颞叶内侧癫痫（mesial temporal lobe epilepsy,m TLE）是成人最为常见的药物难治局灶性癫痫,其致痫网络的紊乱导致患者的脑功能往往处于动态失衡之中。但癫痫发作间期,致痫灶神经活动的异常波动是以何种形式诱发了大尺度致痫网络的不稳定性以及其潜在的分子机制却尚不清楚。近年来,神经成像技术和时变复杂网络分析技术发展迅速,其中功能磁共振成像的广泛运用,为探究脑网络的动态特性提供了新的技术手段,机器学习与神经影像的深入结合则更为高效地对异常脑网络特征进行识别。同时随着转录组分析技术的逐渐精进,研究者得以更为准确地量化不同脑组织的基因表达水平。因此,通过神经成像技术、分子技术和计算机技术的深入结合,能够更为科学精准地探究颞叶内侧癫痫从微观到宏观的特异性异常神经机制。本文从颞叶内侧癫痫脑网络的动态性改变、颞叶内侧癫痫基因表达与手术预后的关系等角度出发,对颞叶内侧癫痫的脑网络动态特性异常进行创新性科学研究。研究内容主要分为以下几个方面:1.针对颞叶内侧癫痫患者发作间期脑网络动态不稳定性问题,我们采用时变多层社区发现算法对患者的脑网络动态特性进行量化,进一步构建基于动态功能网络特性的癫痫发作频率预测模型。研究发现处于发作间期的颞叶内侧癫痫患者,其脑网络相较于健康对照处于更为不稳定的状态。同时,高阶网络的功能内聚性、海马与默认网络之间的功能整合显著降低,而海马与高阶控制网络之间的功能整合显著升高。我们通过非对称性分析发现病灶侧海马与默认网络的状态一致性相较于高阶控制网络呈现出相反的趋势,揭示了病灶侧海马与高阶网络之间的功能交互呈现出非静息状态。最后我们以海马-默认网络的状态一致性为特征构建跨中心的机器学习预测模型,揭示了海马与默认网络在颞叶内侧癫痫脑网络紊乱中的重要性,并为癫痫发作频率提供了特异性的影像标志物。2.在探明颞叶内侧癫痫患者脑网络状态异常切换的基础上,进一步应用时变多层社区发现算法和转录组分析探究患者手术预后效果和其影像分子机制。通过偏最小二乘回归模型,以颞叶癫痫相关基因表达水平对不同手术预后患者的脑网络动态特性差异进行线性拟合,揭示了颞叶内侧结构等初级受累区域。当海马和杏仁核被模拟切除后,特异性致痫区域向颞叶部位转移。通过基因功能富集分析,揭示了神经元交互和信息传导通路的异常是不同预后患者脑网络紊乱最重要的分子机制。最终的隐马尔可夫状态编码分析进一步揭示了癫痫起源泛化的初级和次级受累脑区状态分布的显著变化。本研究通过脑网络动态特性异常回溯至基因表达,揭示了不同预后颞叶内侧癫痫患者潜在的分子机制和致痫转移区域。本论文从颞叶内侧癫痫患者的脑网络动态特性异常为出发点,通过复杂网络分析方法揭示了患者海马与高阶脑网络之间的功能交互异常,并实现了癫痫发作频率的特异性预测,为临床上颞叶内侧癫痫患者的病情监控提供了可量化的参考。并通过进一步的转录组分析,揭示了不同手术预后患者的脑网络动态紊乱特性与基因表达的潜在关系,为后续探索颞叶内侧癫痫从微观到宏观的神经病理机制提供了先验信息。