LOTC亚区在不同全身动作中信息流动的差异性研究

《Communications Biology》：Distinct information flows for different whole-body actions across LOTC subdivisions

《Communications Biology》最新研究通过7T fMRI和数据驱动方法，揭示了外侧枕颞皮层（LOTC）在全身动作感知中的精细功能分化。研究发现LOTC存在四个具有不同连接模式的体选择性亚区，这些亚区在加工威胁性身体动作时表现出特异性的全局连接变化，为理解大脑动态网络处理社会威胁信息提供了新视角。

　　

在充满社交线索的环境中，生物体需要快速识别他人身体动作所传递的威胁信号，以便及时采取适应性行为。这种对社会威胁的快速感知能力表明，大脑已经进化出精细的机制，专门用于从观察他人的全身姿势和运动中提取社会信息。自首个身体选择性区域（EBA）被发现以来，外侧枕颞皮层（LOTC）就被认为是身体信息处理的关键脑区。然而，LOTC内部的功能组织机制及其在自然视觉条件下与全脑网络的动态交互关系仍不清楚。传统研究多基于类别选择性来界定脑区功能，但LOTC可能通过灵活的大规模皮层动力学来参与更复杂的社会线索加工。

为解决这一科学问题，来自马斯特里赫特大学的研究团队在《Communications Biology》上发表了最新研究成果。研究团队创新性地结合超高场7T功能磁共振成像（fMRI）和数据驱动的分析方法，深入探索了LOTC在全身动作感知中的功能分工和网络机制。他们特别关注两种最具行为相关性的全身动作：攻击性动作（向观察者传递社会威胁信号）和防御性动作（对环境威胁的反应），旨在揭示不同威胁性身体表情加工背后的神经基础。

研究采用了两阶段实验设计。首先通过局部化实验识别身体选择性网络，然后在主实验中使用自然主义视频刺激（包括攻击性、防御性和中性身体动作，以及中性面部和物体视频）进行精细分析。关键技术方法包括：独立成分分析（ICA）用于识别LOTC亚区，基于种子的功能连接分析用于探索亚区与全脑的连接模式，以及跨被试相关分析用于评估低水平视觉特征的贡献。研究纳入了19名健康参与者，使用西门子7T MAGNETOM扫描仪采集高分辨率功能影像数据。

LOTC网络提取

通过独立成分分析，研究首先从局部化实验数据中识别出一个身体选择性颞枕网络。该网络不仅包括双侧LOTC，还涵盖双侧梭状回、顶上小叶、后颞上沟/颞顶联合区、丘脑枕和杏仁核等区域，表现出对人体身体的特异性偏好。

LOTC亚区

在主实验中，研究团队在预定义的LOTC网络内进一步进行ICA分析，发现了四个具有显著身体选择性的亚区。这些亚区包括：双侧下外侧枕叶（LOCi）、双侧上外侧枕叶（LOCs）、左后颞中回（lpMTG）和右后颞中回（rpMTG）。空间分布分析显示这些亚区具有非重叠的集群，部分包围着图谱定义的hMT区域，支持了LOTC内部功能异质性的观点。

连接模式和条件性调制

通过基于种子的连接分析，研究发现不同LOTC亚区具有独特的全脑连接模式。LOCi与早期视觉区域连接最强，提示其参与低水平视觉特征计算；LOCs与默认模式网络（DMN）节点（如后扣带回、楔前叶）连接密切；而两个前部亚区（lpMTG和rpMTG）则与凸显网络（SN）、中央执行网络（CEN）和腹侧注意网络（VAN）区域连接广泛，表明它们可能作为连接LOTC与全脑计算的网络枢纽。

在条件性调制方面，防御性身体表情增强了所有LOTC亚区与前后扣带回的连接，而攻击性身体表情则特异性增强了左中额回与lpMTG的连接，同时抑制了其与LOCs的连接。这种差异可能反映了对不同威胁类型的特异性计算需求：防御性表情需要整合感觉输入与记忆经验进行情境评估，而攻击性表情则要求快速响应机制。

通过跨被试相关分析测试低水平特征贡献

为区分低水平视觉特征和高级认知加工的贡献，研究进行了跨被试相关分析。结果显示只有LOCi亚区表现出显著的视频依赖性跨被试相关，其他三个亚区则未显示显著相关，表明LOCi可能更多受低水平视觉特征驱动，而前部亚区可能涉及更高级的主体特异性计算。

研究结论表明，LOTC在全身动作感知中表现出功能分离的组织原则。后部亚区（LOCs）通过DMN参与动作理解和心理化过程，而前部亚区（pMTG）则通过SN/CEN/VAN网络参与反应准备和执行。不同威胁性身体动作（攻击性vs防御性）调制着这些亚区与全脑的连接强度，体现了大脑根据社会情境需求动态配置信息流的能力。

这项研究的创新之处在于超越了传统的类别选择性框架，通过数据驱动方法揭示了LOTC亚区的功能特异性，并从全局网络动态的角度阐释了身体动作加工的神经机制。研究结果为进一步理解社会认知的神经基础提供了重要线索，也为探索其他复杂社会行为的脑机制奠定了基础。未来研究可结合更大样本的自然主义动作数据集和脑连接组学方法，进一步验证和扩展这些发现。