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

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