语义相似性相关的神经模式及其与左下额回、前颞叶和下顶叶中GABA–谷氨酸水平的关联

《Biological Psychology》：Semantic Similarity-Related Neural Patterns and Their Associations with GABA–Glutamate Levels in the Left Inferior Frontal Gyrus, Anterior Temporal Lobe, and Inferior Parietal Lobule

　　• 分级语义相似性调节的BOLD活动主要在分类不匹配条件下表现出来，涉及额叶、顶叶和感觉运动区域。• RSA揭示了分布式的神经-语义对应关系，特别是在参与语义控制的下额叶和内侧额叶区域。• IPL Glx/tCr在与任务不匹配的试验中显示出与RSA模型拟合的 nominally significant 正相关，但在FDR校正后没有神经化学关联结果得以保留。

引言
语言既是思维过程的输出，也是其塑造者，它由多个组成部分构成的复杂认知操作网络所支配（Pulvermüller, 2013, Friederici, 2017）。访问单词和概念的含义，在适当的情境中激活这些含义，并在相互关联的语义表征中选择合适的含义，是语言处理的核心组成部分（Abdel Rahman 和 Melinger, 2009, Hoffman 等人, 2015, Carrasco-Ortiz 等人, 2017）。因此，理解概念如何在大脑中被表征，以及语义表征之间的关系如何在神经层面上被调节，对于阐明语言的认知和神经生物学基础至关重要。

语义表征被认为既包括感觉运动的成分，也包括抽象/概念的成分，尽管基于具体环境和体验的账户表明，即使是抽象概念也可能部分通过感觉运动、情感和社会经验系统来表征（Fernandino 等人, 2016, Xu 等人, 2016, Lin 等人, 2024）。功能性磁共振成像（fMRI）研究表明，感觉运动和抽象语义信息并不是在单一脑区中被表征的，而是在一个分布式的皮层网络中被处理的（Huth 等人, 2012, Huth 等人, 2016）。这个网络包括多个与语义访问、整合和选择过程相关的区域，如前颞叶（ATL）、下额回（IFG）、颞皮层、下顶叶（IPL）、后扣带皮层和前额叶区域（Binder 等人, 2009, Huth 等人, Handjaras 等人, 2016, Fernandino 等人, 2016, Leonardelli 和 Fairhall, 2022, Alonso-Sánchez 等人, 2023, Lin 等人, 2024, Liuzzi 等人, 2024, Radman 等人, 2026）。

参与语义处理的区域在一个层次结构中组织起来。虽然IPL和腹侧颞皮层作为高级语义关联区发挥作用，但IFG在访问和选择存储的信息方面起着调节作用（Alonso-Sánchez 等人, 2023; Liang 等人, 2024; Liuzzi 等人, 2024）。这种概念知识的表征与调节之间的区别在“受控语义认知”（CSC）框架内得到了形式化，其中语义表征是由分级的、多模态的ATL中心与分布式的特定模态区域之间的交互支持的，而语义控制则依赖于一个以左脑为主的网络，包括IFG、后颞皮层和背内侧前额叶皮层（Lambon Ralph 等人, 2017, Jackson, 2021）。许多神经影像学研究集中在表征成分上，表明语义内容的存储位置以及单个概念的编码方式可以通过分布式的神经反应模式来读取（Huth 等人, 2012, Handjaras 等人, 2016, Huth 等人, 2016, Carota 等人, 2017; Zhang 等人, 2020; Y. Lin & Hsieh, 2022）。这些模式还携带了关于概念如何相互关联的信息，因此语义表征之间的相似性反映在它们的神经反应模式的相似性上。然而，在日常语言使用中，多种表征在动态情境中相互作用，相互促进或竞争（Abdel Rahman 和 Melinger, 2009, Rabovsky 等人, 2021）。解决这种竞争需要语义控制机制，使处理偏向于与当前情境相关的表征。

影响这些动态的一个因素可能是单词之间的语义距离（Q. Chen & Mirman, 2012），这可能通过其对兴奋性-抑制性平衡的影响来实现，这种平衡被认为调节了神经活动的传播和选择（de la Vega 等人, 2014, Jung 等人, Alonso-Sánchez 等人, 2023）。以往关于语义选择和分类的研究通常用分类术语来描述语义关系，使用如分类/基于分类的关系和主题关系等区分（Schwartz 等人, 2011; Q. Chen & Mirman, 2012; Attout 等人, 2022; Kuhnke 等人, 2026）。然而，分类成员资格并不能完全捕捉语义知识的等级结构，因为同一类别内的概念在语义距离或邻近性上仍可能存在显著差异（C. Xiao 等人, 2026）。因此，将语义相似性视为一个连续维度，与分类结构一起考虑，可能更敏感地解释分级相似性如何塑造语义处理。

大量的行为心理语言学研究表明，语义相似性根据实验要求和情境的不同，可以产生促进或竞争效应。一些研究表明，紧密语义相邻的词有助于目标词的识别（la Heij 等人, 1990, Alario 等人, 2000, Yates 等人, 2004, Mahon 等人, 2007, Shaoul 和 Westbury, 2010, Belke 等人, 2017），而其他研究则表明，紧密相关的表征之间可能会相互竞争（Siakaluk 等人, 2003, Abdel Rahman 和 Melinger, 2009; Q. Chen & Mirman, 2012; Roelofs, 2018; Fieder 等人, 2019; Rabovsky 等人, 2021）。一些理论模型提出了语义相似性如何导致激活表征之间促进或竞争的机制（Q. Chen & Mirman, 2012; Fieder 等人, 2019; Almeida & Radanovic, 2021）。然而，尽管这些模型为语义相似性的行为效应提供了机制解释，它们并未完全解释分级语义相似性在神经层面是如何实现的，或者它如何在语义处理过程中调节神经活动。

通过检查语义相似词之间的选择来探究语义竞争的神经影像学研究涉及IFG、角回、背外侧前额叶皮层（dlPFC）和腹外侧前额叶皮层（Thompson-Schill 等人, 1999, Wagner 等人, 2001, Sohn 等人, 2003, Grindrod 等人, 2008, Righi 等人, 2010, de la Vega 等人, 2014, Bourguignon 等人, 2017, Matsumoto 等人, 2021, Attout 等人, 2022）。阈下语义启动范式特别有助于研究这些动态，因为它们允许在最小化有意识意识和策略性处理的影响下评估激活的语义表征对后续目标处理的影响（Almeida & Radanovic, 2021）。然而，只有少数fMRI研究使用启动范式来研究语义竞争/促进，其中可以操纵先行启动词和随后目标词之间的语义距离关系。在此背景下，语义距离指的是基于特征或分布（例如Word2Vec）测量的语义相关性程度——紧密相关的词对比距离较远或不相关的词对有更多的语义重叠（Kumar, 2021）。在一项研究中，当一个同义词的两种含义分别作为启动词和目标词时，所有级别的启动都与左侧IFG、双侧中额回（MFG）和ATL的活动减少有关，且这种效应对于紧密相关的词更为明显（Tivarus 等人, 2006）。Grindrod 等人（2008）报告说，在词汇决策过程中，当一个同义词的两种含义分别作为启动词和目标词时，左侧中颞叶和上颞叶的活动增加（Grindrod 等人, 2008）。另一项研究检查了基于特征的语义距离对词对之间语义处理的调节效应，并确定ATL参与了类别内语义相似性的编码（Matsumoto 等人, 2021）。然而，在这些研究中，参与者通常需要对可见刺激做出明确决策，这可能涉及策略性和决策相关过程。在阈下启动范式中，启动词是在无意识状态下呈现的，而参与者只对目标词作出反应。这种方法可以用来检查在无意识状态下呈现的启动词与可见目标词之间的语义相似性是否调节了目标处理期间的神经活动。因此，本研究的一个目的是使用阈下启动范式，利用基于分布的语言模型来测量启动词和目标词之间的语义相似性来测试这种关系。

在本研究中，我们还使用表征相似性分析（RSA）来研究词汇-语义相似性在神经层面的表征。RSA捕捉了超出平均激活的多元模式信息，并允许将启动词-目标词对之间的语义相似性与每次试验的神经模式差异相关联。之前使用类似方法的研究表明，左侧IFG的活动模式与表征之间的语义相似性有关（Liuzzi 等人, 2024）。在这里，我们测试了由启动词-目标词的语义相似性定义的关系是否反映在神经活动模式中，以及这种关系在一致和不匹配条件下是否有所不同。这种关系在概念上类似于海马体在空间表征中编码距离关系的方式（Howard 等人, 2014, Savelli 和 Knierim, 2019）。同时，参数调节分析评估了语义相似性与平均激活之间的关系，使我们能够检查语义相似性的单变量和多元神经相关性。

特别是IFG被认为在解决语义竞争中起作用，但这些区域作用的神经生物学机制尚未完全理解。已有研究提出了侧向抑制作为其中一种机制（Fieder 等人, 2019, Rabovsky 等人, 2021）。基于上述兴奋性-抑制性解释，直接检查区域E/I平衡可能为语义关系如何被表征提供补充性的解释。然而，到目前为止，还没有研究检查过神经表征几何结构与语义处理期间区域γ-氨基丁酸（GABA）和Glx（谷氨酸+谷氨酰胺）水平之间的关系。更广泛地说，只有少数研究调查了GABA在语义竞争中的作用。这些研究将ATL中的抑制性神经传递与竞争的解决联系起来（Snyder 等人, 2010, de la Vega 等人, 2014, Jung 等人, 2017, Jung 等人, 2025）。在最近的一项使用语义选择任务的研究中，发现ATL GABA浓度与任务表现之间存在倒U形关系，表明最佳水平的GABA与更好的表现相关（Jung 等人, 2025）。尽管以前的研究主要集中在GABA能活性上，但兴奋性-抑制性平衡在调节神经功能中起着根本性作用。因此，兴奋性-抑制性平衡可能通过调节信噪比来影响诸如语义激活的传播和竞争/冲突的解决等过程。在唯一一项研究谷氨酸在语义处理中的作用的研究中，较高的外侧前额叶GABA/Glx水平与更快的语义竞争解决速度相关（de la Vega 等人, 2014）。尽管以前的研究主要将GABA和Glx水平与行为结果联系起来，但抑制性和兴奋性神经传递之间的平衡如何塑造语义表征背后的神经活动模式仍不清楚。在本研究中，我们计算了左侧ATL、IFG和IPL（这些区域在语义处理中一直被牵涉其中）的神经活动模式在多大程度上反映了语义相似性的结构，并检查了这些测量值与参与者GABA和Glx水平及其比例的关联。鉴于兴奋性-抑制性平衡在神经处理中的作用，我们假设GABA和Glx水平的个体差异及其比例将与神经活动模式反映语义相似性的程度相关。

本研究的一个目的是调查词汇-语义相似性与皮层活动之间的关系，另一个目的是检查语义分类过程中的神经响应模式在多大程度上反映了土耳其语启动-目标刺激对之间的词汇-语义相似性结构。我们的第一个假设是，语义相似性与皮层活动之间的关系在一致和不匹配条件下会有所不同，这反映了在分类不匹配条件下更大的语义控制需求。我们的第二个假设是，启动词-目标对之间的词汇-语义相似程度会调节语义网络内的神经活动。我们的第三个假设是，从启动词-目标关系中衍生的词汇-语义相似性结构将反映在参与语义控制和整合的区域中的神经模式中。我们的第四个假设是在一致和不匹配条件下，与启动词-目标词汇-语义相似性结构相匹配的神经模式将与GABA和Glx水平及其比例相关。

#### 参与者
使用G*Power 3.1.9.7进行了先验功效分析，以评估主要类别一致性效应，即同一参与者内部一致性和不匹配条件之间的差异（Faul 等人, 2007）。对于一个双尾检验，用于检测两个相关均值之间的差异，假设效应量较小到中等（Cohen’s d = 0.40），α = 0.05，以及80%的统计功效，所需的最小样本量估计为N = 52。为了考虑由于技术问题导致的潜在数据丢失，一名参与神经影像分析的参与者因响应按钮的问题被排除在行为分析之外。在排除了29次遗漏（占所有试验的0.39%）后，使用trimr包中的sdTrim函数（Grange, 2018）修剪了反应时间（RT）超出100-2500毫秒范围且超过±2.5个标准差的数据。经过修剪后，又有一名数据丢失超过30%的参与者被排除。

行为分析
行为数据使用R 4.4.2进行分析。在一项神经影像分析中包含的参与者因响应按钮的技术问题也被排除在行为分析之外。

行为结果
在10分的量表上，启动词可见性的平均评价为2.25 ± 0.65。每种条件下数据缺失的比例为3.9 ± 0.5%。在进行主要分析之前，评估了两个刺激集的重复效应。在针对错误率和对数转换后的RT的模型中，重复间的一致性和目标间的重复性交互作用在集合A和集合B之间没有显著差异（见表S6）。同样，BOLD反应也没有显示出重复效应。

讨论
本研究探讨了基于词向量的启动词-目标语义相似性如何在潜意识语义启动过程中反映在神经活动中，以及这些神经指标是否与左侧IFG、ATL和IPL区域的GABA和Glx水平相关。在不一致条件下，语义相似性主要调节了平均BOLD活动，而基于ROI的RSA显示了前额叶、颞叶和顶叶区域的分布式神经-语义对应关系。

结论
在这项研究中，我们考察了在语义分类过程中类别一致性和分级语义相似性的神经和神经化学相关性。分级语义相似性既体现在平均神经活动中，也体现在多体素表征结构中，特别是在类别不一致的情况下这种效应更为明显。表征效应涉及一个分布在前额叶-颞叶和顶叶的网络，其中下额叶和内侧额叶区域的参与尤为显著。

数据
支持研究结果的行为数据和MRS数据可以在OSF上公开获取：https://osf.io/ce65v/。每个实验块的Experiment Builder任务代码也存储在同一OSF仓库中。由于涉及人类参与者神经影像数据的伦理、机构、法律和同意相关限制，原始fMRI数据并未公开。经负责人许可，可以获取去标识化的衍生神经影像数据。

资金
本研究得到了土耳其科学技术研究委员会（TüB?TAK）的支持，属于1001科学和技术研究项目资助计划，项目编号为123S684。

作者贡献声明
?ztürk I??k Esin：撰写 – 审阅与编辑，方法学。
Mehan ?i?ek：撰写 – 审阅与编辑，方法学。
?zgür Ayd?n：撰写 – 审阅与编辑，监督，方法学，概念化。
Orhan Murat Ko?ak：撰写 – 审阅与编辑，监督，方法学，概念化。
MISIR EMRE：撰写 – 初始草案，可视化，资源，项目管理，方法学，研究资金获取，形式分析，数据管理，概念化。
El?in Elif Eren：

关于写作过程中生成式AI和AI辅助技术的声明
在准备手稿的过程中，作者使用了ChatGPT-4、ChatGPT-5和ChatGPT-5.5来协助分析和脚本的修改。在使用这些工具后，作者对所有AI辅助的代码进行了审查、验证和编辑，并对分析和手稿的准确性和完整性负全责。

利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：
Emre MISIR报告称获得了土耳其科学技术研究委员会的经济支持[资助/项目编号：123S684]。作者声明没有其他可能影响本文所述工作的财务利益或个人关系。

致谢
本研究得到了Ba?kent大学伦理委员会的批准（批准编号：?04-196-23，日期：2023年4月13日）。在准备手稿的过程中，作者使用了ChatGPT-4、ChatGPT-5和ChatGPT-5.5来协助分析和脚本的修改。在使用这些工具后，作者对所有AI辅助的代码进行了审查、验证和编辑，并对分析和手稿的准确性和完整性负全责。

补充信息
Emre M?s?r | ?zgür Ayd?n | Orhan Murat Ko?ak | Esin Ozturk-???k | Metehan ?i?ek | Serta? üstün | Bilal K?rk?c? | El?in Elif Eren | Sena Pekacar