核心默認網絡 (cDN)、突顯網絡(SN) 和背側注意網絡 (DAN) 腦區間效應連接

腦是由多個分散的大尺度網絡構成的係統。默認網絡、背側注意網絡和突顯網絡是科研人員普遍關注的三個核心腦網絡，它們在個體發展和老化的過程中起到維持正常心理狀態和認知能力 (如注意、工作記憶、決策) 的關鍵作用;擾亂這些腦網絡間功能交互可能導致神經和精神疾病(如注意缺陷和多動障礙、精神分裂症、癡呆等)的發生。因此，研究這些核心腦網絡之間的功能交互對於理解正常和異常腦功能具有重要意義。

這三個腦網絡的靜息態自發活動具有一個顯著特征：即靜息態和內部導向任務所涉及的默認網絡，與外部導向任務所涉及的背側注意網絡、突顯網絡之間存在負相關關係。這種負相關關係已得到人類和動物生物學基礎研究的證據支持，提示其反映了腦功能整合的關鍵特征。然而，目前仍不清楚這種網絡間負相關關係是如何產生的。這一問題，無法由常用的功能連接(functional connectivity)分析來回答，因為功能連接隻能衡量腦網絡或腦區之間的相關關係，無法提供交互作用的方向信息。效應連接(effective connectivity)分析則可以研究腦網絡或腦區之間的有向因果關係，並可以從前向(興奮性)和反向(抑製性)連接的角度清晰地顯示負相關網絡之間的層級結構。因此，中國科學院心理研究所行為科學重點實驗室李紓研究組的青年特聘研究員周媛，與倫敦大學學院教授 Karl Friston 團隊(博士 Adeel Razi 和 Peter Zeidman)合作，采用動態因果模型 (Dynamic causal modeling, DCM) 分析研究了默認網絡、背側注意網絡和突顯網絡腦區之間的效應連接，以理解負相關網絡是如何進行功能交互的。

該研究基於來自心理所雙生子庫的 420 名青少年及早期成年雙生子被試(14-23 歲，女性：48.5%)的靜息態 fMRI 數據，綜合采用多種分析方法研究負相關網絡間的交互方式。該研究首先采用空間主成分分析獲得核心默認網絡、背側注意網絡和突顯網絡，並確定 19 個核心腦區作為節點。之後，采用適合於靜息態數據分析的頻譜 DCM(spectral DCM)構建個體水平的動態因果模型，采用新近提出的參數經驗貝葉斯 (Parametric Empirical Bayes, PEB) 和貝葉斯模型降階 (Bayesian Model Reduction， BMR) 方法進行組水平分析，估計腦區之間的效應連接。最後，通過比較輸出和輸入連接的相對強度來構建網絡間的層級結構。

研究發現：(1)采用效應連接分析，可以識別出在功能連接分析中常見的負相關腦網絡;(2)背側注意網絡和突顯網絡與默認網絡之間的效應連接是不對稱的，具體表現為：從背側注意網絡和突顯網絡腦區到默認網絡腦區的效應連接為負性的，提示背側注意網絡和突顯網絡的活動抑製了默認網絡的活動;但多數從默認網絡到背側注意網絡和突顯網絡的效應連接為正性的，提示默認網絡對背側注意網絡和突顯網絡的活動有興奮性影響(圖 A、B);(3)通過比較網絡間傳出和傳入連接的相對強度，該研究進一步發現背側注意網絡、突顯網絡、默認網絡之間存在層級結構，突顯網絡處於該層級結構的頂層，提示突顯網絡在調控網絡間的交互功能中起重要作用(圖 C)。此外，該研究從實證角度解釋了效應連接和功能連接之間的關係。

青少年及成年早期是高級腦功能發育的關鍵時期，也是精神疾病的高發期。該研究的發現有助於從機製上理解默認網絡、背側注意網絡和突顯網絡三個核心腦網絡間負相關關係產生的神經基礎，因而對腦發育、腦老化以及神經和精神疾病研究具有重要意義。研究結果也顯示出 DCM 在發現腦網絡和理解腦網絡組織機製方麵的應用價值;參數經驗貝葉斯 (PEB) 和貝葉斯模型降階 (BMR) 分析方法在該研究中的成功應用，為采用圖論分析研究更大數量腦區之間的效應連接開創了新途徑。

研究工作得到了國家自然科學基金、國家重點基礎研究發展計劃(973 計劃)、國家高技術研究發展計劃(863 計劃)、中科院青年創新促進會、北京市科技新星計劃、國家留學基金委和倫敦大學學院教授 Karl Friston Wellcome Trust Principal Research Fellowship 基金的支持。相關研究成果在線發表在 Cerebral Cortex 上。

https://academic.oup.com/cercor/advance-article/doi/10.1093/cercor/bhx307/4637602