生物医学应用

脑网络分析最有说服力的应用，是把网络位置与疾病易感性联系起来。Buckner 等（2009, J Neurosci）发现，静息态功能网络中的皮层枢纽（以后内侧和外侧顶叶为代表）与阿尔茨海默病患者 β-淀粉样蛋白沉积的部位高度重叠，提示高活动、高连接的枢纽可能在病理上更脆弱。Crossley 等（2014, Brain）汇总多种脑疾病的灰质病变后，也报告了病变偏向枢纽区域的趋势。Bullmore & Sporns（2012）从网络经济性角度解释这一现象：枢纽与长程连接是网络中代价最高的成分，可能在发育异常或病理攻击下更易受损。

在精神分裂症中，van den Heuvel 等（2013, JAMA Psychiatry）报告了富人俱乐部节点之间结构连接密度降低。在癫痫中，网络分析被用于描述致痫区与周围网络的关系，并探索手术切除范围与预后的联系。在局灶脑损伤中，Warren 等（2014, PNAS）发现病变位于高参与系数的连接枢纽时，认知损害比病变位于高度区域时更广泛（见模块与功能系统）；病变网络映射则尝试把分散病灶引起的同一症状定位到共同的连接靶区，并用于提出脑刺激靶点（见病变网络映射，注意其特异性争论）。

这些研究共同的问题是：组间差异不等于诊断能力。一个在组水平显著的效率差异，个体之间的分布往往高度重叠；要把图论指标用作诊断标志物，需要在独立样本上评估分类性能，并控制头动、用药、病程等混杂因素。Fornito、Zalesky & Breakspear（2015, Nature Reviews Neuroscience）对脑疾病连接组学的综述系统讨论了这些解读陷阱。使用公开脑影像数据（如人类连接组计划 HCP、ABIDE 自闭症数据集；最省事的起点是延伸资源中 ENIGMA Toolbox 提供的组平均连接组）开展研究时，应在研究方案中写明节点定义、阈值方案和头动控制策略（参照分析流程表）。