直接对coefficient-based系数进行双样本T检验。 4. Permutation test倒也不是一个很坏的做法，在这种情况下，ROI已经不多了，计算量应该不会太大。对于后者，个人认为可以直接做统计。 5. 定义ROI，主要取决于你的假设。Greicius他们Group有一个用ICA定义了很多脑区的工作，如果要用这样来定义功能ROI，也还是可以的。另外，如果你本身就有很强的假设哪个脑区有异常，直接用结构的知识并参考前人的研究定义ROI，就有比较强的假设驱动。 祝研究顺利！

啊，总算登上来了，不知道为什么我注册后就当天可以发帖子，之后好长一阵子都不可以进来回复，现在总算好了。 谢谢解答，让我对GCA清楚了不少。不过目前z变换可以提高正态性，是文献可以支持么？这个算法好像只能使用于voxel-wise的，如果是ROI-based的就要像严老师说的那样要么做u-test，要么是permutation了。 我用了matlab的GCA工具（Anil K. Seth，V2.9，2011），也出现了一些问题： 1，分别做permutation的conditionnal-GCA和partial-GCA，发现对于相同的4个roi，我做相同的permutation次数，不论是做组内测试还是组间测试都有蛮大的区别，主要是问题出现时间序列不够covariance stationary。这主要是因为在做bold的任务测试时，有5次平均，每次平均里有2个block（分别对应task和rest），每个block是13个时间点，我想是因为点数较少造成的。有介绍可以用时间序列的First-order differencing来使得序列变得稳态，不过这时候又会影响频域的因果分析，原文如下: Note that differencing may be problematic for analysis of frequency-dependent G-causality, because it can change the spectral properties of the time series (acting as a kind of high-pass filter). If differencing is needed, be sure to compare the frequency spectra of the original and non-differenced time series. 所以是不是说其实不建议用这种differencing的方法呢？ 2，我尝试过对同一个task的5次平均里的block做平均后再做GCA分析，但是同样的也是不够稳态。也有说同一个任务的5次平均里的block应该分别做GCA分析，请问哪一种比较好呢？ 3，目前我想根据目前的文献报导，选取一个最主要的和病例相关的ROI，然后用rest toolbox里的GCA分析中voxel-wise 的 residual-based GCA分析做一下统计，看看和这个ROI有关系的区域主要在哪里，把这些定做其他的ROI，然后用Seth的toolbox，做这些ROI之间的conditional-GCA分析，用permutation分别做组内分析和组间分析，请问这样的方法可行么？或是我可以直接根据文献报导或是病理相关挑出几个ROI直接做conditional-GCA分析呢？因为Hamilton et al., 2010 是用功能连接来定义ROI的，所以其实也可以仿照他们的算法，用功能连接找到和预先选定的ROI相关的区域作为之后GCA的ROI？做多ROI GCA分析时，这几种ROI的定义方法哪一个比较好呢？ 谢谢大家的指教！

您好！
      看到您提到“用matlab的GCA工具（Anil K. Seth，V2.9，2011）”、“然后用Seth的toolbox，做这些ROI之间的conditional-GCA分析”，麻烦您把GCA工具（seth的toolbox）发给我邮箱一份好吗，wangyunxia@ihep.ac.cn，非常感谢！
      在此请教一个问题：用REST做ROI-WISE的功能连接，得到每个被试各个ROI之间的相关的txt文件，但是想要进行组分析，应该怎么统计呢？谢谢！

 Fisher z 变化是针对相关系数的，coefficient是直接可以做参数检验的。严师兄回答的很准确，可以参照他的留言
Forums
Discuss