XT
Xiaohan Tian
Author with expertise in Analysis of Brain Functional Connectivity Networks
Achievements
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
3
(100% Open Access)
Cited by:
1
h-index:
4
/
i10-index:
1
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Mapping Brain Synergy Dysfunction in Schizophrenia: Understanding Individual Differences and Underlying Molecular Mechanisms

Chaoyue Ding et al.Jun 20, 2024
Abstract To elucidate the brain‐wide information interactions that vary and contribute to individual differences in schizophrenia (SCZ), an information‐resolved method is employed to construct individual synergistic and redundant interaction matrices based on regional pairwise BOLD time‐series from 538 SCZ and 540 normal controls (NC). This analysis reveals a stable pattern of regionally‐specific synergy dysfunction in SCZ. Furthermore, a hierarchical Bayesian model is applied to deconstruct the patterns of whole‐brain synergy dysfunction into three latent factors that explain symptom heterogeneity in SCZ. Factor 1 exhibits a significant positive correlation with Positive and Negative Syndrome Scale (PANSS) positive scores, while factor 3 demonstrates significant negative correlations with PANSS negative and general scores. By integrating the neuroimaging data with normative gene expression information, this study identifies that each of these three factors corresponded to a subset of the SCZ risk gene set. Finally, by combining data from NeuroSynth and open molecular imaging sources, along with a spatially heterogeneous mean‐field model, this study delineates three SCZ synergy factors corresponding to distinct symptom profiles and implicating unique cognitive, neurodynamic, and neurobiological mechanisms.
0
Citation1
0
Save
0

Mapping Individual Differences in the Topological Landscape of Naturalistic Brain Dynamics

Jiajia Xian et al.Jun 25, 2024
Abstract Naturalistic stimuli elicit rich subjective experiences through adaptive neural coordination. However, how inherent behavioral traits shape individual neural dynamics in naturalistic settings remains unclear. Here, we introduce a computational framework, STIM, to systematically capture individual differences in brain dynamics while watching diverse movie stimuli. By leveraging Topological Data Analysis, STIM generates a robust group-level dynamical landscape of brain latent states, mapping individual-specific divergence into global topology and local geometry. Applying STIM to large-sample movie fMRI datasets, we found that inter-individual variation in global topology exhibits a center-periphery gradient in the landscape. This gradient significantly explains individual fluid intelligence from a dual perspective, highlighting the importance of both adaptability and diversity of neural dynamics. At the fine-grained narrative level, individual local geometry attributes are associated with context-specific psychological traits beyond cognition. Furthermore, STIM reveals how the dynamical landscape evolves across neurodevelopment and exhibits abnormalities in psychiatric disorders such as autism. In summary, the STIM framework has the potential to transform rich naturalistic stimuli with brain recording into neural ‘probes’ to measure individual differences in cognition and mental health.