Spacetop多模态fMRI数据集：融合自然过程与实验任务揭示人脑功能拓扑空间

为解决认知神经科学中个体差异大、自然与实验范式割裂的难题，Heejung Jung团队在《Scientific Data》发布Spacetop数据集。该研究整合6小时/人的多模态fMRI（功能磁共振成像）数据，包含自然视频观看与9类实验任务（疼痛、共情、心理理论等），建立101人规模的BIDS标准化数据库。其独特价值在于同时实现大样本量（N=101）与高密度个体采样（>600功能等时），为功能对齐（functional alignment）和跨范式神经表征研究提供新基准。

　　

认知神经科学正面临研究范式的重大变革。传统研究往往陷入两难选择：要么采用严格控制但生态效度低的实验设计，要么选择生态自然但参数模糊的观察范式。这种割裂导致学界对"实验室发现能否反映真实脑功能"产生根本性质疑。更棘手的是，人脑功能组织存在显著个体差异，而现有公开数据集大多侧重群体共性或单一范式，难以支撑个体化脑功能图谱的构建。正是针对这些关键瓶颈，由Heejung Jung和Tor D. Wager领衔的国际团队在《Scientific Data》发布了里程碑式的Spacetop数据集。

这项研究最引人注目的突破在于其"鱼与熊掌兼得"的设计哲学。通过精心规划的4次扫描会话，团队在101名健康成人中同步实现了三大创新：样本规模（N=101）与个体数据密度（6小时/人）的双重优势、自然观看（2小时电影）与9类实验任务（含疼痛、共情、认知等维度）的有机融合、以及fMRI与自主生理数据的多模态采集。这种设计使该数据集的功能等时数（functional isohours）突破600小时，成为目前唯一能同时支持功能对齐（functional alignment）和跨范式验证的开放资源。

关键技术方法包括：采用3T Siemens Prisma扫描仪获取高时空分辨率数据（TR=460ms，体素2.7mm³）；通过BIDS标准化流程整合T1、多壳层扩散成像（multi-shell DWI）和功能EPI数据；开发半圆形gLMS（generalized Labeled Magnitude Scale）实现跨模态主观评分；运用fMRIPrep进行自动化预处理；采用Hyperalignment等算法处理个体差异。所有数据通过OpenNeuro平台共享，符合FAIR数据原则。

【自然视频任务揭示情感神经表征】

通过49段时长不等的视频刺激（20秒-5分39秒），研究人员在"task-alignvideo"任务中捕获了参与者对7类情感维度（愉悦、恐惧等）的动态响应。

数据分析显示，这种自然范式能同时激活传统实验中发现的情感相关脑区（如杏仁核）和生态特异性网络，为建立实验室与真实场景的神经关联提供关键桥梁。

【多模态负性情感任务解析社会影响】

"task-social"任务采用三因素设计（躯体疼痛/共情疼痛/心理旋转×高/低社会线索），首次实现疼痛处理与社会认知的并行测量。

结果证实，前岛叶（anterior insula）在自身体验和观察他人疼痛时均表现激活，但社会线索会显著调节其响应强度，这为疼痛的社会调制理论提供新证据。

【叙事任务验证模态不变性】

在"task-narratives"任务中，8个多情境故事以音频/文本双模态呈现。研究发现，无论输入模态如何，默认模式网络（default mode network）对叙事理解保持稳定激活，而颞上沟（STS）则对音频输入表现特异性响应，证实语义处理存在模态依赖与独立双重机制。

【动态面孔任务定位社会脑区】

"task-faces"任务通过288段动态面孔刺激，系统考察了年龄、性别、种族和表情的神经编码。数据分析显示，梭状回面孔区（FFA）对所有社会维度敏感，但其激活模式随判断任务（年龄/性别/表情）动态重组，挑战了传统功能定位的静态观。

【认知-ToM任务组揭示角回多功能性】

在"task-fractional"的四项子任务中，研究团队首次在相同被试中比较了注意重定向（Posner任务）、记忆编码、心理理论（ToM）等功能的神经基础。发现角回（angular gyrus）参与所有任务但表现出精细的功能拓扑分布，为解释该脑区"多功能性"提供新视角。

这项研究的核心价值在于其方法论创新。通过精心设计的"功能等时"采样策略，数据集首次实现自然与实验范式的直接对比，为解决认知神经科学的可重复性危机提供新路径。技术层面，数据集严格遵循BIDS标准，配套完整的预处理流程和质量控制指标（如tSNR>100，FD<0.2mm），

为领域树立数据共享新标杆。理论层面，该资源使研究者能同时考察脑功能的个体特异性和跨范式不变性，对发展个性化神经预测模型具有重要意义。正如作者强调，这种"鱼与熊掌兼得"的设计哲学，或将重塑未来脑科学研究的范式选择标准。