惊！大脑暗藏 “饮食决策密码”：双网络竟左右食物选择与健康认知

为解决大脑如何表征食物属性信息的问题，美国国立卫生研究院的研究人员开展食物相关神经机制研究。结果发现大脑存在两个食物响应子网络，分别代表不同食物信息。该研究为理解饮食行为神经机制提供新思路，值得科研读者一读。

　　

在神经成像研究领域，大脑对食物刺激的反应一直是个备受关注的话题。近 20 年来，不少研究都围绕着这个主题展开。通过对一些涉及食物图片刺激的神经成像研究进行荟萃分析发现，和场景或非食物物体相比，大脑中有一些区域总是对食物图像有反应，像眶额叶皮层、杏仁核和岛叶皮层等。而且，最近的一些研究还表明，腹侧视觉区域对食物图像也有一定的选择性。

可即便有了这些发现，我们对大脑如何回应食物这件事，了解得还远远不够。以前在健康人群中进行的相关研究，大致可以分成两类。一类是物体表征研究，这类研究把食物当作众多不同物体类别中的一种，比如和人脸、工具、场景等放在一起研究。但它们常常把所有食物归为一个类别，完全没考虑到不同食物之间在各种属性上存在的巨大差异。就好比水果和薯片，它们在营养成分、健康程度等方面差别很大，却被简单地归为一类。另一类是行为和临床研究，这类研究更关注食物的营养成分，像脂肪、糖或者卡路里含量。虽然这些因素在临床上很重要，但却忽略了其他一些同样会影响人们做出食物相关决策的因素，比如食物的味道好不好、看起来怎么样，还有食物之间是否搭配等。而且，这种分类方式有时还会得出一些让人摸不着头脑的食物分组，像把水果沙拉和棉花糖因为糖和脂肪含量归到同一类，可这两种食物在很多和健康相关的方面差异极大。

另外，以往食物相关的神经成像研究常用的单变量对比方法也存在局限。单变量分析虽然能找出大脑中对食物刺激反应比其他物体更强烈的区域，但却没办法说明这些区域代表了关于食物的哪种信息，也不清楚这些信息是否在多个对食物有反应的区域共享。

为了解开这些谜团，来自美国国立卫生研究院（NIH）的研究人员在《Communications Biology》期刊上发表了一篇名为 “Dissociable neural networks represent healthfulness and hedonic value of foods” 的论文。他们通过研究发现，大脑中对食物有反应的区域可以分成两个子网络，一个是前额叶网络，另一个是边缘网络。这两个网络有着不同的功能，前额叶网络主要代表与食物健康程度和加工方式相关的信息，而边缘网络则更多地和食物的享乐价值（比如好不好吃带来的愉悦感）有关。而且，这两个网络在调节人们对食物的趋近和回避行为中起着相反的作用，就像两个 “小助手”，一个提醒人们健康饮食，另一个则关注食物带来的快乐感受，它们相互配合，影响着我们的饮食决策。这项研究对于我们理解大脑在食物相关认知中的神经机制非常重要，为后续研究饮食行为和相关疾病的治疗提供了新的思路。

研究人员为了开展这项研究，用到了好几种关键的技术方法。首先是功能性磁共振成像（fMRI¹）技术，通过它可以观察大脑在看到食物图片时的活动情况。其次是表征相似性分析（RSA²）和基于 RSA 的网络聚类方法，利用这些方法能分析大脑区域对食物反应的相似性，从而找出不同的大脑网络。另外，还进行了在线行为研究，通过让大量参与者对食物图片进行相似性判断，获取行为数据，用来分析大脑网络所代表的信息内容。

下面我们来详细看看这项研究的结果：

1. 食物图片 fMRI 任务：研究人员找了 43 位来自华盛顿特区大都市区的健康参与者，让他们在 NIH 临床中心进行 fMRI 扫描。在扫描前，参与者要按照规定吃至少 72 小时的标准化等热量饮食。在扫描过程中，参与者要完成食物图片任务，观看各种食物和非食物物体的图片。这些食物图片涵盖了高脂肪高糖、低脂肪低糖等不同类型，像薯条、甜甜圈，还有水果、蔬菜都有。通过对神经成像数据进行单变量 fMRI 分析，研究人员发现，和非食物图片相比，有很多大脑区域对食物图片的血液动力学反应更明显。这些区域包括经典的腹侧边缘和边缘前脑区域，像双侧背侧岛叶中部、腹侧前岛叶、双侧眶额叶皮层（BA 11m）、杏仁核、与伏隔核相邻的左侧腹侧纹状体区域以及背侧前扣带回皮层等。同时，大脑的背侧和前额叶区域，还有早期视觉皮层等也有反应。相反，双侧外侧后颞叶和顶叶皮层、右侧楔叶以及左侧舌回等区域对非食物物体的反应更大。
2. 使用基于 RSA 的聚类方法识别不同的食物网络：为了进一步探究大脑中食物相关信息的表征，研究人员进行了一系列多变量分析。他们从对食物图片有强烈单变量反应的大脑区域（感兴趣区域，ROI³）中提取数据，利用 RSA 技术，比较不同区域对食物图片的神经反应相似性。具体来说，就是在每个 ROI 中提取对 36 种食物的神经表征差异矩阵（RDM⁴），然后对比这些 RDM，创建一个新的相似性矩阵，反映各个 ROI 对食物相关信息的表征相似性。接着，运用 k-means 聚类算法对这个新矩阵进行分析，并用轮廓图确定最佳聚类方案。结果发现，食物反应区域可以分成两个网络：一个是 “前额叶” 网络，由背侧的一些区域组成，像内侧和下额叶回、前辅助运动区等；另一个是 “边缘” 网络，包含岛叶、眶额叶皮层、杏仁核和纹状体区域等。
3. 利用在线食物相似性数据在食物网络中进行行为 RSA 分析：研究人员还利用了之前一项在线行为研究的结果。在这个行为研究中，487 位在线参与者对食物图片任务中的 36 种食物进行了相似性判断。通过对这些判断数据的分析，生成了食物相似性矩阵，再经过主成分分析（PCA⁵）和 K-means 聚类，找出了 “脂肪”“甜食”“淀粉”“水果”“蔬菜” 这些自然食物类别。当把这些行为结果应用到神经成像数据中时，研究人员发现，食物相似性信息在大脑中的表征，在前额叶食物区域最为显著。进一步的 RSA 分析表明，前额叶食物网络的神经 RDM 与食物相似性矩阵的第一主成分 RDM 显著相关，而这个第一主成分和食物的加工程度以及健康程度密切相关。相比之下，两个子网络和第二主成分 RDM 都没有显著关系。
4. 搜索 light RSA 结果：为了验证之前 ROI 分析结果的特异性，研究人员又进行了多变量搜索 light RSA 分析。他们发现，除了前额叶区域，在枕叶和腹侧颞叶皮层的一些区域，神经相似性也和食物的相对不健康程度或人工性（第一主成分）显著相关，这些区域包括双侧梭状回、外侧枕叶皮层和双侧海马旁回等，它们通常和物体及场景的视觉处理有关。
5. 食物愉悦感和自我控制（PSC）任务：前面的神经成像实验结果表明，大脑中对食物有反应的区域分成的两个子网络有着不同的功能。为了进一步验证这一点，研究人员让参与者进行了另一个功能性神经成像任务。在这个任务中，参与者在 fMRI 扫描时观看另一组食物图片，并在不同的任务块中，分别对吃这些食物的预期愉悦感，以及忍住不吃这些食物所需的自我控制程度进行评分。通过对这个任务的 fMRI 数据进行分析，研究人员发现，边缘子网络对食物图片的反应和参与者在愉悦感条件下的评分呈正相关，而且在自我控制条件下也有同样的反应，这说明这个网络主要和食物的享乐价值有关，对任务条件的变化不敏感。而前额叶网络对食物图片的反应则对任务情境非常敏感，在自我控制条件下和参与者的评分呈正相关，在愉悦感条件下却呈负相关。全脑分析也证实了这些结果，还发现了一些在自我控制条件下反应更强烈的脑区。
6. 补充分析 BMI、饥饿和饱腹感的影响：研究人员还进行了一系列补充分析，看看参与者的体重指数（BMI），以及扫描前的饥饿或饱腹感评分，对神经成像结果有没有显著影响。结果发现，在单变量和多变量水平上，这些因素都没有显著影响。

综合研究结果和讨论部分来看，这项研究意义重大。它通过运用数据驱动的分析技术，发现了大脑中边缘和前额叶这两个不同的神经网络，它们分别编码食物表征的不同方面。这和传统的单变量分析只能区分食物和非食物刺激不同，RSA 和聚类方法揭示了编码享乐和调节过程的网络之间的功能差异。这种双网络组织表明，食物相关的决策是由对刺激的享乐评估和高阶调节控制之间的相互作用来引导的。具体来说，前额叶网络优先编码与食物健康程度和加工方式相关的信息，这很可能反映了它在支持自我控制和目标导向行为中的作用；而边缘网络则对食物的享乐价值更敏感，突出了它在自动情感反应中的作用。这些发现强调了整合多种分析方法来捕捉食物相关神经表征复杂性的重要性，为我们理解不同类型的食物相关信息如何被表征、检索和整合以指导行为，提供了一个全新的框架。