这周组会我报告的是薛贵老师发在JN上的一篇脑结构预测reading ability的文章。起初选择该文章是出于以下两点考虑：1. 近期做个体差异的工作相对多一些，在分析方法上可能有所借鉴；2. 写作思路上的借鉴。

这篇文章内容大致如下：

在以往存在功能和结构成像技术研究reading的加工机制和个体差异的神经基础的背景下，作者提出已有研究存在两个问题，一方面往往采用单一的reading task，而reading ability是一个复杂的能力，由多个成分构成；另一方面样本量相对偏小。然后作者针对这两点，展开自己的研究。这篇文章涉及到7个不同的reading task，作者首先做了因素分析找到其中的3个成分，并分别命名为phonological reading，form-sound association和naming speed。然后采用fMRI研究中常用的MVPA的方法采用VBM的结构数据分别对3个成分进行预测。最后也采用传统的一元分析方式与MVPA的结果做了简单的对比。

值得学习的地方：

  1. 关于为什么采用脑结构数据的引入。这个问题我们之前也有考虑，我之前能想到的只是以往研究发现脑结构的个体差异有意义，可以预测一些行为上的个体差异；这篇文章提出另一个观点值得我们借鉴：Compared with functional imaging, the anatomical approach requires less participant cooperation, and is most cost-effective and less contaminated by performance differences, providing an ideal tool for a large scale study of participants with various ages and reading abilities.

  2. 关于VBM研究不能明确因果关系的限制，这种不确定方向的问题可以采用类似的方式写一下。our results could not pinpoint whether the observed correlations were caused by preexisting individual differences (Xue et al., 2006b; Wong et al., 2011) or brain plasticity during language learning (Mechelli et al., 2004; Carreiras et al., 2009). Future longitudinal studies might help to address this issue (Hoeft et al., 2011).

最后吐槽一下这篇文章里的bug：

  1. 作者说他们采用的MVPA的方法相对于传统一元分析要敏感一些，但是没有给出量化的比较。实际上，文章的MVPA的结果并没有做多重比较校正，而一元的分析则采用了相对严格的FDR校正。这样，一方面，拿一个没校正的结果和一个严格校正的结果做对比，不能说明问题；另一方面，一个未校正的结果为什么可以发表，这个问题值得我们思考。(说到这里，突然想到了那篇Culture and Brain上的关于snp的奇文，感兴趣的可以自己找来看看)

Multiple Comparison Correction

  1. MVPA的结果包含了小脑，而一元的结果则把小脑忽略了，作者没有明确提及这一操作，但是，我想如果不是“学生疏忽”的话，背后应该有故事。

文献：
Decoding the Neuroanatomical Basis of Reading Ability: A Multivoxel Morphometric Study. The Journal of Neuroscience, 2013.