研究发现青少年及早期成年人核心脑网络间的层级结构

研究发现青少年及早期成年人核心脑网络间的层级结构
2017年12月07日 12:50 心理所

脑是由多个分散的大尺度网络构成的系统。默认网络、背侧注意网络和突显网络是科研人员普遍关注的三个核心脑网络,它们在个体发展和老化的过程中起到维持正常心理状态和认知能力(如注意、工作记忆、决策)的关键作用;扰乱这些脑网络间功能交互可能导致神经和精神疾病(如注意缺陷和多动障碍、精神分裂症、痴呆等)的发生。因此,研究这些核心脑网络之间的功能交互对于理解正常和异常脑功能具有重要意义。

这三个脑网络的静息态自发活动具有一个显着特征:即静息态和内部导向任务所涉及的默认网络,与外部导向任务所涉及的背侧注意网络、突显网络之间存在负相关关系。这种负相关关系已得到人类和动物生物学基础研究的证据支持,提示其反映了脑功能整合的关键特征。然而,目前仍不清楚这种网络间负相关关系是如何产生的。这一问题,无法由常用的功能连接(functional connectivity)分析来回答,因为功能连接只能衡量脑网络或脑区之间的相关关系,无法提供交互作用的方向信息。效应连接(effective connectivity)分析则可以研究脑网络或脑区之间的有向因果关系,并可以从前向(兴奋性)和反向(抑制性)连接的角度清晰地显示负相关网络之间的层级结构。因此,中国科学院心理研究所行为科学重点实验室李纾研究组的青年特聘研究员周媛,与伦敦大学学院教授Karl Friston团队(博士Adeel Razi和Peter Zeidman)合作,采用动态因果模型(Dynamic causal modeling, DCM)分析研究了默认网络、背侧注意网络和突显网络脑区之间的效应连接,以理解负相关网络是如何进行功能交互的。

该研究基于来自心理所双生子库的420名青少年及早期成年双生子被试(14-23岁,女性:48.5%)的静息态fMRI数据,综合采用多种分析方法研究负相关网络间的交互方式。该研究首先采用空间主成分分析获得核心默认网络、背侧注意网络和突显网络,并确定19个核心脑区作为节点。之后,采用适合于静息态数据分析的频谱DCM(spectral DCM)构建个体水平的动态因果模型,采用新近提出的参数经验贝叶斯(Parametric Empirical Bayes, PEB)和贝叶斯模型降阶(Bayesian Model Reduction, BMR)方法进行组水平分析,估计脑区之间的效应连接。最后,通过比较输出和输入连接的相对强度来构建网络间的层级结构。

研究发现:(1)采用效应连接分析,可以识别出在功能连接分析中常见的负相关脑网络;(2)背侧注意网络和突显网络与默认网络之间的效应连接是不对称的,具体表现为:从背侧注意网络和突显网络脑区到默认网络脑区的效应连接为负性的,提示背侧注意网络和突显网络的活动抑制了默认网络的活动;但多数从默认网络到背侧注意网络和突显网络的效应连接为正性的,提示默认网络对背侧注意网络和突显网络的活动有兴奋性影响(图A、B);(3)通过比较网络间传出和传入连接的相对强度,该研究进一步发现背侧注意网络、突显网络、默认网络之间存在层级结构,突显网络处于该层级结构的顶层,提示突显网络在调控网络间的交互功能中起重要作用(图C)。此外,该研究从实证角度解释了效应连接和功能连接之间的关系。

青少年及成年早期是高级脑功能发育的关键时期,也是精神疾病的高发期。该研究的发现有助于从机制上理解默认网络、背侧注意网络和突显网络三个核心脑网络间负相关关系产生的神经基础,因而对脑发育、脑老化以及神经和精神疾病研究具有重要意义。研究结果也显示出DCM在发现脑网络和理解脑网络组织机制方面的应用价值;参数经验贝叶斯(PEB)和贝叶斯模型降阶(BMR)分析方法在该研究中的成功应用,为采用图论分析研究更大数量脑区之间的效应连接开创了新途径。

研究工作得到了国家自然科学基金、国家重点基础研究发展计划(973计划)、国家高技术研究发展计划(863计划)、中科院青年创新促进会、北京市科技新星计划、国家留学基金委和伦敦大学学院教授Karl Friston Wellcome Trust Principal Research Fellowship基金的支持。相关研究成果在线发表在Cerebral Cortex上。(生物谷Bioon.com)

网络突显层级
新浪科技公众号
新浪科技公众号

“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)

创事记

评论排行榜

科学探索

苹果汇

众测

来电聊

专题

官方微博

新浪科技 新浪数码 新浪手机 科学探索 苹果汇 新浪众测

公众号

新浪科技

新浪科技为你带来最新鲜的科技资讯

苹果汇

苹果汇为你带来最新鲜的苹果产品新闻

新浪众测

新酷产品第一时间免费试玩

新浪探索

提供最新的科学家新闻,精彩的震撼图片