厦门免费医学论文发表-总脑血容量变化驱动人体宏观脑脊液通量
朱莉安娜·齐默尔曼 ，克拉拉·布德里奥特 ，克里斯蒂安·艾珀特 ，加布里埃尔·霍夫曼，雷切尔·纳托尔，维克多·诺伊迈尔，莫里茨·潘霍华，塞巴斯蒂安·施耐德，莉娜·施米策，扬·库弗，斯蒂芬·卡茨马兹，丹尼斯·海德里希，
抽象
在哺乳动物的大脑中，脑脊液的定向运动 （CSF-flux） 有助于溶质的分布和清除。据推测，总脑血容量 （CBV） 的变化会驱动 CSF 通量。我们在健康人的两项多模态脑成像实验中测试了这一假设，其中我们通过在麻醉下的神经元爆发抑制或高碳酸血症挑战中的瞬时整体血管舒张来驱动总 CBV 的大幅变化。我们根据功能性 MRI （fMRI） 总脑体积的相关变化，以高时间分辨率间接监测 CBV 变化，并通过动脉自旋标记测量脑血流。将 CBV 敏感信号与 fMRI 衍生的通过基底池的宏观 CSF 流动的测量相关联，我们证明增加总 CBV 会从颅骨中挤出 CSF，而降低 CBV 会允许其流入。此外，当 CBV 稳定时，CSF 在很大程度上停滞不前。总之，我们的结果建立了总 CBV 变化与 CSF 通量之间的直接耦合。
数字
Fig 4Fig 1Fig 2Fig 3Fig 4Fig 1Fig 2Fig 3
引文： Zimmermann J， Boudriot C， Eipert C， Hoffmann G， Nuttall R， Neumaier V， et al. （2025） 脑总血容量变化驱动人类宏观脑脊液通量。公共科学图书馆生物学23（4）： e3003138 号。 https://doi.org/10.1371/journal.pbio.3003138
学术编辑： Maiken Nedergaard，美国罗切斯特大学医学中心
收到： 2024 年 9 月 13 日;接受： 2025 年 4 月 1 日;发表： 4月 24， 2025
版权所有： © 2025 Zimmermann 等人。这是一篇根据知识共享署名许可条款分发的开放获取文章，该许可允许在任何媒体上不受限制地使用、分发和复制，前提是注明原作者和来源。
数据可用性： 所有数据均在正文或补充材料中提供。手稿提供了一个包含从相应受试者的所有 MRI 掩码中提取的原始值的最小数据集。
资金： BZ 是 Albrecht-Struppler-Clinician 科学家研究员，由联邦教育和研究部 （BMBF） 和巴伐利亚自由州根据联邦政府和各州的卓越战略以及慕尼黑工业大学 - 高级研究所资助。https://www.ias.tum.de/ias/zott-benedikt/。德国研究基金会 （395030489） - CS 和 CP。https://gepris.dfg.de/gepris/OCTOPUS 德国研究基金会 （DFG SFB/TRR167 B07） 至 JP。https://gepris.dfg.de/gepris/OCTOPUS。资助者在研究设计、数据收集和分析、发表决定或手稿准备方面没有发挥任何作用。
利益争夺： 作者已声明不存在相互竞争的利益。
介绍
在哺乳动物的大脑中，物质的分布和清除取决于脑脊液 （CSF） 和间质液之间的分子交换 [1–4]。因此，CSF（即 CSF 通量）定向移动到脑实质中对于溶质的有效运输是必要的 [5]。CSF 在脉络丛中形成，沿心室、基底池和蛛网膜下腔移动，然后通过动脉周围间隙进入脑实质 [6]。然而，我们并不完全了解是什么驱使 CSF 沿着这条途径前进。
已经提出了脑脊液通量的几个驱动因素，最突出的是与心脏 [7–10] 和呼吸周期相关的动脉搏动和脑内压变化 [11–14]。此外，越来越多的证据表明，从近慢到慢的脑血流动力学变化是脑中脑脊液通量的第三个重要驱动因素，尤其是在肉眼可见的隔室中，导致比动脉搏动和呼吸诱导的更大、更慢的脑脊液动力学[12,15]。人体功能磁共振成像 （fMRI） 研究研究了整体灰质 （gGM） 和第四脑室或基底池含脑脊液的体素中 fMRI 信号之间的关系 [16–19]，其中，由于所谓的流入效应，进入成像体积的液体看起来比静止或流出的液体更亮 [17]].最近的证据表明，与 gGM fMRI 信号波动相关的血流动力学变化驱动 CSF 运动，并且这种 gGM 血流动力学变化可由神经元活动诱导。因此，浅睡眠期间大脑中缓慢连贯的神经元振荡与 CSF 运动涌入第四脑室耦合 [17]。此外，视觉刺激会诱导神经元活动的显著增加和枕叶皮层相关的血流动力学变化，可以驱动脑脊液通过基底池的宏观脑脊液通量[15]。鉴于 Monroe-Kellie 学说 [20] 指出，在颅骨刚性腔内颅内压稳定的条件下，颅内和椎管体积空间的血液、脑组织和脑脊液体积必须恒定 [21]，假设观察到的 gGM fMRI 变化反映了总脑血容量 （CBV） 的变化， 这导致 CSF [17,22] 从颅骨流入或流出。
然而，到目前为止，缺乏直接证据表明总 CBV 驱动 CSF 通量的缓慢、血流动力学诱导的变化，因为在不同时间尺度上对总 CBV 的直接实验作和时间分辨 CBV 监测具有挑战性。以前的研究观察到睡眠期间缓慢、血流动力学诱导的宏观脑脊液流事件、视觉刺激 [15,17]、用力吸气、推定改变颅内压或自发发生的觉醒相关事件 [16]，并依赖于 gGM fMRI 信号作为总 CBV 的代表。这可能是有问题的，因为灰质中的 fMRI 信号变化主要与血氧水平的变化有关，而不是与总 CBV 的变化有关 [23,24]，可能会混淆假设的血容量关系与 CSF 流信号。为了提供更直接的证据证明缓慢的、血流动力学诱导的总 CBV 变化导致 CSF 流动，我们在不同的时间尺度上进行了两个明确的总 CBV 改变的相关实验，并将它们与总 CBV 的间接但时间分辨的测量相关联。通过在两个实验中使用相对恒定的低总 CBV 时期的双稳态范式，穿插着基本稳定的高总 CBV 时期，我们能够明确地将这个周期的所有四个阶段（即稳定的低 CBV、增加的 CBV、稳定的高 CBV 和降低的 CBV）与它们在基底脑的相应 CSF 流信号联系起来。在第一个实验中，我们在健康年轻志愿者的爆发抑制深度七氟烷麻醉期间同时使用 EEG-fMRI。尽管七氟烷对血管舒张和 CBV 有一般影响 [25]，但由于等电抑制阶段（即最小神经元活动）和整体爆发（即高宽带功率活动）之间的瞬时全脑对比，爆发抑制 EEG 模式特别适合研究快速变化的总 CBV 对脑脊液流的影响 [26]。这项研究扩展了之前在浅睡眠[16,17]或清醒[15,22]期间的研究，其中整体大脑活动相对于其时空活动模式部分且缓慢地改变[27]。从 fMRI 中，我们提取了成像体积底部切片的 CSF 信号以及 gGM 信号。此外，我们间接跟踪了 CBV 诱导的总脑容量变化。为此，我们分析了脑实质和脑室CSF（实质-液体界面，PFI）之间界面的fMRI信号时间进程，该信号先前已被证明与神经元活动或低碳酸血症诱导的实质fMRI信号变化呈反相关[30–32]。根据对脑实质总体积（即灰质厚度或通过结构 MRI 测量的脑实质体积，还包括脑实质内血管的体积）在实验诱导全身血管舒张后增加的观察结果 [28,29]，我们将该位置的信号解释为由爆发抑制相关的总脑体积变化诱导的 PFI 偏移。
其次，我们在进一步的实验中确认并扩展了研究结果，在该实验中，我们通过执行受控的高碳酸血症挑战（即瞬时升高的吸气 CO）直接纵总 CBV2水平。高碳酸血症激发导致动物 [33] 和人类 [34] 的整体血管舒张，从而在整体神经元和代谢活动基本稳定或略微降低的情况下 CBF（即脑灌注）和总 CBV 整体增加 [35,36]。我们进行了时间分辨伪连续动脉自旋标记 （pCASL） MRI 以提取跨受试者的 CBF 时间过程，由于两者之间已建立的关系，我们将其用作并发 CBV 变化的间接指标 [37–39]。然后，在确认总 CBV 变化并假设稳定的氧代谢神经活动的相同实验条件下，我们使用血容量敏感的 fMRI 并观察到 gGM fMRI 信号的巨大瞬时变化与血流依赖性 CSF fMRI 信号改变紧密耦合。
最后，整合这两个实验，我们定义了转换事件（爆发↔抑制、高碳酸血症↔正常碳酸血症）以及稳态阶段（爆发或抑制、高碳酸血症或正常碳酸血症），以研究诱导 gGM-CSF 耦合对 CSF 通量进出大脑的影响在整体大脑状态的不同条件下（例如，清醒时的自主呼吸和机械通气麻醉）或不同的时间尺度（例如， 毫秒的突发抑制转换和 30 秒的高正常碳酸血症转换）。
结果
全局连贯的神经活动开关驱动由 CBV 介导的 CSF 通量
首先，我们测试了全局相干神经元活动开关对 gGM 、 PFI 和 CSF fMRI 信号的影响以及它们在突发抑制麻醉下的耦合。我们使用了先前记录的来自插管和深度七氟烷麻醉 （~4.3%） 健康受试者 （n = 17） [40] 的数据，在突发抑制 EEG 模式下 [32,40,41]。EEG 和 fMRI 数据在 3T-MRI 扫描仪中共同配准（图 1a）。
thumbnail下载：
PPT的PowerPoint 幻灯片
PNG放大图片
国际电影节原始图像
图 1. 爆发抑制麻醉期间耦合神经元活动、gGM、PFI 和 CSF fMRI 信号。
(a） 顶部：实验设计：在飞利浦 Achieva 3.0T 扫描仪中在深度七氟烷麻醉下进行 fMRI 记录。底部：代表性主体 （#5） 中的扫描定位示例。叠加在矢状 T1 加权图像上的 fMRI 体积的示意图，具有 gGM 和 PFI 掩码以及包含 CSF 掩码的切片 1 的代表性切片位置。（b） 使用与 MRI 兼容的 64 电极帽和等距排列的电极 （Easycap） 和三个 fMRI 面罩同时记录脑电图，以代表性切片表示：gGM（白色）、PFI（蓝色）和 CSF（红色）。（c） 在突发抑制麻醉下同时记录的一名受试者的信号时间过程：EEG（绿色）、gGM fMRI（黑色）、PFI fMRI（蓝色）和 CSF fMRI（红色）。抑制和突增周期分别以浅蓝色和浅橙色表示。（d） 从抑制到爆发的所有转变的受试者和事件平均时间过程（n = 17 名受试者的 22 个事件）。gGM fMRI（黑色）、PFI fMRI（蓝色）和 CSF fMRI（红色）。阴影区域表示均值的标准误 （SEM）。抑制和突增周期分别以浅蓝色和浅橙色表示。右侧的 y 轴包含 PFI 和 CSF fMRI 信号的 y 值。（e） 与（d）相同，从突发到抑制的转换（n = 21）。（f） d/dt gGM fMRI、-d/dt PFI fMRI 和 -CSF fMRI 的事件平均时间进程，对于抑制爆发事件，标准化为 100%。（g） -d/dt gGM fMRI、d/dt PFI fMRI 和 CSF fMRI 的事件平均时间进程，对于爆发抑制事件，标准化为 100%。（h） d/dt PFI 和 CSF 振幅的散点图。叉表示过渡事件;该线描绘线性回归。（i） 与所有突发抑制事件的 （h） 相同。图 1h 和 1i 的源数据可在源数据文件 （S1 Data） 中找到。
https://doi.org/10.1371/journal.pbio.3003138.g001
根据每个人的回波平面成像 （EPI） fMRI 信号 （TR = 2 s），我们生成了三个掩码（图 1b）。首先，我们定义了一个 gGM 掩码来提取 fMRI 信号，作为大脑整体血氧水平依赖性和血流动力学体积变化的标志物 [15,17]。其次，我们定义了 PFI 的掩码，以获得作为 CBV 函数的总脑体积变化的标志物，与 gGM fMRI 信号不同，它不受血氧水平的影响。我们通过从突发时期的平均体积中减去所有抑制时期平均的整个体积堆栈的原始图像，在每个受试者中单独生成 PFI 掩码（S1a-d 图，方法）。这导致体素的环形模式，在侧脑室的边界处具有负强度值（S1d-g 图）。由于 CSF（高强度）和脑实质（低强度）（S1b、S1c 图）之间 fMRI 的回波平面成像信号具有高对比度，这表明在爆发期间，这个体素环包含比抑制期间更高比例的脑实质，从而导致部分体积效应。我们得出结论，在爆发期间，脑实质扩张，从而略微压迫侧脑室（S1h 图）。与此一致，在颅骨的凸面上也可以检测到一圈具有负减法值的体素（S1i 图），表明爆发期间扩张的脑实质取代了脑室和蛛网膜下腔 CSF。第三，我们定义了切片 1 的 CSF 体素，即成像体积的底部切片，包含髓前、外侧和小脑后髓池（图 1b），以检测与流入相关的 CSF 信号变化 [15,17,19]。
从所有受试者中，我们从三个定义的掩码中提取了 EEG 时间过程以及同时记录的 fMRI 信号。在受试者层面，我们观察到所有三个信号时间过程的变化，这些时间过程被时间锁定，略微延迟到脑电图中每个单独的抑制-爆发和-爆发-抑制过渡（图 1c、S2 为另一个受试者）。因此，gGM fMRI 信号随着每次爆发的开始而急剧增加，并在切换到抑制后迅速减弱，这与以前的报道一致 [32]。PFI 信号显示出双稳态信号时程，突发期间信号强度低，抑制期间信号强度高。对照分析证实，PFI 信号不受邻近 CSF 或白质信号的影响（S3 图 ），表明它确实是由实质体积的快速变化驱动的。在切片 1 的 CSF 信号中，我们检测到一个与突发抑制开关相关的正峰值和抑制突发开关之后的负峰值。切片 1 中观察到的 CSF 信号不受通过感兴趣区域椎动脉的血流的影响（S4 图）。与神经元活动转换时快速变化的 fMRI 信号相反，CSF 和 gGM fMRI 信号在神经元活动不变的阶段（即神经元抑制时期或长爆发）相对稳定（S5 图）。
接下来，我们对所有受试者的突发抑制（n = 21 个事件）和抑制突发（n = 22）转换（图 1d、1e，方法）的所有三个 fMRI 信号进行了平均。这证实了在单个事件水平上已经可见的三个信号之间的强关联（图 1c），即在 gGM 和 PFI fMRI 信号中，一个反相关的双稳态信号时间进程，在神经元转换后具有相对较快的状态切换，延迟很短。CSF 信号在抑制-突发转换后显示负下降，转换后最大振幅为 12.9 s，17.2 s 后在 bust-抑制转换后出现正峰值。
为了分析 PFI 、 gGM 和 CSF fMRI 信号之间的时间动力学，我们计算了 PFI 的 d/dt 和 gGM fMRI 信号的 -d/dt [17]。在这两种条件下，-d/dt PFI 信号都先于 CSF 信号，与抑制-突发转换相比，突发抑制的滞后更长（图 1f，1g）。 另一方面，gGM 和 CSF fMRI 信号之间没有明显的延迟，可能是由于我们记录的 TR 很长。互相关分析显示，PFI 信号在受试者和单事件水平上先于 gGM 和 CSF fMRI 信号，并证实 gGM 和 CSF fMRI 信号之间没有延迟（S6 图）。
如果 gGM 和/或 PFI fMRI 信号驱动 CSF 通量，则预计 PFI 的较大变化会驱动较大的 CSF 流事件。为了测试这一点，我们将 CSF 的振幅与 d/dt PFI 和 d/dt gGM fMRI 信号相关联。我们发现 d/dt PFI 和 CSF 信号的振幅之间存在相关性，无论是抑制-突发（图 1h）还是突发抑制（图 1i）转换。相比之下，d/dt gGM 和 CSF fMRI 信号振幅之间没有关联（S7 图）。总之，这些数据表明，在神经元诱导的爆发抑制转变中，PFI 和 CBV 的相关变化驱动基底池中的宏观 CSF 流。
高碳酸血症诱导的血管舒张通过脑血流量的变化驱动脑脊液流动
在另一项实验中，我们研究了血管直径的实验作是否可以驱动 CSF 运动。我们在健康受试者 （n = 17） 中采用受控的高碳酸血症激发设计，在清醒静息态条件下诱导短暂性脑血管舒张 [42]。在 900 秒的总扫描持续时间内，基线期 （180 s） 与高碳酸血症期 （5% 吸气 CO2).两种状态之间的转换需要 ~30 秒（图 2a）。通过优化的 pCASL 和 fMRI 序列分别获取 CBF 和 fMRI 信号变化 （方法）。
thumbnail下载：
PPT的PowerPoint 幻灯片
PNG放大图片
国际电影节原始图像
图 2. 高碳酸血症激发引起的双向灰质 CBF 变化。
（a） 实验设计示意图：CO2在清醒的受试者 （上图） 的医用面罩上施加医用空气。吸气 CO 的时间过程示意图2所施加气体混合物的浓度，包括两个 CO 升高的 180 S 段2水平 （5% vol/vol）。由于气体混合器的斜坡时间，过渡期持续了 ~ 30 s。（b） 叠加在矢状 T1 图像（左）和 3D 相造影血管造影的矢状重建（右）上的代表性受试者中 pCASL 成像体积（红色）和标记平面（黄色）的示例扫描定位。（c） 全脑脑血流 （CBF） 图（上）和提取的 gGM CBF 的受试者平均 （n = 17） 时间进程（下）。平均值（黑色）± SEM（灰色）。CO2申请期间以紫色进行颜色编码。（d） 从正常碳酸血症过渡到高碳酸血症（N → H，左）或从高碳酸血症到正常碳酸血症（H → N，右）的 CBF 变化的受试者平均图。（e） N → H（n = 34，左）或 H → N（n = 34，右）转变（每个受试者 2）的全局灰质 ∆CBF 值）。单样本 t 检验（单个组）。p < 0.001。图 2e 的源数据可在源数据文件 （S1 Data） 中找到。
https://doi.org/10.1371/journal.pbio.3003138.g002
第一步，我们评估了 CBF 的 pCASL MRI 数据，以研究由于同时血管舒张/血管收缩和灌注增加/减少而导致的高碳酸血症攻击的影响（图 2b）。在 5% CO 的血管舒张期间，整个大脑的总 CBF 很高2与零 CO 相比2条件（图 2c，上图），这与以前的研究一致 [42–44]。整体灰质 CBF （gGM-CBF） 的时间分辨分析表明，它可靠地跟踪吸气 CO 的水平2，即在基线条件下相对稳定，随着 CO 的升高而增加2，直到它几乎达到一个平台期，然后随着 CO 的下降而下降2 (图 2c，底部，S2 电影）。gGM-CBF 从正常到高碳酸血症增加了 41.6 + /- 11.8%，在逆过渡期间下降了 44.8 + /- 13%（图 2d、2e、S3 和 S4 电影）。
其次，我们评估了相同高碳酸血症攻击期间同一受试者的 gGM 和脑脊液 fMRI 信号及其耦合的 fMRI 数据（图 3a）。我们从 gGM 以及切片 1 的含 CSF 的体素中提取 fMRI 信号。请注意，高碳酸血症攻击导致 GM CBV 在相当稳定甚至减少的代谢神经元活动下增加，这表明 gGM fMRI 信号主要反映血容量变化。在单个受试者（S8 图）和组水平（图 3b）上，在高碳酸血症发作时，gGM fMRI 信号从稳定的基线增加，并在 CO2保持在 5%，然后在吸气 CO 下降后再次下降2水平。在切片 1 的含 CSF 的体素中，我们检测到与 gGM fMRI 信号增加同时发生的信号下降（图 3c）和与 gGM fMRI 信号减弱相关的正峰值（图 3d）。在从正常到高碳酸血症 （N → H） 和从高碳酸血症到正常碳酸血症 （H → N） 的两个过渡期，gGM 和脑电 CSF 信号呈负相关 （图 3e）。
thumbnail下载：
PPT的PowerPoint 幻灯片
PNG放大图片
国际电影节原始图像
图 3. 短暂性高碳酸血症挑战诱导的耦合 gGM 和 CSF fMRI 信号变化。
（a） 用于提取 fMRI 信号的全局灰质（左）和 CSF 掩码（右），叠加在轴向 T1 加权图像上。（b） gGM（上图，黑色）和 CSF（下图，红色）fMRI 信号的时间进程。n = 17 个受试者的 SEM ±阴影区域）的平均值（实线）。CO2申请期间以紫色进行颜色编码。（c） 所有正常碳酸血症到高碳酸血症 （N → H） 转变的平均时间过程（来自 17 名受试者的 n = 34 次转变）。gGM（黑色）和 CSF fMRI 信号（红色）。阴影区域代表 SEM。CO2申请期间以紫色进行颜色编码。（d） 与从高碳酸血症到正常碳酸血症的转变相同（H → N，n = 34 个转变，来自 17 名受试者）。（e） N → H（n = 17，左）和 H → N（n = 17，右）转换期间 gGM 和 CSF fMRI 信号之间的相关系数。*p < 0.05，n.s. 不显著。单样本 t 检验（单个组）。双样本 t 检验（组间）。图 3e 的源数据可在源数据文件 （S1 Data） 中找到。总之，这些结果表明 H → N 和 N → H 转变分别诱导总 CBV 变化，这支持 gGM fMRI 信号变化与脑干基底池中的 CSF 信号变化成反比耦合。
https://doi.org/10.1371/journal.pbio.3003138.g003
由于 CBV 变化导致的肉眼可见的 CSF 流入和流出
最后，在麻醉期间的爆发抑制和清醒期间的短暂性高碳酸血症实验中，我们使用基底池中基于 fMRI 的 CSF 信号的切片敏感 fMRI 分析来分析 CSF 信号与通量方向指标的关系（图 4a）。在这两个实验中，我们检测到 CSF 信号强度的瞬时增加与 gGM fMRI 信号下降同时发生（图 4b、4c）。与 Fultz 及其同事 [17] 之前的研究一致，在两个实验中，CSF 信号振幅都随着切片数的增加而降低（图 4b、4c），在突发抑制实验中更为陡峭。这种振幅减小表明流入成像体积，因为水质子（“自旋”）是不饱和的，因此在进入成像体积时是高信号的，通过沿着底部切片上方的切片经历重复的射频脉冲而变得越来越饱和，因此高信号降低 [45]。
thumbnail下载：
PPT的PowerPoint 幻灯片
PNG放大图片
国际电影节原始图像
图 4. 整体脑血容量的变化介导 CSF 的流入和流出。
（a） 矢状 T1 加权图像上最尾部 fMRI 切片定位的代表性示例。切片 1 的 CSF 体素用橙色表示，切片 2 用粉红色表示，切片 3 用绿色表示;虚线是相应成像切片的示意图。（b） 从高碳酸血症到正常碳酸血症的所有转变的平均时间过程。gGM（黑色），切片 1（橙色）、切片 2（粉红色）和切片 3（绿色）中的 CSF fMRI 信号。阴影区域表示 SEM。高碳酸血症和正常碳酸血症期以紫色表示。*p < 0.05，每个主题 （n = 17） 的重复测量方差分析（切片之间）。（c） 从突发到抑制的所有转变的平均时间进程。全局 GM（黑色），切片 1（橙色）、切片 2（粉红色）和切片 3（绿色）中的 CSF fMRI 信号。阴影区域表示 SEM。突增和抑制周期分别以浅橙色和浅蓝色表示。*p < 0.05，每个事件 （n = 21） 的重复测量方差分析（切片之间）。（d） 稳态抑制或稳态爆发期切片 1-3 的每个事件的平均基于 fMRI 的 CSF 信号强度 （a.u.）。** p < 0.005， ***p < 0.001， n.s. 不显著。重复测量方差分析与 Dunn-Sidak 事后比较。（e） 与 （b） 相同，适用于从正常碳酸血症到高碳酸血症的所有转变。*p < 0.05，每个主题 （n = 17） 的重复测量方差分析（切片之间）。（f） 与（C）相同，适用于从抑制到突发的所有转换。** p < 0.005，***p < 0.001，每个事件的重复测量方差分析（切片之间）（n = 22）。（g） 神经元活动（蓝色）、CBV（黑色）、CSF 通量（↓ - 采集体积外排，↑ - 采集体积流入）、切片 1（橙色）和切片 2（粉红色）中基于 fMRI 的 CSF 信号之间联系的示意图模型。饼图表示 CSF 的饱和状态，为完全饱和（白色）或不饱和（黑色）;矩形表示相应切片中的信号强度，这是由 RF 饱和和新鲜 CSF 混合产生的。图 4b-4f 的源数据在源数据文件 （S1 Data） 中提供。
https://doi.org/10.1371/journal.pbio.3003138.g004
在从抑制到爆发或从正常到高碳酸血症的过渡过程中，基于 fMRI 的 CSF 信号中的瞬态信号下降与 gGM fMRI 信号的增加有关，该信号在切片 1 中可以清楚地检测到，但在切片 2 和 3 中，在两个实验中都大大减弱（图 4e、4f）。这种信号下降可能反映了减毒的CSF通过切片1[45]，正如饱和CSF从成像体积中挤出所预期的那样。因此，在第一个实验的稳态条件下，即静态抑制阶段或长爆发期间，对多个切片的分析表明，对于长爆发和长抑制阶段，切片 1 的 CSF 信号强度高于切片 2 和 3 的 CSF 信号强度（图 4d、S9）。
为了进一步研究观察到的基于 fMRI 的 CSF 信号强度的双向变化是否与 CSF 的流入和流出有关，我们将切片 1 CSF 信号的轨迹与 gGM fMRI 信号的负导数进行了比较（S10A-F 图）。在以前的报道中[17,22]，CSF信号与-d/dt gGM fMRI信号非常相似，其中负值被设置为零，表明只能检测到CSF的流入。然而，我们的分析表明，对于这两个实验，切片 1 CSF 信号和非阈值 -d/dt gGM fMRI 信号之间的相关性高于零阈值版本，表明信号是由流入和流出引起的，而不仅仅是由流入引起的。有趣的是，比较这两个数据集，我们发现与高碳酸血症数据相比，突增抑制数据和 gGM fMRI 信号的导数，即斜率，对于突增抑制数据来说更陡峭（S10G 图），证实了在前者中观察到的更快转变。
总之，这些结果为以下观点提供了强有力的证据：与整体神经元活动相关或由高碳酸血症激发实验诱导的总 CBV 变化导致 CSF 通过基底池双向流入和流出。
讨论
这项研究首先证明，在深度麻醉期间，皮质静止和强烈整体神经元活动爆发的阶段之间的快速切换会引起总脑体积的巨大整体变化，反映 CBV 波动，这会导致 CSF 通过基底池的肉眼可见的流入或流出呈负相关，略有延迟。其次，我们提供了清醒期间高碳酸血症激发实验的证据，表明在高碳酸血症到正常碳酸血症或正常到高碳酸血症转变期间，gGM fMRI 和 CBF 信号变化驱动 CSF 双向进出颅骨。由于这种血管舒张相关的 CBF 变化与 CBV 变化相伴 [42–44]，我们的结果表明整体 CBV 是 CSF 通量的直接驱动因素。
整合这些观察结果，我们得到了一个统一的模型，该模型是整体神经元活动变化和相关的大脑CBV诱导的脑脊液进出大脑的通量（图4g），这既证实又扩展了以前的模型[17,22]。为了解释这个模型，我们从稳态基线条件开始——例如持续抑制（图 4g，1）。在抑制过程中，基底池上没有 CSF 的大浪潮。然而，最低切片 1 中的 CSF 信号强度略高于切片 2 的信号强度（S9 图），这可能是由于与成像体积边缘的“新鲜”饱和度较低的 CSF 不断交换。这可能是由于呼吸和心跳[12,13]引起的小流入事件，这些事件达到了最低值，但没有达到相邻的切片，并且由于我们的成像范式中缺乏时间分辨率而无法解析。当整体神经元活动增加时 - 如从抑制到爆发的转变（图 4g、2），这种增加会导致 CBV 增加（图 2）。伴随脑体积的增加从切片 1 中挤出饱和度较低的 CSF 自旋，并用成像体积内液体中更饱和的自旋取代它们，从而导致切片 1 中出现瞬态信号下降，但在更多的颅切片中则不会。
需要注意的是，根据我们的模型，成像体积的第一个切片中的负信号瞬变代表流出[16–19,22,46]，尽管通过将成像体积放在颈椎上，可以检测到流入颈椎管[22]]，可解释为 CSF 从颅骨流出。然而，这些研究使用了 gGM-BOLD 信号变化不太明显的实验条件或患有严重脑疾病的患者。在爆发期间，CBV 保持升高（图 4g、3）并且相对稳定。因此，在 CSF 中建立了稳态条件，其中切片 1 中的 fMRI 信号强度高于切片 2 中的信号强度。瞬时切换到神经元抑制（图 4g、4）导致 CBV（和脑体积）减少，导致新鲜不饱和液从成像体积外短暂流入颅骨。这导致在切片 1 中产生明显的高振幅流入信号，而在较高的切片中，该信号在很大程度上衰减（图 4），很可能是由于经历越来越多的射频脉冲，进入的 CSF 自旋达到饱和 [17]。在 CBV 恢复到基线水平后（图 4g、5），再次达到稳定状态。
除了这个模型之外，尽管方法、背景和动力学存在明显差异，但在两个实验中观察到的 CBV 变化与 CSF 流入和流出的耦合是相似的。首先，CBV-CSF 偶联是由七氟烷麻醉期间神经元活动的变化诱导的，或者在清醒的受试者中，由高碳酸血症激发诱导的血管舒张诱导，神经元活性基本稳定甚至略微降低 [35,36]。其次，在七氟烷麻醉下，在高碳酸血症数据集中，参与者通过吸气正压而不是自主呼吸时的负压进行机械通气。此外，需要注意的是，七氟烷麻醉会导致全身脑血管舒张 [47]，这可能会抑制对神经元激活的反应幅度。鉴于观察到较低浓度的七氟烷会降低脑脊液脑脊液信号的振幅[48]，值得注意的是，突发抑制仍然会诱导较大的脑脊液峰值。这可能是由于独特的突发抑制脑电图模式，即使血管扩张，它仍然会诱发 CBV 波动。最后，实验在不同的时间尺度诱导 CSF 流动。因此，与瞬时神经元突发抑制转换相关的快速 CBV 变化驱动短的 CSF 信号峰值和低谷，高信号斜率表明 CSF 流速快 [45]。同时，高碳酸血症数据集中缓慢的血管舒张驱动的 CBV 变化也推动了更多斜率较低的扩展 CSF 峰值。尽管存在这些差异，但两项实验都表明我们的 CBV 代理测量与 CSF 流量之间存在相似的耦合。这表明所描述的 CBV-CSF 偶联机制是一个基本的生理原理，在非常不同的条件下是稳健的。
脑脊液在基底池中的大量运动与脑室中的大量运动紧密耦合，或者更普遍地说，与代谢物分布有关[18]，并且可能与血管周围血流的增加有关，这可能由于增强混合和“定向扩散”或对流而促进脑废物清除[2].事实上，最近的证据表明，视觉刺激在人类第 4 脑室中诱导宏观脑脊液运动 [15]，与啮齿动物血管周围间隙流速增加有关 [9]。如果是这样，突增抑制转换可能通过其宏观脑脊液通量效应，在严重的脑部疾病（如早发性婴儿癫痫、昏迷或低体温）中发挥保护性清除功能[26]。有趣的是，药物诱导的爆发抑制被用作严重癫痫的神经保护工具 [49]。然而，在手术麻醉下，爆发抑制状态是不可取的，并且与有害结局相关 [26]。
在生理条件下，CBV 或 gGM fMRI 信号的类似但不太剧烈的波动可以在轻度睡眠 [17]、清醒静息状态 [19] 或视觉刺激实验诱导 [15] 中检测到。值得注意的是，这些波动也与 CSF 在基底池或第 4 脑室的运动耦合，表明耦合机制依赖于一般的生理原理。从病理学上讲，CSF 和 CBV 的解偶联可能导致神经退行性疾病，包括阿尔茨海默病，可能导致 β-淀粉样蛋白的积累 [50]。阿尔茨海默病患者的睡眠慢波和相关清除机制 [1,51] 的破坏 [52,53] 可能会进一步加剧这一过程。
我们研究的主要局限性在于，我们不能完全排除，除了 CBV 变化之外，CSF 流量信号还受到全身生理学其他因素的影响，包括心跳和呼吸，这可能与我们的实验中的爆发抑制或正常高碳酸血症转变同时出现，并别名到观察到的 CSF 信号的缓慢变化。事实上，脑脊液流量与心脏搏动和呼吸之间的关系已经牢固确立，导致脑脊液起伏运动 [7,8,10,13,14]，其动力学比这里观察到的要快 [15]。然而，呼吸模式变化的影响不太可能，因为在我们的爆发抑制实验中，受试者以固定的呼吸频率和潮气量进行机械通气 [40]。机械通气使用吸气正压通气，这可能会影响颅内压和脑脊液流量 [54]，但人们会期望这种影响在整个成像期间保持不变。相比之下，CSF 信号被锁相到自发的突发抑制转换，这种转换发生在没有明显模式的情况下，持续数秒到数十秒，比呼吸诱导的 CSF 流入信号长得多 [15]。其次，虽然我们没有直接测量受试者的心率，但在以前的研究中，高碳酸血症挑战并未导致心率的系统性变化 [34,55]，将其排除在该数据集中作为 CSF 流量的关键混杂因素。
第二个限制是 PFI 信号仍然是 CBV 的间接且不完全定量的测量，除了实质体积变化外，它还可能受到室管膜血管血容量变化的影响，尤其是在侧脑室后角 [30]，也可能受到细胞或间质体积变化的影响。但是，burst-suppression 转换时状态切换的速度使得这不太可能。最后，在高碳酸血症数据集中，我们根据动态 CBF 和 gGM fMRI 测量定性估计 CBV 的变化。多项研究报道，在高碳酸血症激发中，CBV 密切跟踪 CBF [37–39]。此外，高碳酸血症激发与基本稳定甚至略微降低的脑代谢相关 [35,36]，表明在这些特定条件下，fMRI 信号是比典型任务 fMRI 范式下更好的血流动力学标志物，后者强烈影响氧代谢 [23]。我们实验中 CBF 和 gGM fMRI 信号的平行性也支持这一观点。
总之，我们的实验提供了直接证据，证明在不同条件下，总脑血容量的变化会驱动健康人类受试者的宏观脑脊液通量。
方法
试验设计
本研究使用了两项针对健康成年人的独立研究的数据。两者都是根据赫尔辛基宣言进行的，并得到了慕尼黑工业大学医学院伦理委员会的批准（机构审查委员会批准编号 5602/12 或 472/16S，分别用于爆发抑制或高碳酸血症实验）。参与者获得了有关方法和潜在风险的详细信息，并在实验前提供了书面知情同意书。
数据集 1：麻醉实验
参与者和麻醉程序。
数据来源于先前发表的关于七氟烷对健康成人大脑活动影响的同步 EEG-fMRI 研究 [32,40,41]。报告了参与者和研究方案的详细说明 [40]。简而言之，在 20 名 20 至 36 岁 （平均 26 岁） 的健康成年男性中，在七氟烷诱导的麻醉下进行了 EEG-fMRI 联合测量。本研究包括来自 17 名受试者的数据;由于缺少 fMRI 采集标志物（即触发器）、EEG 中缺乏明确的爆发抑制模式或成像体积定位不足，因此排除了 3 名受试者的数据。使用与 MRI 兼容的麻醉监测设备（Fabius Tiro，Dräger，德国）通过面罩在氧气中施用七氟烷麻醉。七氟烷和 O2和 CO2通过心肺监测仪 （Datex AS/3， General Electric， USA） 测量浓度。七氟烷从 0.4% 增加到 3%，并在有临床指征时开始通过喉罩 （i-gel，Intersurgical，英国） 进行机械通气。七氟烷浓度逐渐升高。当脑电图显示抑制期至少为 1 秒且抑制率约为 50% （4.34 + /-0.22 vol%） 的突发抑制模式时，进行突发抑制的 EEG-fMRI 记录。
脑电图数据采集和预处理。
使用兼容 fMRI 的 64 电极帽（Easycap，德国）和两个 32 通道放大器（BrainAmp MR，Brain Products，德国）记录脑电图。使用研磨凝胶 （Easycap） 将电极阻抗保持在 5 kΩ 以下。所有信号均以 5 kHz 采样率记录。一个接口单元（SyncBox、Brain Products）还连接到放大器，通过同步 EEG 放大器的时钟和 fMRI 梯度来减少 fMRI 伪影校正中与时间相关的误差。64 个通道中的一个放置在胸部上方进行心电图 （左腋前线）。
脑电图数据预处理 （BrainVision Analyzer 2.2.1） 包括使用模板漂移检测方法 （TDC） 的自动梯度伪影校正 （MR 校正）、低通 FIR 滤波至 40 Hz 以及 20 倍的下采样。
结果：突发和抑制定义。
fMRI 数据评估中使用的突发和抑制周期是根据 [24] 中描述的同时记录的 EEG 轨迹定义的。简而言之，使用半自动标记方法使用一个脑电图通道检测突发和抑制发作：（i） 视觉评估和确认突发抑制模式的存在（即，高压活动与等电交替）;（ii） 使用 EEGLAB v1 的 FFT 信号线性滤波 （5–2022.1 Hz）;（iii） 信号振幅归一化（z 分数）;（iv） 使用 Matlab （R2020b， MathWorks， Natick， MA， USA） 函数 'envelope' 计算序列的平均上包络线;（v） 目视检查并用 1（即爆发）标记 fMRI 体积，如果脑电图信号振幅在整个 2s 重复时间 （TR; fMRI 体积的） 的至少一半内超过平均值以上至少两个标准差，则以下所有内容都标记为 0（即抑制）。
根据脑电图轨迹中的数字标签，我们从个体受试者的 fMRI 数据中提取了四种类型的事件：（i） 抑制时期，（ii） 突发时期，（iii） 从抑制到爆发的转变 （S → B），（iv） 从爆发到抑制的转变 （B → S）。为了确保 fMRI 信号在相应事件之前和之后达到稳态条件，我们只分析了 B → S 或 S → B 转换，这些转换发生在前一个转换后至少 20 秒和下一个转换前至少 40 秒。“稳态突发”和“稳态抑制”周期分别定义为 > 120 秒（突发）和 160 秒（抑制）的连续周期。我们省略了前 40 秒（突发）或 20 秒（抑制），以便达到稳定状态。
MRI 采集和预处理。
在 3T 全身 MRI 扫描仪（Achieva Quasar Dual 3.0T 16CH;Philips， Medical Systems International ， Best， Netherlands） 具有 8 通道相控阵磁头线圈。首先，获得了 T1 加权磁化制备的快速梯度回波（MPRAGE;体素大小 1x1x1mm）。使用梯度回波平面成像序列（回波时间 = 30ms，重复时间 （TR） = 2s，翻转角度 = 75°，视野 = 220 x 220 mm，矩阵 = 72x72,32 个切片，采集顺序交错奇数优先，切片厚度 = 3，切片间距 1 mm;350 次动态扫描导致 700 秒采集时间）。
我们根据最近的出版物进行了图像预处理 [17,19]。我们删除了前五个体积以确保已达到稳态磁化，并执行了切片时间校正、重新对齐和将功能图像共配准到 T1 加权数据。
通过计算所收集图像每个时间点的帧移动 （FD） [56] 来评估头部运动。对于麻醉数据集，平均运动为 0.07 ± 0.04）;因此，没有使用数据清理或运动校正来清理数据。使用默认参数 （http://www.fil.ion.ucl.ac.uk/spm） 的 SPM12 对灰质和白质的 T1 加权数据进行组织分类分割，以创建单个主体灰质掩码（见下文）。最后，我们使用静息态 fMRI 数据处理助手 （DPARSF， http://rfmri.org/DPARSF） [57] 以体素方式从 fMRI 数据中删除了二次时间趋势。
信号和结果
整体灰质 fMRI 信号。
功能性 MRI 信号是从受试者特异性掩码中提取的。为了提取gGM fMRI信号，使用DARTEL（基于指数李代数的差分同形解剖学配准，neurometrika.org/）[58]将GM概率图配准到fMRI数据上，该图在SPM12中可用，阈值为50%GM概率。提取的 gGM fMRI 信号的负时间导数 （-d/dt） 是通过计算其一阶导数并将其乘以 -1 生成的。按照 [17] 描述的方法将所有负值设置为零（S5 图）。S5G 图中信号上升/下降侧翼的平均斜率是通过平均相应信号（gGM 或 CSF fMRI）的 d/dt 的负值（B → S CSF 或 S → B gGM fMRI→→）来计算的。
CSF 信号。
为了提取 CSF 信号，按照 Han 及其同事的方法在原生空间中描绘了单个受试者的 CSF 掩码 [19]。为此，从 fMRI 数据的三个底部切片中选择具有最高信号强度的体素。通过与个体受试者的 T1 加权结构数据进行比较来证实口罩的解剖学准确性。包含脑干或小脑的体素被排除在面具之外，从而形成环状形状。
PFI 信号。
通过为所有突发创建平均图像，为每个受试者单独生成 PFI 信号掩码，其中包含从 EEG 标签识别的突发开始后 5 个 TR 开始的所有时间点，直到突发偏移。通过在 EEG 标签上确定的所有抑制时期开始后分别到抑制阶段结束，从 5 个 TR 开始对所有帧进行平均来生成抑制图像（S1a-c 图 ）。将突发和抑制图像相互减去（B → S 过渡的 S-B，S → B 过渡的 B-S），并使用 -1.5 的 z 分数阈值对结果（S1d 图）进行二值化（S1e 图）。所得的面罩与 freesurfer 生成的心室面罩相交，该面罩已被集中侵蚀以去除脑室内素（S1f、S1g 图）。
我们从每个受试者的预处理 fMRI 数据中提取了他们面罩上的体素平均 gGM、PFI 和 CSF fMRI 时程信号。提取的时间过程以 0.1 Hz 进行时间过滤，并使用 5 个时间点的移动平均值进行平滑处理，以进行视觉呈现。对于受试者之间的统计分析和比较，时间过程被强度归一化 （z 评分）。
数据集 2：hypercapnic challenge 实验
参与者。
该实验在 21 名健康参与者 （年龄 29.1 ± 8.6 岁，10 名女性） 中进行。这些分析包括来自 17 名受试者的数据;4 名参与者因数据损坏 （n = 1） 或运动伪影 （n = 3） 而被排除在外。
实验条件和事件定义。
对于 CO2激发试验，医用空气 （21% O2、79% 氮2）或高碳酸血症（医用空气 + 5% CO2） 使用密封面罩和气体混合器 （Altitrainer， SMTec， Switzerland） 进行应用。气体分析仪（ML206，AD Instruments，美国）促进了呼气末 CO2和 O2测量。高碳酸血症在 15 分钟的运行中应用，交替阻滞 3 分钟空气和 3 分钟高碳酸血症 （5% CO2) (图 2A）。由于气体混合器的延迟输送（约 5 m 管道）和升温时间，大约需要 30 秒的升温时间才能达到稳态 CO2达到了水平。
MRI 采集。
使用 32 通道头部线圈在 3T Philips Ingenia Elition X 上采集数据。T1 加权 MPRAGE（TE = 4 ms，TR = 9 ms，α = 8°，TI = 1,000 ms，拍摄间隔 = 2,300 ms，SENSE AP/RL 1.5/2.0,170 个切片，基质大小 = 240x238，体素大小 = 1x1x1 mm³）数据用于组织类型分割和 GM 掩模的生成。
获取伪连续 ASL （pCASL） MRI 15 分钟。根据 ISMRM 灌注研究组 [59] 最近的建议，使用 1800 ms 的标记持续时间 （LD） 和 1800 ms 的标记后延迟 （PLD） 设置序列参数。图像读出采用 2D 梯度回波 EPI（TE = 11ms，TR = 4500s，20 个切片，SENSE 因子 = 2，获得的体素尺寸 3.3x3.5x6 mm3，100 Dynamics，15：09 分钟）。此外，获取质子密度加权 （PDw） M0 数据以量化脑血流量 （CBF），单位为 ml/100g/min。使用 T2* 加权梯度回波 EPI 序列（TE = 30ms，TR = 1200s，40 个切片，SENSE 因子 = 1.5，多波段 = 2（切片顺序：升脚到头部），EPI 因子 = 20，在单独的运行中获取 BOLD-fMRI 数据 获得的体素尺寸 3x3x3 毫米3，切片间隙 = 0.2 mm，翻转角度 = 70°，750 次动态扫描，15：04 分钟）。
pCASL 预处理。
CBF 时间序列是使用自定义 MATLAB 算法和 SPM12 （Wellcome Trust Centre for Neuroimaging， UCL， London， UK） 进行图像配准和空间转换得出的。使用刚体转换程序对 pCASL 标签和控制图像进行运动校正。减去标签和对照图像，并通过 M 对强度值进行归一化0地图。然后对 CBF [59] 减去信号的时间序列进行量化，并应用具有 6 mm FWHM 核大小的高斯滤波器。
信号和结果
如上所述，使用 T1 加权数据生成灰质掩码。此数据集未使用 DARTEL 仿射配准。按受试者提取 GM 平均 CBF 时间课程。
CBF 的。
为了计算图 2C 所示的每个条件或块事件（即正常碳酸血症、高碳酸血症、N → H 或 H → N 转换）的组平均 CBF 图，我们从显示每个条件的最小值（对于正常碳酸血症）和最大值（对于高碳酸血症）的时间点对空间归一化 CBF 图进行平均，不包括分段开始和结束时的第一个 ~30 秒以允许 CO2浓度稳定下来。正常和高碳酸血症之间 CBF 差异的分析基于从所有受试者的这些选定时期提取的平均 CBF 值。
功能磁共振成像 （fMRI）。
如上所述，对突发抑制数据集进行 gGM 和 CSF fMRI 信号提取。根据上述算法，头部运动检测[56]显示头部运动缓慢（平均运动0.26±0.12 mm）。因此，该数据的重新对齐步骤仅通过估计运动参数来完成，但避免了翘曲程序。这阻止了使用 SPM 重新对齐选项“Estimate and Unwarp”对底部切片进行修改。
统计学
我们使用双尾 t 检验、方差分析或 Kruskal-Wallis 检验来比较统计组。相应的测试在相应的图例中表示。用 Shapiro-Wilk 检验检验正态分布。显著性阈值设置为 p < 0.05。调查分析。在图 2e 中的高碳酸血症激发试验中，我们计算了切换气体混合器 48 秒后 10 秒 （H → N） 或 30 秒 （N → H） gGM 和 CSF fMRI 信号之间的皮尔逊相关性。为了研究图 1h 和 2i 中 gGM、PFI 和 CSF fMRI 信号之间的相关性，我们使用了双变量 Spearman 相关分析。在切片敏感的 CSF 信号分析中，我们在相应转换后的 30 秒内分别对每个时间点的每个事件执行重复测量方差分析。
支持信息
薄壁组织-流体界面 （PFI） 掩码的生成。
显示 1/16： pbio.3003138.s001.tif
跳至 fig分享导航
很抱歉，我们无法加载您的数据。
1 / 16
下载
无花果分享
S1 图 薄壁组织-流体界面 （PFI） 掩码的生成。
（a） 来自代表性对象 （#5） 的脑电图轨迹，具有阴影抑制（蓝色）和突发（橙色）纪元。（b-c） 来自突发 （b） 和抑制 （c） 纪元的所有 EPI 图像帧的平均值。（b） 中的插入描述了切片位置。（d） （b） 和 （c） 中图像的归一化减法图像。红色体素表示爆发期间信号强度较高，位于灰质和大血管中，而蓝色体素在抑制下具有较高的信号强度，主要位于侧脑室的边界。（e） 阈值 （< 0） 和二值化减法图像 （d）。（f） Freesurfer 生成的心室边界面罩。（g） （e） 和 （f） 中掩码的叠加显示出非常高的一致性（白色体素）。（h） PFI 造影剂背后的部分体积效应的示意图。尽管 EPI 扫描的空间分辨率不够高，无法详细解析心室边界的运动，但部分体积效应会导致爆发和抑制状态之间的强度差异。（i） 与 （d） 中的减法图像相同，位于更颅骨切片的位置（插图）。请注意围绕正皮质体素的蓝色（负）体素环。
https://doi.org/10.1371/journal.pbio.3003138.s001
（TIF）
S2 图 来自附加主题 （# 5） 的共同注册的 EEG 和 fMRI 信号。
同时记录 EEG（绿色）、gGM（黑色）、PFI（蓝色）和切片 1 CSF（红色）fMRI 信号。抑制 （浅蓝色） 和突增 （橙色） 纪元在背景中带有阴影。
https://doi.org/10.1371/journal.pbio.3003138.s002
（TIF）
S3 图 PFI 信号不受来自周围白质或心室 CSF 的信号的影响。左：来自主题 #5 的代表性 EPI 切片。
叠加的是代表性掩码，其中包含 PFI（蓝色）、心室 CSF（黄色）和白质（白色）中相似的体素数。相应的强度轨迹显示在右侧。请注意，PFI 信号时间过程既不反映在白质中，也不反映在同一切片的心室 CSF 中。
https://doi.org/10.1371/journal.pbio.3003138.s003
（TIF）
S4 图 CSF fMRI 信号不受通过椎动脉的血液流入的影响。
（a） 来自受试者 #2（切片 1，左）和含 CSF 区域的扩大（中）的代表性轴向 T1 加权图像，包括前髓池、小脑池外侧池和小脑脊髓后脑池。白色箭头指向椎动脉。CSF 遮罩（右），包括（红色）和不包括（浅蓝色）椎动脉。请注意，掩码经过调整以包含相同数量的体素，以获得可比较的信噪比。（b） 从面罩中提取的 CSF fMRI 时间进程，包括（红色）和不包括（浅蓝色）椎动脉。
https://doi.org/10.1371/journal.pbio.3003138.s004
（TIF）
S5 图 稳态条件下的 Global-GM 和 CSF fMRI 信号。
（a） 所有稳态抑制期的时间进程：gGM（黑色）和 CSF（红色）fMRI 信号。粗线表示平均值，细线表示单个事件 （n = 8）。（b） 与所有稳态突发周期 （n = 9） 的 （a） 相同。（c） 箱形图表示抑制、S → B 转换、突发和 B → S 转换期间 CSF 信号的方差。（d） 与 gGM fMRI 信号的 （c） 相同。N.s. 不显著。*p < 0.05，**p < 0.005，***p < 0.001。Kruskal Wallis 检验与 Dunn-Sidak 事后比较。S5c 和 S5d Fig 的源数据在源数据文件 （S1 Data） 中提供。
https://doi.org/10.1371/journal.pbio.3003138.s005
（TIF）
S6 图 互相关分析 - PFI 信号先于 gGM 和 CSF fMRI 信号。
（a） -d/dt GM 与 CSF（黑色，左）、PFI 与 -d/dt gGM（蓝色，中）和 d/dt PFI 与 CSF（红色，右）在受试者水平（N = 17 名受试者）上的互相关。实线表示平均值，阴影区域表示 SEM。请注意，d/dt PFI 互相关中的第二个峰可能是由 PFI 信号中相对较大的正弦噪声引起的。（b） 与所有抑制-突发转换 （n = 22 个事件） 的 （a） 相同。（c） 与脉冲串抑制转换 （n = 21） 的 （a） 相同。
https://doi.org/10.1371/journal.pbio.3003138.s006
（TIF）
S7 图 PFI 对 CSF 流量影响特异性的对照分析 - d/dt gGM 和 CSF 振幅之间没有相关性。
（a） d/dt gGM 和 CSF 振幅的散点图。交叉表示单个转换事件;该线描绘线性回归。（b） 与 （a） 相同，适用于所有突发抑制事件。S7a 和 S7b 图的源数据在源数据文件 （S1 Data） 中可用。
https://doi.org/10.1371/journal.pbio.3003138.s007
（TIF）
S8 图 由短暂性高碳酸血症挑战诱导的耦合 gGM 和 CSF fMRI 信号时间进程 – 来自代表性受试者的数据。
代表性 gGM（上、蓝色）和 CSF fMRI 信号（下、红色）时间过程。CO2申请期以紫色表示。
https://doi.org/10.1371/journal.pbio.3003138.s008
（TIF）
S9 图 切片 1 中的稳态 CSF 信号高于切片 2 和 3。
（a） 状态突发期间的代表性 CSF 信号。切片 1（橙色）、切片 2（粉红色）、切片 3（绿色）。（b） 与（a）相同，适用于代表性稳态抑制期。
https://doi.org/10.1371/journal.pbio.3003138.s009
（TIF）
S10 图 gGM 和 CSF fMRI 信号在实验中的关系。
（a） gGM fMRI 信号的平均负导数 （-d/dt），在高碳酸血症攻击实验中，来自所有受试者 （n = 17） 的负值（黑色）和平均 CSF 信号（橙色）阈值为零。（b） 与非阈值均值 -d/dt gGM fMRI 信号的 （a） 相同。（c） 高碳酸血症激发实验中所有受试者 （n = 17） 的 CSF 信号与零阈值 -d/dt gGM 信号（左，棕色）以及 CSF 信号与非阈值 -d/dt gGM 信号（右，绿色）之间的相关性。箱形图和单个值（灰线）。（d） -d/dt gGM fMRI 信号在突发抑制实验中来自代表性受试者 [5] 的信号的负值（黑色）和 CSF（橙色）时间进程阈值为零。（e） 与非阈值 -d/dt gGM 信号的 （d） 相同。（f） 与脉冲抑制实验中所有受试者的 （c） 相同。（g） 切片 1（左）和 gGM fMRI 信号（右）在从抑制到爆发 （n = 22）、正常到高碳酸血症 （n = 17）、突发到抑制 （n = 21） 和高碳酸血症 （n = 17） 的转变过程中 CSF 信号的平均斜率 （d/dt）。p < 0.001。**p < 0.005。配对 t test （c， f），Wilcoxon 秩和检验 （g）。S10c、S10f 和 S10g 图的源数据可在源数据文件（S1 数据）中找到。
https://doi.org/10.1371/journal.pbio.3003138.s010
（TIF）
S1 电影。 B/S 麻醉期间代表性受试者的矢状面 fMRI 扫描示例和提取的 gGM-fMRI 时程。
https://doi.org/10.1371/journal.pbio.3003138.s011
（MP4 格式）
S2 电影。 在高碳酸血症激发实验期间代表性受试者的矢状面 fMRI 扫描示例和提取的 gGM-fMRI 时程。
https://doi.org/10.1371/journal.pbio.3003138.s012
（MOV）
S3 电影。 图 2d（左）中描绘的 CBF 图的全脑覆盖轴向切片系列。
https://doi.org/10.1371/journal.pbio.3003138.s013
（AVI）
S4 电影。 图 2d（右）中描述的 CBF 图的全脑覆盖轴向切片系列。
https://doi.org/10.1371/journal.pbio.3003138.s014
（AVI）
S1 数据。 所有 Figs.
https://doi.org/10.1371/journal.pbio.3003138.s015
（XLSX）
S1 原始数据。 从本研究中所有实验的 fMRI 掩码中提取的原始数据。
https://doi.org/10.1371/journal.pbio.3003138.s016
（XLSX）
引用
1.Xie L， Kang H， Xu Q， Chen MJ， Liao Y， Thiyagarajan M， et al.睡眠驱动代谢物从成人大脑中清除。科学。2013;342(6156):373–7.PMID：24136970
查看文章PubMed/NCBI谷歌学术
2.Plog BA， Nedergaard M.中枢神经系统健康和疾病中的淋巴系统：过去、现在和未来。Annu Rev Pathol。2018;13:379–94.PMID：29195051
查看文章PubMed/NCBI谷歌学术
3.Rennels ML、Gregory TF、Blaumanis OR、Fujimoto K、Grady PA。哺乳动物中枢神经系统中存在“血管旁”液体循环的证据，由示踪蛋白从蛛网膜下腔快速分布到整个大脑提供。Brain Res. 1985 年;326(1):47–63.PMID：3971148
查看文章PubMed/NCBI谷歌学术
4.Lundgaard I、Li B、Xie L、Kang H、Sanggaard S、Haswell JDR 等人。神经元葡萄糖的直接摄取预示着脑代谢的活动依赖性增加。Nat Commun.2015;6:6807.PMID：25904018
查看文章PubMed/NCBI谷歌学术
5.Zhao L， Tannenbaum A， Bakker ENTP， Benveniste H. 淋巴溶质运输和大脑废物清除的生理学。生理学（贝塞斯达）。2022;37(6):0.PMID：35881783
查看文章PubMed/NCBI谷歌学术
6.Eide PK， Ringstad G. 人类血管周围蛛网膜下腔的功能分析。Nat Commun.2024;15(1):2001.PMID：38443374
查看文章PubMed/NCBI谷歌学术
7.van Veluw SJ、Hou SS、Calvo-Rodriguez M、Arbel-Ornath M、Snyder AC、Frosch MP 等。血管运动是清醒小鼠大脑中血管旁清除的驱动力。神经元。2020;105（3）：549-561.e5。PMID：31810839
查看文章PubMed/NCBI谷歌学术
8.Mestre H、Tithof J、Du T、Song W、Peng W、Sweeney AM 等人。脑脊液的流动由动脉搏动驱动，在高血压中减少。Nat Commun.2018;9(1):4878.PMID：30451853
查看文章PubMed/NCBI谷歌学术
9.Holstein-Rønsbo S、Gan Y、Giannetto MJ、Rasmussen MK、Sigurdsson B、Beinlich FRM 等人。神经血管耦合加速了淋巴管内流和清除。国家神经科学。2023;26(6):1042–53.PMID：37264158
查看文章PubMed/NCBI谷歌学术
10.Balédent O， Henry-Feugeas MC， Idy-Peretti I. 脑脊液动力学及其与血流的关系：半自动脑脊液分割的磁共振研究。投资 Radiol。2001;36(7):368–77.PMID：11496092
查看文章PubMed/NCBI谷歌学术
11.Spijkerman JM， Geurts LJ， Siero JCW， Hendrikse J， Luijten PR， Zwanenburg JJM.通过脑导水管的净脑脊液流量的相差 MRI 测量会因呼吸而混淆。J Magn 共振成像。2019;49(2):433–44.PMID：29741818
查看文章PubMed/NCBI谷歌学术
12.Kiviniemi V， Wang X， Korhonen V， Keinänen T， Tuovinen T， Autio J， et al.生理性脑活动的超快速磁共振脑图 - 淋巴搏动机制？.J Cereb 血流代谢。2016;36(6):1033–45.PMID：26690495
查看文章PubMed/NCBI谷歌学术
13.Dreha-Kulaczewski S， Joseph AA， Merboldt KD， Ludwig HC， Gärtner J， Frahm J. 灵感是人类脑脊液流动的主要调节因子。神经科学杂志。2015;35(6):2485–91.PMID：25673843
查看文章PubMed/NCBI谷歌学术
14.Alperin N， Vikingstad EM， Gomez-Anson B， Levin DN. 用动态相差 MRI 观察脑脊液和脑运动的血流动力学独立分析。Magn Reson Med. 1996 年;35(5):741–54.PMID：8722826
查看文章PubMed/NCBI谷歌学术
15.Williams SD、Setzer B、Fultz NE、Valdiviezo Z、Tacugue N、Diamandis Z 等人。感觉刺激诱导的神经活动可以驱动人类清醒期间的大规模脑脊液流动。PLoS 生物学 2023;21（3）：e3002035。PMID：36996009
查看文章PubMed/NCBI谷歌学术
16.Picchioni D、Özbay PS、Mandelkow H、de Zwart JA、Wang Y、van Gelderen P 等人。自主神经唤醒有助于睡眠期间的脑液搏动。神经影像学。2022;249:118888.PMID：35017126
查看文章PubMed/NCBI谷歌学术
17.Fultz NE、Bonmassar G、Setsompop K、Stickgold RA、Rosen BR、Polimeni JR 等人。人类睡眠中的耦合电生理、血流动力学和脑脊液振荡。科学。2019;366(6465):628–31.PMID：31672896
查看文章PubMed/NCBI谷歌学术
18.Wang Y、van Gelderen P、de Zwart JA、Özbay PS、Mandelkow H、Picchioni D 等人。脑血管活动是脑脊液流动动力学的主要因素。神经影像学。2022;258:119362.PMID：35688316
查看文章PubMed/NCBI谷歌学术
19.Han F， Chen J， Belkin-Rosen A， Gu Y， Luo L， Buxton OM， et al.脑脊液流动和整体大脑活动之间的耦合减少与阿尔茨海默病相关的病理有关。PLoS 生物学 2021;19（6）：e3001233。PMID：34061820
查看文章PubMed/NCBI谷歌学术
20.Greitz D， Wirestam R， Franck A， Nordell B， Thomsen C， Ståhlberg F. 通过磁共振相位成像研究的脉动脑运动和相关流体动力学。重新审视门罗-凯利学说。神经放射学。1992;34(5):370–80.PMID：1407513
查看文章PubMed/NCBI谷歌学术
21.威尔逊 MH.Monro-Kellie 2.0：颅内压的动态血管和静脉病理生理成分。J Cereb 血流代谢。2016;36(8):1338–50.PMID：27174995
查看文章PubMed/NCBI谷歌学术
22.Yang H-CS、Inglis B、Talavage TM、Nair VV、Yao JF、Fitzgerald B 等人。清醒期间脑血管振荡与 CSF 血流波动之间的耦合：一项 fMRI 研究。J Cereb 血流代谢。2022;42(6):1091–103.PMID：35037498
查看文章PubMed/NCBI谷歌学术
23.Ogawa S、Menon RS、Tank DW、Kim SG、Merkle H、Ellermann JM 等人。通过血氧水平依赖性对比磁共振成像进行功能性脑映射。信号特性与生物物理模型的比较。生物物理学杂志 1993 年;64(3):803–12.PMID：8386018
查看文章PubMed/NCBI谷歌学术
24.Archila-Meléndez ME， Sorg C， Preibisch C. 模拟神经血管耦合损伤对静息时基于 BOLD 的功能连接的影响。神经影像学。2020;218:116871.PMID：32335261
查看文章PubMed/NCBI谷歌学术
25.Iida H， Ohata H， Iida M， Watanabe Y， Dohi S. 异氟烷和七氟烷通过 ATP 敏感的 K+通道激活麻醉学诱导脑血管舒张。1998;89(4).
查看文章谷歌学术
26.Shanker A， Abel JH， Schamberg G， 布朗 EN.突发抑制 EEG 模式的病因。前心理学。2021;12：673529。PMID：34177731
查看文章PubMed/NCBI谷歌学术
27.Cash SS、Halgren E、Dehghani N、Rossetti AO、Thesen T、Wang C 等人。人类 K 复合物代表一种孤立的皮质下行状态。科学。2009;324(5930):1084–7.PMID：19461004
查看文章PubMed/NCBI谷歌学术
28.Tardif CL、Steele CJ、Lampe L、Bazin PL、Ragert P、Villringer A 等人。脉管系统和新陈代谢对计算解剖学研究的混杂影响调查。神经影像学。2017;149:233–43.PMID：28159689
查看文章PubMed/NCBI谷歌学术
29.van der Kleij LA， De Vis JB， de Bresser J， Hendrikse J， Siero JCW.高碳酸血症期间动脉 CO2 压力的变化与脑实质体积的变化有关。Eur Radiol Exp. 2020;4(1):17.PMID：32147754
查看文章PubMed/NCBI谷歌学术
30.Bianciardi M， Fukunaga M， van Gelderen P， de Zwart JA， Duyn JH.大脑静脉中的 BOLD-fMRI 信号为阴性。J Cereb 血流代谢。2011;31(2):401–12.PMID：20859295
查看文章PubMed/NCBI谷歌学术
31.Bright MG、Bianciardi M、de Zwart JA、Murphy K、Duyn JH。生理起源的早期抗相关 BOLD 信号变化。神经影像学。2014;87:287–96.PMID：24211818
查看文章PubMed/NCBI谷歌学术
32.Sirmpilatze N、Mylius J、Ortiz-Rios M、Baudewig J、Paasonen J、Golkowski D 等人。麻醉诱导的爆发抑制的空间特征在灵长类动物和啮齿动物之间有所不同。Elife 的。2022;11：e74813.PMID：35607889
查看文章PubMed/NCBI谷歌学术
33.奥尔森 AK、凯丁 S、蒙克 OL。通过正电子发射断层扫描研究高碳酸血症对猪脑血流量和血容量的影响。Comp Med. 2006 年;56(5):416–20.PMID：17069026
查看文章PubMed/NCBI谷歌学术
34.Ito H， Ibaraki M， Kanno I， Fukuda H， Miura S. 通过正电子发射断层扫描测量的高碳酸血症和低碳酸血症期间人脑血容量动脉分数的变化。J Cereb 血流代谢。2005;25(7):852–7.PMID：15716851
查看文章PubMed/NCBI谷歌学术
35.Martin C， Jones M， Martindale J， Mayhew J. 清醒大鼠对高碳酸血症的血液动力学和神经反应。欧洲神经科学杂志。2006;24(9):2601–10.PMID：17100848
查看文章PubMed/NCBI谷歌学术
36.Xu F， Uh J， Brier MR， Hart J Jr， Yezhuvath US， Gu H， et al.二氧化碳对有意识的人类大脑活动和新陈代谢的影响。J Cereb 血流代谢。2011;31(1):58–67.PMID：20842164
查看文章PubMed/NCBI谷歌学术
37.陈 JJ， 派克 GB.人类高碳酸血症和低碳酸血症期间 BOLD 特异性流量-体积关系的 MRI 测量。神经影像学。2010;53(2):383–91.PMID：20624474
查看文章PubMed/NCBI谷歌学术
38.Grubb RL Jr， Raichle ME， Eichling JO， Ter-Pogossian MM.PaCO2 变化对脑血容量、血流量和血管平均通过时间的影响。中风。1974;5(5):630–9.PMID：4472361
查看文章PubMed/NCBI谷歌学术
39.Wesolowski R、Blockley NP、司机 ID、Francis ST、Gowland PA。脑血流量与脑血容量之间的耦合：不同血管隔室的贡献。核磁共振生物医学。2019;32（3）：e4061。PMID：30657208
查看文章PubMed/NCBI谷歌学术
40.Ranft A、Golkowski D、Kiel T、Riedl V、Kohl P、Rohrer G 等人。通过同时功能磁共振成像和脑电图确定七氟烷诱导的意识丧失的神经相关性。麻醉。2016;125(5):861–72.PMID：27617689
查看文章PubMed/NCBI谷歌学术
41.Golkowski D、Ranft A、Kiel T、Riedl V、Kohl P、Rohrer G 等人。在深部七氟烷麻醉期间人脑中 BOLD 信号和电活动的连贯性。大脑行为。2017;7（7）：e00679。PMID：28729926
查看文章PubMed/NCBI谷歌学术
42.Ito H， Kanno I， Ibaraki M， Hatazawa J， Miura S. 通过正电子发射断层扫描测量的高碳酸血症和低碳酸血症期间人体脑血流量和脑血容量的变化。J Cereb 血流代谢。2003;23(6):665–70.PMID：12796714
查看文章PubMed/NCBI谷歌学术
43.Donahue MJ、Faraco CC、Strother MK、Chappell MA、Rane S、Dethrage LM 等人。推注到达时间和脑血流对高碳酸血症的反应。J Cereb 血流代谢。2014;34(7):1243–52.PMID：24780904
查看文章PubMed/NCBI谷歌学术
44.Heijtel DFR、Mutsaerts HJMM、Bakker E、Schober P、Stevens MF、Petersen ET 等人。基线和高碳酸血症期间假连续动脉自旋标记灌注的准确性和精密度：与 ¹⁵O H₂O 正电子发射断层扫描的头对头比较。神经影像学。2014;92:182–92.PMID：24531046
查看文章PubMed/NCBI谷歌学术
45.Gao J-H， Liu H-L.流入对功能性 MRI 的影响。神经影像学。2012;62(2):1035–9.PMID：22019882
查看文章PubMed/NCBI谷歌学术
46.van der Voort EC， Tong Y， van Grinsven EE， Zwanenburg JJM， Philippens MEP， Bhogal AA.CO2 作为神经液体流动的引擎：探索血管反应性、大脑清除和组织特性变化之间的耦合。核磁共振生物医学。2024;37（8）：e5126。PMID：38403795
查看文章PubMed/NCBI谷歌学术
47.Matta BF， Heath KJ， Tipping K， Summors AC. 七氟烷和异氟烷的直接脑血管舒张作用。麻醉。1999;91(3):677–80.PMID：10485778
查看文章PubMed/NCBI谷歌学术
48.Zimmermann J、Sorg C、Müller L、Zistler F、Neumaier V、Bonhoeffer M 等人。七氟烷在麻醉期间和麻醉后损害了人体肉眼可见的脑脊液流动。麻醉。2025;142(4):692–703.PMID：39786916
查看文章PubMed/NCBI谷歌学术
49.罗塞蒂 AO，洛温斯坦 DH。成人难治性癫痫持续状态的管理：问题仍然多于答案。柳叶刀神经学 2011;10(10):922–30.PMID：21939901
查看文章PubMed/NCBI谷歌学术
50.Han F、Lee J、Chen X、Ziontz J、Landau SM、Baker SL 等。脑脊液流动和整体脑活动之间的耦合减少与 tau 病理有关。阿尔茨海默氏症 &痴呆。2023;19（第 17 页）。
查看文章谷歌学术
51.Eide PK， Vinje V， Pripp AH， Mardal KA， Ringstad G. 睡眠剥夺会损害人脑的分子清除能力。脑。2021;144(3):863–74.PMID：33829232
查看文章PubMed/NCBI谷歌学术
52.Mander BA， Winer JR， Jagust WJ， 沃克议员。睡眠：阿尔茨海默病病理学中的一种新的机制途径、生物标志物和治疗靶点？趋势神经科学。2016;39(8):552–66.PMID：27325209
查看文章PubMed/NCBI谷歌学术
53.佐特 B、布什 MA、斯珀林 RA、康纳斯 A。小鼠和人类阿尔茨海默病的回路会发生什么变化？Annu Rev 神经科学。2018;41:277–97.PMID：29986165
查看文章PubMed/NCBI谷歌学术
54.Ozturk B、Koundal S、Al Bizri E、Chen X、Gursky Z、Dai F 等人。持续的气道正压通气增加 CSF 流量和淋巴输送。JCI 洞察。2023;8（12）：e170270。PMID：37159262
查看文章PubMed/NCBI谷歌学术
55.Brown SJ， Barnes MJ， Mündel T. 缺氧和高碳酸血症对人类 HRV 和呼吸性窦性心律失常的影响。Acta Physiol Hung. 2014 年;101(3):263–72.PMID：25183501
查看文章PubMed/NCBI谷歌学术
56.Power JD， Barnes KA， Snyder AZ， Schlaggar BL， Petersen SE. 功能连接 MRI 网络中的虚假但系统性相关性源于受试者运动。神经影像学。2012;59(3):2142–54.PMID：22019881
查看文章PubMed/NCBI谷歌学术
57.DPARSF：用于静息态 fMRI 的“管道”数据分析的 MATLAB 工具箱。Front Syst 神经科学。2010;4:13.PMID：20577591
查看文章PubMed/NCBI谷歌学术
58.灰烬伯恩 J.一种快速的微分图像配准算法。神经影像学。2007;38(1):95–113.PMID：17761438
查看文章PubMed/NCBI谷歌学术
59.Alsop DC、Detre JA、Golay X、Günther M、Hendrikse J、Hernandez-Garcia L 等人。临床应用动脉自旋标记灌注 MRI 的推荐实施：ISMRM 灌注研究组和欧洲痴呆 ASL 联盟的共识。Magn Reson Med. 2015 年;73(1):102–16.PMID：24715426