荟萃心理学各领域新进展、新动态
来源 | 北师大认知神经科学与学习国家重点实验室官网
01
—— 秦绍正课题组与陶沙组合作揭示人脑默认网络对认知发展中额顶网络发挥着“脚手架”促进作用——
基于脑智发育与认知发展的交互式特异化理论，儿童大脑在发育过程中往往需要协同多个脑区共同支持某一特定的认知任务。额顶网络（fronto-parietal network，FPN）涉及广泛的外源性认知加工，对于执行功能（如工作记忆）和认知灵活性等至关重要。然而，默认网络（default mode network，DMN）在以往研究中往往被认为跟内源性信息加工更相关，其活跃程度工作记忆等任务负相关。近年来，有研究者提出新的观点：默认网络是大脑的全局工作空间（Global workspace），用于汇聚来自人体内部和外部的信息从而帮助个体预测和适应不断变化的环境需求，同时在认知功能执行的过程中也起着积极作用。越来越多的研究也发现大脑默认网络与额顶网络的功能交互，在高级认知功能如长时程记忆中发挥着关键作用。以往大部分研究倾向于关注成人群体，而在大脑尚未成熟的儿童青少年期，我们对大脑默认网络与额顶网络究竟如何相互作用进而支持个体认知发展，特别是默认网络在其中起着何种作用这一关键问题还知之甚少并亟待解决。
近日，北京师范大学认知神经科学与学习国家重点实验室、IDG/麦戈文脑科学研究院秦绍正团队与陶沙团队联合在《Cerebral Cortex》在线发表的最新实证研究，以人脑默认网络与额顶网络的功能交互作为出发点，利用无创功能性磁共振成像技术fMRI和经典数字工作记忆范式，结合横断和纵向追踪设计，通过三年追踪考察528名6-15岁中国儿童青少年在工作记忆任务中大脑默认网络与额顶网络的纵向发育模式以及发育过程中的交互规律，并将发育中的儿童青少年脑功能状态与103名健康成年人进行对比，揭示出大脑默认网络和额顶网络在6-15岁儿童青少年时期在多体素活动模式和大脑功能网络连接两个维度上具有发育异质性，并且发现在儿童青少年时期功能相对较为成熟的大脑默认网络对额顶网络发挥着“脚手架（scaffolding）”的支持作用。
“脚手架”作用是认知发展的一种特定机制，包括使用和发展补偿性或者可替代性的神经机制去完成既定的认知目标，其存在和发展可以贯穿个体整个过程。具体来说，儿童大脑默认网络在多体素活动模式和网络内连接水平上都比额顶网络更早达到成人水平，儿童静息态下大脑默认-额顶网络间功能耦合（functional coupling）调节了年龄与工作记忆任务下两个网络间功能耦合之间的关系，其中大脑默认和额顶网络内的核心节点脑区——后扣带皮层（PCC）与背外侧前额叶皮层（DLPFC）之间的功能耦合成为两个网络之间的核心关键通路。
该研究进一步发现，儿童静息态下PCC- DLPFC的耦合与工作记忆任务状态下PCC的活动共同调节了儿童在工作记忆行为表现随年龄带来的纵向改善。该研究结果表明，大脑额顶网络的功能发育对于支持儿童青少年执行功能的发展起着至关重要的作用，而在发育过程中，相对较为成熟的大脑默认网络则通过功能交互为支持功能尚未成熟的额顶网络提供了脚手架作用。
首先，我们利用纵向加速追踪研究技术考察528名儿童青少年在三年时间内执行功能的发育，任务选用经典数字n-back工作记忆范式，包括0-，1-和2-back三种任务难度（图1A）。行为结果发现，儿童青少年在6-15岁阶段工作记忆表现与成人相比仍未发育成熟，同时在此发育过程中儿童青少年的工作记忆能力随着年龄增长而显著提升。
图1：数字工作记忆任务范式以及6-15岁儿童青少年工作记忆表现纵向发育轨迹
随后，我们采用多体素成熟度的计算方法，分别计算了在工作记忆三种难度条件下6-15岁儿童青少年的大脑默认与额顶网络与成人多体素活动模式的表征相似性，并刻画出这两个大脑网络在儿童青少年阶段多体素活动模式的纵向发育轨迹。其中儿童青少年大脑默认网络表现出与成人相似的多体素活动模式，而额顶网络则表现出持续随年龄发育的特征（图2）。这一结果表明，在多体素神经活动模式层面，儿童青少年大脑默认网络与额顶网络相比更接近成人的成熟模式。
图2：儿童青少年大脑默认网络和额顶网络在工作记忆任务下多体素活动模式的纵向发育轨迹
进一步，我们继续考察了儿童青少年与成人分别在静息状态以及工作记忆任务状态下大脑默认网络与额顶网络分别在网络内以及网络间的功能连接水平。研究结果表明，静息态以及工作记忆任务条件下，儿童青少年均表现出与成人相似的大脑默认网络内功能连接水平（图3D，图4A），但额顶网络内功能连接与成人相比仍然较弱（图3E，图4B）。另外，儿童青少年在大脑默认与额顶网络间的功能连接水平均高于成人水平（图3F，图4C）。同时，我们还发现，工作记忆任务条件下儿童青少年的大脑默认与额顶网络的网络间功能连接水平可以预测儿童青少年工作记忆行为表现（图4E），表明在发育过程中大脑默认网络与额顶网络的功能交互可以促进儿童青少年工作记忆行为表现的发展。
图3：工作记忆任务下儿童青少年与成人大脑默认与额顶网络的功能连接的差异
图4：静息态下儿童青少年与成人大脑默认与额顶网络的功能连接的差异
最后，为了进一步表征大脑默认与额顶网络中具体是哪些脑区之间的功能连接驱动儿童青少年在工作记忆任务下网络间功能连接水平比成人更强，我们对儿童青少年和成人在静息态以及工作记忆2-back条件下默认与额顶网络间的所有功能连接分别进行了独立t检验，结果发现儿童青少年的后扣带回-背外侧前额叶连接通路（PCC-DLPFC）是儿童青少年大脑默认与额顶网络功能连接之间的关键核心通路。进一步使用中介分析结果表明，儿童青少年静息态下后扣带回-背外侧前额叶功能连接中介了儿童青少年年龄与任务态下该通路的连接水平。链式中介分析结果表明，静息态下儿童青少年静息态下后扣带回-背外侧前额叶功能连接联合后扣带回皮层在工作记忆任务下的激活共同中介了儿童青少年的年龄与工作记忆表现发育之间的关系。该研究结果说明，年龄更小的儿童青少年倾向于表现出更高的静息态下后扣带回-背外侧前额叶功能连接和更高的2-back条件下后扣带回激活，这些大脑变化与儿童工作记忆表现随发育而提高改善有关（图5）。
图5：儿童青少年后扣带回-背外侧前额叶连接通路是默认与额顶网络间的关键核心通路并中介工作记忆发展
综上所述，研究团队通过整合任务态和静息态功能磁共振(fMRI)脑影像数据，结合行为分析、多体素分析以及脑网络分析，利用纵向加速追踪研究手段从多个维度研究了大脑默认网络和额顶网络的发育以及彼此之间的相互作用对于6至15岁儿童青少年的工作记忆能力发展的支持。我们的研究结果揭示出大脑默认网络与额顶网络在工作记忆任务下发育的异质性；同时也显示出在大脑发育过程中，相对较为成熟的默认网络可能为功能尚未成熟的额顶网络提供“脚手架”支撑作用，从而促进儿童青少年工作记忆能力发展。
本研究依托于中国学龄儿童脑发育项目北京队列（Children School Functions and Brain Development Project，CBD Beijing Cohort），也是课题组近年来在儿童青少年情感认知与脑智发育领域(Qin et al. 2014; Hao et al. 2021; Jiang et al. 2021; Tian et al. 2021; Xu et al. 2022)的延伸和拓展。
本研究受到国家自然科学基金委重点项目、国家社科基金重大项目、国家重点实验室开放课题和中央高校基本科研专项等支持。论文第一作者（含共同）为陈梦璐博士、在读博士生何颖和郝磊博士，通讯作者为陶沙教授与秦绍正教授。同时，感谢北京大学磁共振中心高家红教授、北京师范大学贺永教授、北京回龙观医院谭淑平教授等，对本论文中儿童青少年神经影像数据的采集给予的大力支持和帮助。
论文信息：
Menglu Chen#, Ying He#, Lei Hao#, Jiahua Xu, Ting Tian, Siya Peng, Gai Zhao, Jing Lu, Yuyao Zhao, Hui Zhao, Min Jiang, Jia-Hong Gao, Shuping Tan, Yong He, Chao Liu, Sha Tao, Lucina Q Uddin, Qi Dong, Shaozheng Qin, Default mode network scaffolds immature frontoparietal network in cognitive development, Cerebral Cortex, 2022 (In Press). https://doi.org/10.1093/cercor/bhac414
课题组网站：http://icanbrainlab.bnu.edu.cn/en/infolist-99.html
前期相关成果与文献：
Hao L, Li L, Chen M, Xu J, Jiang M, Wang Y, Jiang L, Chen X, Qiu J, Tan S, Gao JH, He Y, Tao S, Dong Q, Qin S. 2021. Mapping Domain- and Age-Specific Functional Brain Activity for Children’s Cognitive and Affective Development. Neurosci Bull. 37:763–776.
Jiang N, Xu J, Li X, Wang Y, Zhuang L, Qin S. 2021. Negative Parenting Affects Adolescent Internalizing Symptoms Through Alterations in Amygdala-Prefrontal Circuitry: A Longitudinal Twin Study. Biol Psychiatry. 89:560–569.
Qin S, Cho S, Chen T, Rosenberg-Lee M, Geary DC, Menon V. 2014. Hippocampal-neocortical functional reorganization underlies children’s cognitive development. Nat Neurosci. 17:1263–1269.
Tian T, Young CB, Zhu Y, Xu J, He Y, Chen M, Hao L, Jiang M, Qiu J, Chen X, Qin S. 2021. Socioeconomic Disparities Affect Children’s Amygdala-Prefrontal Circuitry via Stress Hormone Response. Biol Psychiatry. 90:173–181.
Xu J, Hao L, Chen M, He Y, Jiang M, Tian T, Wang H, Wang Y, Wang D, Han ZR, Tan S, Men W, Gao J, He Y, Tao S, Dong Q, Qin S. 2022. Developmental Sex Differences in Negative Emotion Decision-Making Dynamics: Computational Evidence and Amygdala-Prefrontal Pathways. Cereb Cortex. 32:2478–2491.
02
—— 舒妮课题组在《Human Brain Mapping》发文阐述基于人脑白质结构连接组的认知功能个体化预测的方法学评价 ——
神经影像数据特征可关联多领域的认知功能。相比于传统的单变量关联方法，机器学习多变量预测模型可实现跨多个脑区神经影像特征与个体行为认知的复杂关联，以揭示认知行为个体差异的潜在影像学机制（Gabrieli et al., 2015; Sui et al., 2020; Rosenberg et al., 2018; Woo et al., 2017）。基于宏观人脑连接组的个体认知预测模型本质上受到预测框架中人脑连接组构建方法和机器学习预测算法的影响（Cui & Gong, 2018; He et al., 2020; Pervaiz et al., 2020），而人脑白质结构连接组的不同构建方法以及不同机器学习算法对认知功能个体预测性能的影响尚未被系统评价。
北京师范大学认知神经科学与学习国家重点实验室舒妮副教授课题组在《Human Brain Mapping》杂志上在线发表题为“Methodological evaluation of individual cognitive prediction based on the brain white matter structural connectome”的研究论文。
该研究基于北京师范大学的北京老年脑健康促进计划数据库（BABRI，633人）（Yang et al., 2021）和美国人脑连接组计划老化数据集（HCP-Aging，560人）（https://www.humanconnectome.org/study/hcp-lifespan-aging）健康被试的弥散磁共振影像以及神经心理认知测评数据，采用基于交叉验证的机器学习预测框架（图1），系统评价了7种白质结构连接定义方法（单张量和多张量扩散模型，确定性和概率性纤维跟踪算法，不同纤维加权方法）、8种机器学习算法（传统机器学习算法：OLS、LASSO、Ridge、Elastic-Net、SVR、RVR，PLSR；深度学习算法：MLP），针对4种认知功能（执行功能、注意、语言和记忆）和大脑年龄预测任务的预测性能。研究发现，基于人脑白质结构连接组的预测模型可以稳定预测个体认知能力（尤其是执行和注意功能）以及大脑年龄（图2）；不同结构连接定义方法以及不同分区图谱对于认知能力和脑龄预测均存在显著差异（图3）；从个体化预测角度发现不同影像采集参数对于结构连接定义方式存在模型解算偏好；深度学习和Elastic-Net算法表现出更精确和鲁棒的预测精度（图4）。该研究可为今后如何选择合适的人脑白质连接组构建方法和机器学习预测模型提供重要参考依据。
图1：基于交叉验证的机器学习预测框架
图2：结构连接组的不同构建方法与不同机器学习算法组合的认知预测性能
图3：不同白质结构连接定义方法的认知预测性能比较
图4：不同机器学习算法的认知预测性能比较
论文及链接
Feng G, Wang Y, Huang W, Chen H, Dai Z, Ma G, Li X, Zhang Z, Shu N. Methodological evaluation of individual cognitive prediction based on the brain white matter structural connectome. Hum Brain Mapp. 2022 Aug 15;43(12):3775-3791. doi: 10.1002/hbm.25883. https://onlinelibrary.wiley.com/doi/10.1002/hbm.25883
参考文献
Cui, Z., & Gong, G. (2018). The effect of machine learning regression algorithms and sample size on individualized behavioral prediction with functional connectivity features. NeuroImage, 178, 622–637.
Gabrieli, J. D. E., Ghosh, S. S., & Whitfield-Gabrieli, S. (2015). Prediction as a humanitarian and pragmatic contribution from human cognitive neuroscience. Neuron, 85(1), 11–26.
He, T., Kong, R., Holmes, A. J., Nguyen, M., Sabuncu, M. R., Eickhoff, S. B., Bzdok, D., Feng, J., & Yeo, B. T. T. (2020). Deep neural networks and kernel regression achieve comparable accuracies for functional connectivity prediction of behavior and demographics. NeuroImage, 206, 116276.
Pervaiz, U., Vidaurre, D., Woolrich, M. W., & Smith, S. M. (2020). Optimising network modelling methods for fMRI. NeuroImage, 211, 116604.
Rosenberg, M. D., Casey, B. J., & Holmes, A. J. (2018). Prediction complements explanation in understanding the developing brain. Nature Communications, 9(1), 589.
Sui, J., Jiang, R., Bustillo, J., & Calhoun, V. (2020). Neuroimaging-based individualized prediction of cognition and behavior for mental disorders and health: Methods and promises. Biological Psychiatry, 88(11), 818–828.
Woo, C. W., Chang, L. J., Lindquist, M. A., & Wager, T. D. (2017). Building better biomarkers: Brain models in translational neuroimaging. Nature Neuroscience, 20(3), 365–377.
Yang, C., Li, X., Zhang, J., Chen, Y., Li, H., Wei, D., Lu, P., Liang, Y., Liu, Z., Shu, N., Wang, F., Guan, Q., Tao, W., Wang, Q., Jia, J., Ai, L., Cui, R., Wang, Y., Peng, D., … Beijing Aging Brain Rejuvenation Initiative Workgroup. (2021). Early prevention of cognitive impairment in the community population: The Beijing aging brain rejuvenation initiative. Alzheimers Dementia, 17(10), 1610–1618.
03
—— 邢大军课题组在《Nature Communications》发文揭示微眼跳方向特异性调制视觉信息编码新机制——
2022年10月26日， Nature Communications 在线刊出了北京师范大学认知神经科学与学习国家重点实验室邢大军课题组的题为 “V1-bypassing suppression leads to direction-specific microsaccade modulation in visual coding and perception” 的论文。该研究通过记录猕猴初级视皮层（V1）和V2的跨层活动结合行为学实验，首次发现猕猴在注视过程中，微眼跳的产生对V2的神经活动及视知觉敏感性的动态调制具有方向特异性。
Background
日常生活中，人和其它灵长类动物通过快速转移视线来高效地探索周遭环境。即使当目光长久聚焦在一个点上时，我们的眼睛依然会以每秒2~4次的频率产生突然的微小运动。这种不自主的小幅运动即为“微眼跳”。微眼跳虽小到难以被主观察觉，却能在感知上引起强烈的视觉效果，比如引发运动错觉（图1a）、刷新视觉信息以及抵抗视觉影像的消退（图1b）。
图1: a. 运动错觉。盯住圆环的中央黑点，依然会感受到圆环的运动，这是因为微眼跳的存在，每发生一次微眼跳就会引发运动错觉1。b. 视觉消退错觉（Troxler’s effect）。盯住中央红点5-10秒，会发现外周蓝色光晕逐渐消失，移动眼睛之后又重新出现。事实上每产生一次微眼跳，消退的影像也会短暂地复现2, 3。
正如《达芬奇密码》中所言：“The mind sees what it chooses to see.”眼睛只看向大脑选择的事物4, 5。那么微眼跳是否也在我们的潜意识中，默默地对视觉信息进行着选择呢？近年，来自人的行为学研究对于微眼跳方向是否调制视知觉存在矛盾性的发现，有研究者认为各个方向微眼跳所产生的效果没有差别3，也有研究者发现微眼跳方向和视知觉表现存在联系6, 7。现象级争议只是冰山一角，背后隐藏的神经机制仍迫切等待研究和回答。
Results
微眼跳的方向如何影响视觉皮层信息加工及其与行为的关系是当前研究的首要问题。对此，作者记录了V1、V2在猕猴微眼跳产生前后的神经活动（图2a-b），首次揭示出微眼跳与神经元感受野的相对方向对V2群体反应的特异性影响（图2c中蓝线）：朝向V2神经元感受野的微眼跳引发的放电反应强于远离方向的微眼跳所引起的反应，并且在连续的相对方向变化过程中呈现出梯度变化。
图2：a. 线性电极记录V1以及其下方覆盖的V2脑区示意图。b. 从眼动轨迹中提取出微眼跳。c. 不同微眼跳方向对应的V1、V2群体放电活动。d. 不同微眼跳方向对应的V2抑制性强度。
与V1中微眼跳引起的各向同质的反应模式相比（图2c中黑线），V2受到的方向特异性调制主要表现为远离感受野微眼跳带来的抑制作用（图2d）。此外，这一抑制作用的强度和微眼跳的幅度存在显著相关，暗示着V2的方向特异性抑制很可能源于脑内动眼系统的运动信号。
为了进一步探究这种方向特异性调制的环路来源，作者提出了两种来源假设：一是来自前额叶部署眼动相关脑区的反馈性投射；二是来自控制微眼跳的上丘核团的皮下通路投射。前者的投射连接坐落在V2表层而后者位于V2中间层。利用这一解剖学分层差异，作者通过描绘V1、V2不同层在微眼跳发生前后的时空动态反应（图3a），结果发现V2中间层最早出现方向性调制（图3b），且其调制强度也最高，支持了方向特异性抑制的皮下起源（图3c）。
图3：a. V1、V2的表层、中层和深层对两类方向微眼跳的反应。b. 方向性调制强度跨层变化及其出现时间的跨层分布。c. 环路机制示意图。
上述发现意味着，一个向左看的“小动作”会使得左脑的V2脑区活动被抑制（左脑视皮层接收右视野信息），令其变得不太“兴奋”了。那么，左右脑区不平衡的兴奋状态是否让左右视野的视觉敏感性也出现差异呢？于是，作者设计了一个目标检测任务，训练两只猕猴对一个快速闪现且非常微弱的小亮斑进行检测并报告出亮斑的位置（左视野or右视野），同时记录下猕猴的微眼动和行为选择。有趣的是，如果在目标亮斑出现之前的0.3-0.7秒内，猕猴产生了一个朝向目标方向的微眼跳，相比于远离目标方向的微眼跳，猕猴对目标的检测正确率更高。这说明视觉敏感性的动态变化确实依赖于微眼跳的方向。
图4：a. 动态决策模型示意图。b. 左侧为模型第二阶段对朝向感受野和远离感受野方向的微眼跳的反应。右侧为第三阶段朝向和远离微眼跳发生后对目标亮斑的反应。c. 仿真目标检测任务中的行为动态
在论文的最后一部分，作者依据电生理发现建立了动态决策模型（图4），为微眼跳方向性调制视觉敏感性提供模型解释。在引入了微眼跳的方向性抑制信号（图中紫色成分M）后，模型不仅复现出了V2的反应模式（图4b），还仿真出了猕猴产生微眼跳之后的行为动态变化及方向差异（图4c），并解释了两只猕猴的个体差异。动态决策的三阶段模型将当前研究的电生理发现和行为结果联系到了一起，进一步说明了微眼跳的方向特异性抑制机制的作用。
Summary
综上，这项研究发现了猕猴微眼跳对V2的方向特异性调制，并揭示出该机制引起的视觉感知能力的时空动态变化。微眼跳带来的方向性调制可能源于皮下通路所传递的眼动相关的运动信号，这一运动信号以抑制的形式，首先作用在V2的中间层中感受野位于微眼跳相反方向的神经元群体，进而借助前馈连接继续影响到下游视觉系统。一次向左的微眼跳发生后，V2的兴奋性在左右视野空间上出现差异，使得左右脑视觉系统对新输入进来的弱信号具有不同的传递效力，右视野的弱信号更容易在传递过程中逐渐衰减，更难到达意识层面，最终导致了左右两侧视觉敏感性的变化。
这项工作挑战了人们对微眼跳的固有认识，发现在不需要空间注意的主动参与时，大脑对视空间的信息选择就已经存在了。该文作者强调了微眼跳虽然在尺度上仅局限于中央视野1度范围，但对外周视野的感知和决策也具有深远的影响。这对广大基于注视的认知实验具有直接的参考意义。
全文链接🔗：https://www.nature.com/articles/s41467-022-34057-3#Sec9
1. Otero-Millan, J., Macknik, S.L. & Martinez-Conde, S. Microsaccades and blinks trigger illusory rotation in the "rotating snakes" illusion. J Neurosci 32, 6043-6051 (2012).
2. Martinez-Conde, S., Macknik, S.L., Troncoso, X.G. & Dyar, T.A. Microsaccades counteract visual fading during fixation. Neuron 49, 297-305 (2006).
3. McCamy, M.B. et al. Microsaccadic efficacy and contribution to foveal and peripheral vision. J Neurosci 32, 9194-9204 (2012).
4. Engbert, R. & Kliegl, R. Microsaccades uncover the orientation of covert attention. Vision R es. 43, 1035-1045 (2003).
5. Hafed, Z.M. & Clark, J.J. Microsaccades as an overt measure of covert attention shifts. Vision Res.42, 2533-2545 (2002).
6. Shelchkova, N. & Poletti, M. Modulations of foveal vision associated with microsaccade preparation.Proc Natl Acad Sci U S A117, 11178-11183 (2020).
7. Bellet, J., Chen, C.Y. & Hafed, Z.M. Sequential hemifield gating of alpha- and beta-behavioral performance oscillations after microsaccades. J Neurophysiol 118, 2789-2805 (2017).
本文内容来自网络
不代表三仓心理学界观点，如有侵权请联系后台返回搜狐，查看更多
责任编辑：