《Cortex》：Stage-specific contributions of dorsal and ventral premotor cortices to the acquisition of arbitrary visuomotor associations
编辑推荐：
任意视动映射（arbitrary visuomotor mappings，AVMMs）的习得与巩固涉及前运动区域，然而背侧前运动皮层（PMd）与腹侧前运动皮层（PMv）各自的具体贡献仍不明确。本研究对19名健康年轻成年人采用被试内设计，在学习前即刻施加连续θ爆
任意视动映射（arbitrary visuomotor mappings，AVMMs）的习得与巩固涉及前运动区域，然而背侧前运动皮层（PMd）与腹侧前运动皮层（PMv）各自的具体贡献仍不明确。本研究对19名健康年轻成年人采用被试内设计，在学习前即刻施加连续θ爆发刺激（continuous theta-burst stimulation，cTBS），分别短暂干扰PMd、PMv或枕叶对照位点（V1）。被试通过试误反馈学习任意刺激-反应关联，并在24小时后完成延迟回忆测试。研究人员利用状态空间模型和Rescorla-Wagner框架对逐试次正确率与反应时间进行建模，以量化学习动态、预测误差及跨天稳定化过程。结果显示，相较于V1条件，干扰PMd与PMv均同等程度地减慢了早期AVMM习得速度。然而，仅干扰PMd还额外损害了次日回忆表现，使回忆成绩依赖于睡眠质量并与学习日成绩解耦，而干扰PMv后的回忆表现则与对照条件相当。这些发现表明，PMd（而非PMv）参与了新习得视动关联的稳定化过程，为人类前运动皮层内部的功能分离提供了因果性、阶段特异性的证据：PMv与PMd共同支持早期规则形成与探索性学习，而仅有PMd参与后续新习得视动关联的稳定化。此外，这些结果强调了当巩固过程受损时睡眠对记忆保持的调节作用，从而推进了对前运动区域在联想感觉运动学习中贡献的机制性模型理解。
研究背景与问题
任意视动映射（arbitrary visuomotor mappings，AVMMs）是指将感觉线索与动作绑定，且在刺激与反应之间不存在内在结构关系的灵活行为范式，例如在国外学习陌生交通标志的正确反应。与基于物体可供性的标准视动映射不同，AVMM必须通过联想机制构建，其形成与巩固涉及额顶网络和额纹状体网络。大量非人灵长类电生理记录和人类神经影像学及经颅磁刺激（transcranial magnetic stimulation，TMS）研究表明，前运动皮层是AVMM习得与执行的关键脑区。然而，人类研究中尚不清楚的是，前运动皮层的不同亚区——即腹侧前运动皮层（ventral premotor cortex，PMv）和背侧前运动皮层（dorsal premotor cortex，PMd）——在不同学习阶段分别执行何种计算，尤其是在规则发现、精炼和稳定化/回忆过程中是否存在非冗余的角色。现有大多数无创脑刺激（non-invasive brain stimulation，NIBS）研究集中于干扰已过度学习的简单关联的提取或基本刺激-反应任务的执行，而非新映射的习得过程，因此对PMd与PMv在AVMM学习各阶段的精确且可能不同的角色仍缺乏因果性证据。此外，尽管增强PMv至初级运动皮层（M1）的连接可改善AVMM表现，但PMv是否因果性地参与AVMM习得，还是其活动仅反映已习得规则的下游运动执行，仍有待澄清。为此，研究人员开展了本项研究。
研究方法与结论
研究人员采用被试内设计，对19名健康年轻成年人在AVMM学习前即刻施加连续θ爆发刺激（continuous theta-burst stimulation，cTBS），分别短暂干扰左侧PMd、左侧PMv或右侧早期视觉皮层（V1，作为对照位点）。实验包括三个刺激会话，顺序随机，每个会话包含一个学习日和24小时后的延迟回忆日。学习任务要求被试通过试误反馈学习8个视觉刺激与4种右手按键反应之间的任意映射关系，共240试次。主要技术方法包括：（1）cTBS参数设置：200个由3个50Hz脉冲组成的爆发，每200ms递送一次（5Hz），强度为个体静息运动阈值（resting motor threshold，rMT）的80%；（2）神经导航定位：使用SofTaxic导航系统，基于Talairach坐标确定靶点（PMd: -30, -4, 60；PMv: -52, 10, 24；V1: 19, -98, 1）；（3）行为数据分析：采用概率状态空间模型估计阈值试次（即学习曲线下界首次超过机会水平25%的试次数），以及Rescorla-Wagner模型估计学习率（α）、逆噪声（β）和软max温度参数（τ），并提取逐试次预测误差（prediction error，PE）；（4）统计分析：使用广义线性混合模型（generalized linear mixed model，GLMM），根据变量分布特性指定Gamma、Beta或Tweedie分布族，采用Holm校正进行事后比较。
研究结果
3.1 阈值试次：学习与回忆
阈值试次模型的边际R2=0.551，条件R2=0.618。结果显示Area主效应（χ2(2)=16.7，p=0.000234）和Day主效应（χ2(1)=161，p<0.0001）显著，且被显著的Area×Day交互作用所限定（χ2(2)=7.82，p=0.0200）。Holm校正事后比较表明，学习日PMd与PMv的阈值试次相当（比值比=1.01，95%CI [0.784, 1.30]，p=1.00），两者均显著高于V1（PMd vs. V1：比值比=1.41，95%CI [1.10, 1.82]，p=0.0302；PMv vs. V1：比值比=1.40，95%CI [1.09, 1.80]，p=0.0302）。相对于系统性排除4个备选答案所需的4试次基准值，PMd和PMv条件下的阈值试次均显著更高（PMd: z=3.32, p=0.000888；PMv: z=3.24, p=0.00119），而V1条件下与基准值无差异（z=0.118, p=0.906）。在回忆日，模式发生分化：PMd条件下的阈值试次显著高于PMv（比值比=1.60，95%CI [1.24, 2.07]，p=0.00195）和V1（比值比=1.48，95%CI [1.15, 1.91]，p=0.0135），而PMv与V1之间无差异（比值比=0.923，95%CI [0.716, 1.19]，p=1.00）。所有刺激条件从学习日到回忆日的阈值试次均显著下降，反映过夜巩固后整体表现的提升。
3.2 学习日表现的Rescorla-Wagner建模
学习率（α）模型显示显著的Area主效应（χ2(2)=9.36，p=0.00929；边际R2=0.528）。Holm校正事后比较表明，PMd（优势比OR=0.641，95%CI [0.440, 0.935]，p=0.0417）和PMv（OR=0.571，95%CI [0.392, 0.832]，p=0.0105）条件下的α均低于V1，PMd与PMv之间无差异（p=0.536）。逆噪声（β）和软max温度（τ）参数均未受Area显著调制。预测误差（PE）模型显示显著的Area主效应（χ2(2)=29.0，p<0.0001）和Epoch主效应（χ2(4)=47.6，p<0.0001），但交互作用不显著（χ2(8)=7.37，p=0.498）。PMd（比值比=1.51，95%CI [1.24, 1.85]，p=0.000104）和PMv（比值比=1.69，95%CI [1.39, 2.07]，p<0.0001）条件下的PE均显著大于V1，PMd与PMv之间无差异（比值比=0.892，95%CI [0.736, 1.08]，p=0.243）。Epoch主效应显示PE随学习进程逐渐降低。
3.3 学习日与回忆日表现的关系
模型（边际R2=0.283，条件R2=0.383）揭示显著的学习阈值×Area交互作用（χ2(2)=10.2，p=0.00598）。PMv条件下，更高的学习日阈值显著预测更高的回忆日阈值（斜率=0.0885，95%CI [0.0104, 0.167]，p=0.0264）；V1条件下呈类似但不显著的正趋势（斜率=0.116，95%CI [-0.0583, 0.291]，p=0.192）；PMd条件下该关系消失，斜率为负且不显著（斜率=-0.0626，95%CI [-0.131, 0.00591]，p=0.0733）。PMd斜率与PMv斜率存在显著差异（差值=-0.151，95%CI [-0.252, -0.0504]，p=0.00979）。
3.4 睡眠质量与回忆效能的关系
模型（边际R2=0.276，条件R2=0.469）显示显著的Area主效应（χ2(2)=14.3，p=0.000795）和Area×Sleep Score交互作用（χ2(2)=12.0，p=0.00250）。仅PMd条件下，较差的睡眠质量显著预测更高的回忆日阈值（斜率=0.0243每秩单位，95%CI [0.0128, 0.0358]，z=4.15，p<0.0001），而PMv（斜率=-0.00363，p=0.556）和V1（斜率=0.00129，p=0.867）条件下无此关系。PMd斜率显著陡于PMv（差值=0.0280，p=0.00273）和V1（差值=0.0230，p=0.0297）。
3.5 反应速度
RT模型显示显著的Area主效应（χ2(2)=16.9，p=0.000215）、Day主效应（χ2(1)=383，p<0.0001）和Epoch主效应（χ2(4)=316，p<0.0001），并被显著的Day×Epoch交互作用（χ2(4)=134，p<0.0001）和Area×Day交互作用（χ2(2)=8.82，p=0.0121）所限定。学习日，PMd和PMv条件下的RT均显著慢于V1（V1/PMd比值比=0.916，p=0.000153；V1/PMv比值比=0.903，p<0.0001），PMd与PMv之间无差异（p=0.520）。回忆日各刺激条件间无差异（所有p=1.00）。
讨论与结论
讨论总结：本研究通过在学习前短暂干扰PMd、PMv或V1，揭示了PMd与PMv在AVMM习得与回忆中的因果性功能分离。干扰任一前运动位点均同等程度地减慢早期习得；然而，仅干扰PMd额外削弱了24小时后的延迟回忆，表现为回忆日阈值显著高于PMv和V1条件。这一阶段特异性分离在延迟回忆而非初始习得阶段显现。Rescorla-Wagner建模进一步揭示，两种前运动干扰均降低了学习率并增大了预测误差，表明两者均参与早期规则形成与探索性学习。PMd干扰导致学习日与回忆日表现之间的正相关关系消失，并使回忆表现变得依赖于睡眠质量——较差睡眠显著预测更差的回忆，而PMv和V1条件下无此效应。这提示PMd干扰不仅减慢习得，更破坏了新习得关联的离线稳定化过程，使其对睡眠依赖巩固更加脆弱。PMv干扰虽也减慢习得，但一旦映射建立，回忆表现不受影响，且学习-回忆正相关保留，表明PMv主要参与早期规则发现而非后续稳定化。反应速度分析排除了速度-准确性权衡作为替代解释的可能性。研究人员指出，这些效应应理解为对前运动中心环路（包括与运动、顶叶、前额叶和皮质-纹状体区域的相互作用）的扰动，而非单一解剖节点的孤立贡献。局限性方面，统计功效有限，研究应视为探索性；未来需更大样本的前注册研究验证可靠性；cTBS的网络传播效应无法在当前设计中与局部效应区分。
研究结论翻译：综上所述，本研究提供了新的因果性证据，证明PMv与PMd在任意视动映射的学习与巩固中存在功能分离。通过短暂干扰不同的前运动位点，研究人员证明了PMd和PMv对这些映射的早期习得具有可比性的贡献，但仅PMd额外支持将其整合为可在延迟后回忆的稳定运动程序。与关于前运动皮层参与AVMM习得的长期影像学证据相一致，PMv对习得的贡献可能反映了其在早期规则发现中的作用，即在探索性学习期间整合视觉特征与候选运动计划；而PMd的贡献超越这一发现阶段，支持将这些映射整合为稳定的运动程序。因此，编码前干扰PMd不仅影响学习速率，还影响习得关联的长期稳定性。此外，研究结果强调了睡眠质量对记忆保持的调节作用，尤其是在巩固过程受损时。综合来看，这些结果支持一个模型，其中PMv和PMd在不同阶段以不同功能角色参与AVMM学习，并且与强调前运动区域、前额叶皮层和纹状体环路之间相互作用的AVMM学习广泛网络模型一致。
