《NeuroImage》：Characterization of the hemodynamic response function in default mode network subregions for task-evoked negative BOLD responses
编辑推荐：
研究人员开发了一种迭代有限冲激响应（iterative finite impulse response, iFIR）方法，用于提取负性BOLD响应（negative BOLD response, NBR）的血流动力学响应函数（hemodynamic respo
研究人员开发了一种迭代有限冲激响应（iterative finite impulse response, iFIR）方法，用于提取负性BOLD响应（negative BOLD response, NBR）的血流动力学响应函数（hemodynamic response function, HRF）。默认模式网络（default mode network, DMN）中的负性BOLD响应随任务持续时间呈线性缩放。DMN各亚区均表现出与正性BOLD响应（positive BOLD response, PBR）不同的、独特的血流动力学响应函数。血流动力学响应函数的变异性在区域间的差异显著大于跨任务间的差异。所提取的区域性血流动力学响应函数未受到任务表现的系统性偏倚。
论文解读文章
一、研究背景与问题
功能性磁共振成像（functional magnetic resonance imaging, fMRI）通过血氧水平依赖（blood oxygenation level dependent, BOLD）信号间接反映神经活动。当局部神经活动增强时，伴随的局部脑血流过度灌注（excessive hyperemia）改变T2弛豫时间，从而产生BOLD信号升高，即正性BOLD响应（positive BOLD response, PBR）。然而，在特定脑区——尤其是默认模式网络（default mode network, DMN）——在执行注意需求任务时，BOLD信号出现与PBR方向相反的变化，即负性BOLD响应（negative BOLD response, NBR）。DMN是一组在静息状态下高度活跃、在执行外部注意任务时活动被暂时抑制的功能性脑区，包括外侧顶叶皮层（角回、颞顶联合区）、内侧顶叶皮层（后扣带回、楔前叶）、腹内侧及额上回、颞中叶和海马等。
尽管已有大量研究报告了多种任务条件下DMN区域的NBR现象，但对其幅度、动态特性及血流动力学响应函数（hemodynamic response function, HRF）的性质知之甚少。现有研究面临几个关键问题：第一，NBR的持续时间依赖性线性缩放假设尚未得到验证，这直接影响基于一般线性模型（general linear model, GLM）分析的所有NBR研究结果的可靠性；第二，尚无证据表明NBR的HRF与广泛使用的PBR双伽马（double-Gamma）HRF具有相同的形态和动态特性。早期假说认为NBR可能是PBR的被动血管副产品，但近期证据表明这种被动模型不足以解释NBR在分布式网络中的时空特性，NBR更可能与主动的、局部的神经活动抑制或神经调控系统相关。由于NBR与PBR的潜在机制可能根本不同，假设NBR具有独特的时域动态特性在生理学上是合理的。第三，DMN各亚区可能存在功能异质性，每个区域可能具有不同的BOLD响应时空特征，但以往研究多将DMN视为同质整体。此外，NBR幅度通常小于PBR，传统基于正性HRF的体素选择方法可能不适用于NBR的提取，这可能是该领域研究稀少的原因之一。
二、研究内容与意义
本研究旨在系统表征DMN各亚区任务诱发NBR的HRF特性。研究首先验证NBR的持续时间依赖性缩放假设，随后开发迭代有限冲激响应（iterative finite impulse response, iFIR）方法提取各DMN亚区的HRF，考察其跨任务的一致性与区域间变异性，并探讨HRF幅度与行为表现的关系。该研究填补了NBR线性缩放假设和区域特异性HRF提取方法的两项空白，为理解DMN各亚区NBR的神经和血管机制提供了方法学基础。
三、主要技术方法
研究对象为61名健康右利手年轻参与者（年龄27.9 ± 5.3岁，男女30/31），来自康奈尔医学院（Weill Cornell Medicine）周边10英里范围。研究采用6项认知任务（同义词、反义词、图形比较、字母比较、矩阵推理、逻辑记忆），涵盖知觉速度、晶体记忆、流体推理和情景记忆四个认知域，均采用事件相关fMRI设计，刺激间隔随机抖动以优化HRF采样效率。MRI采集使用3特斯拉西门子Prisma扫描仪，多频带T2*加权EPI序列（TR/TE = 1008/37 ms，体素2 × 2 × 2 mm）。预处理包括空间配准、切片时间校正、5 mm平滑、ICA-AROMA运动伪影去除、全局强度归一化、高通滤波和scrubbing。感兴趣区（regions of interest, ROI）基于FreeSurfer Desikan-Killiany图谱生成，包括后扣带回皮层（PCC）、双侧下顶叶（IPL）、内侧眶额皮层（MFC）、颞中回（MTG）和海马（Hipp），外侧枕叶皮层（LOC）作为PBR对照。
研究采用三种模型检验NBR的持续时间缩放假设：无调制模型、饱和调制模型和持续时间缩放调制模型，以R-squared评估拟合优度。iFIR方法以高斯核（均值5秒，标准差1.5秒）为初始核，通过GLM生成t统计图，在各DMN亚区内选取t统计量最低的100个体素，将所选体素的HRF跨参与者平均作为下一次迭代的核，迭代至连续核间平方差小于总核方差0.1%时收敛。行为分析采用准确率除以中位反应时间作为表现指标，计算与HRF幅度的Pearson相关，并用错误发现率（false discovery rate, FDR）进行多重比较校正。
四、研究结果
4.1 NBR的持续时间依赖性缩放
在同义词任务中，以三种模型拟合DMN主要节点的fMRI时间序列。持续时间缩放调制模型的R-squared值显著高于无调制模型（IPL: p < 3.89 × 10-11；PCC: p < 1.28 × 10-11；MFC: p < 1.17 × 10-09；LOC: p < 3.70 × 10-11），也显著高于饱和调制模型（LOC: p < 6.41 × 10-17；IPL: p < 1.67 × 10-13；PCC: p < 2.00 × 10-12；MFC: p < 1.33 × 10-08）。这一结果首次为DMN主要节点中NBR的持续时间依赖性线性缩放假设提供了实证支持。
4.2 HRF提取与区域异质性
iFIR方法在同义词任务中各区域经不同迭代次数收敛（LOC: 3次；IPL: 6次；PCC: 6次；MFC: 5次；Hipp: 6次；MTG: 5次），表明该方法能够提取区域特异的NBR轮廓而不受预定义形状约束。将iFIR应用于全部6项任务数据后发现，任务事件持续时间与HRF幅度之间的相关未达统计显著（NBR: r = 0.57, p = 0.24；PBR: r = 0.09, p = 0.86）。跨任务平均后，IPL表现出最强的NBR，Hipp最弱；跨DMN亚区平均后，图形比较任务中NBR最强，逻辑记忆任务中最弱。Wilcoxon秩和检验显示区域间变异性显著高于任务间变异性（p < 0.0035），提示DMN各节点的HRF差异可能是其内在属性而非认知任务或刺激时序的效应。
HRF特征参数分析以LOC的PBR HRF为参照计算比值：所有DMN区域的幅度均小于PBR（IPL: 0.73；PCC: 0.68；MFC: 0.66；Hipp: 0.41；MTG: 0.57）；IPL、MTG、PCC和Hipp的起始时间早于PBR，而MFC晚于PBR；Hipp和MTG达峰早于PBR，PCC和MFC晚于PBR，IPL与PBR相近；Hipp和MTG从峰值回到基线的时间短于PBR，MFC长于PBR；除Hipp外，所有DMN区域的undershoot时间均长于PBR。这些结果进一步证实DMN各亚区具有独特的HRF动态特性，且均不同于PBR的HRF。
4.3 行为分析
在同义词任务中，Hipp区域的NBR减弱（负值减小）与更好的任务表现相关（r = 0.300，未校正p < 0.027），但未通过FDR多重比较校正，控制年龄和性别后亦不显著（r = 0.2377，未校正p < 0.0897）。其余DMN区域及所有其他任务中，HRF幅度与行为表现之间均无显著相关。这表明iFIR方法提取的区域性NBR HRF不受任务表现的系统性偏倚。
五、讨论与结论
本研究的核心发现是：DMN区域的NBR遵循持续时间依赖性缩放调制假设，且每个区域表现出与视觉皮层PBR HRF不同的独特HRF形态。跨多项认知任务的iFIR分析表明，NBR HRF的区域间变异性普遍大于任务间变异性，提示DMN亚区具有区域特异的神经和/或血管机制。
讨论部分指出，以往研究虽已证明NBR幅度随任务负荷或认知难度增加而增大，但未涉及刺激持续时间维度。本研究通过明确建立NBR的持续时间依赖性线性缩放假设填补了这一空白。与既往研究对比，本研究中PCC的HRF未表现出Lustig等所报告的初始正向升高，IPL和角回的HRF从基线到负峰的下沿比Mayer等的报告更短，PCC从峰值回到基线的时间（8-9秒）也快于Mayer等报告的14-22秒。这些差异可能源于事件相关设计与组块设计的区别。
方法学方面，本研究开发的iFIR方法避免了传统方法对HRF形状的先验假设。传统GLM分析基于主要从PBR推导的规范HRF进行体素选择，若NBR的真实HRF在时序或时间轮廓上存在差异，将降低灵敏度、引入体素选择偏倚并扭曲HRF估计。iFIR通过迭代优化体素选择和HRF估计，直至收敛到最终形态。敏感性分析表明，改变初始化核、体素选择标准和收敛阈值时，总体区域HRF轮廓基本保持稳定。以LOC的PBR HRF与SPM规范双伽马HRF对比，两者零滞后Pearson相关达0.990，正叶半高全宽分别为4.72秒和5.27秒，验证了iFIR框架恢复类规范PBR的能力。
研究结论部分指出，DMN各亚区呈现独特的HRF核，提示各区域可能存在独特的神经和/或血管机制。研究强调，以往大量涉及正常衰老及阿尔茨海默病、精神分裂症、自闭症、注意缺陷多动障碍等临床人群的DMN NBR研究，均未经验证地假设NBR的时空特性与PBR相似。这一未经证实的假设可能在某些研究中产生可接受的结果，但也可能产生容易被误认为真实突破的假阳性发现。错误的HRF不仅降低检测真实效应的灵敏度，还可能产生脑-行为关系的虚假区域差异。因此，充分理解NBR的时空特性对于合理解读DMN区域NBR结果至关重要。本研究所提取的DMN亚区HRF已公开共享，可供后续研究使用。
