《Proceedings of the National Academy of Sciences》:Sender–receiver subdivisions of the default mode network in perceptual and memory-guided cognition
编辑推荐:
本期推荐一项发表于《PNAS》的前沿研究,针对默认模式网络(DMN)如何在感知与记忆引导认知间灵活切换的核心问题,通过融合方向性连接、静息态功能组织与任务态fMRI数据,揭示DMN可划分为“接收者样”(afferent-biased)与“发送者样”(efferent-biased)亚区。前者在面孔感知中激活,后者在记忆引导决策中响应,且与皮层梯度空间位置匹配。该研究为理解内部与外部认知的灵活转换提供了微观架构与宏观拓扑的统一框架。
人类的大脑就像一个精密的交响乐团,时刻在不同“乐章”间切换:时而全神贯注于眼前的世界,捕捉每一缕光线、每一丝声响;时而陷入沉思,在记忆的迷宫中穿梭,构建过去的场景或未来的想象。这种在“感知耦合”(perceptually coupled)与“感知解耦”(perceptually decoupled)状态间的灵活跳转,是我们日常认知的基石。长期以来,神经科学家认为默认模式网络(Default Mode Network, DMN)是这场“思维变奏”的主角。这个在静息状态下异常活跃的脑区集合,曾被简单视为“发呆”或“走神”的开关,但近年研究逐渐揭示其在记忆检索、情景模拟和社会推理中的核心作用。然而,一个根本性的谜题始终未解:DMN如何在处理外部感官输入与内部记忆生成这两种看似对立的任务时,避免信息干扰并实现无缝切换?传统的观点认为DMN是一个功能均一的网络,或者仅依据静息态连接将其划分为几个固定的子系统(如核心子系统、背内侧子系统等),但这些划分难以解释其在感知与记忆任务中复杂的激活模式。
为了揭开这一谜题,来自国外研究团队在《Proceedings of the National Academy of Sciences》发表了一项突破性研究。他们不再局限于单一视角,而是整合了三个独立的功能磁共振成像(fMRI)数据集,从方向性连接(directional connectivity)、内在功能组织到任务诱发反应,对DMN进行了全方位的“解剖”。研究发现,DMN并非铁板一块,而是依据其微观架构和连接特性,天然地分化为“接收者样”(receiver-like)和“发送者样”(sender-like)两大亚区。这种“收发”分工完美对应了大脑在感知与记忆任务中的不同需求:前者像高效的“信号接收塔”,擅长整合外界视觉信息;后者则像强大的“广播站”,负责将内部生成的记忆信息向全脑播散。这一发现不仅刷新了对DMN功能多样性的认知,更为理解人类灵活思维的神经基础提供了全新的组织架构框架。
作者为开展此项研究,综合运用了多项关键技术方法。首先,基于公开数据库的静息态fMRI数据(N=40),采用回归动态因果建模(regression dynamic causal modeling, rDCM)技术分析皮层间的有效连接,以此界定DMN内偏向输入(afferent)与偏向输出(efferent)的微架构特征。其次,利用另一独立静息态数据集(N=191)计算全脑功能连接,并结合Margulies等人提出的皮层功能梯度(functional connectivity gradients)模型,分析不同亚区的宏观拓扑定位。最后,招募健康受试者(N=28)进行任务态fMRI扫描,采用改良的n-back范式,通过操纵决策模式(0-back为感知引导,1-back为记忆引导)和刺激类别(面孔、场景、物体),精准定位不同认知状态下的DMN激活区域。所有影像数据分别通过FSL和CONN工具包进行标准化预处理,并运用一般线性模型(GLM)及线性混合效应模型(LMM)进行统计分析。
1. Results
1.1. Microarchitecture and Functional Organization of DMN.
1.1.1. Afferent and efferent balance of DMN. 通过分析rDCM得出的方向性连接图谱,研究清晰地展示了DMN内部的“收发”分化。暖色区域代表更强的DMN向非DMN区域的输出(efferent-biased),而冷色区域代表更强的非DMN区域向DMN的输入(afferent-biased)。这证实了DMN确实包含类似“接收者”的区域(强输入)和类似“发送者”的区域(强输出)。
1.1.2. Microarchitectural-functional dissociation within the DMN. 研究人员进一步探究了这种基于方向性连接的亚区是否与经典的Yeo-7网络划分(背内侧、核心、内侧颞叶子系统)一致。结果显示,接收者和发送者区域广泛分布于所有经典子系统中,表明这种微架构层面的分化轴是与传统静息态功能连接划分正交的独立维度。
1.1.3. Functional connectivity of microarchitectural regions. 以这两类亚区为种子点的静息态功能连接分析显示,发送者样区域与运动和视觉系统连接更强,而接收者样区域则与异模态(heteromodal)皮层连接更紧密。进一步的梯度相似性分析发现,接收者样区域对齐于梯度1(Gradient 1,单模态-跨模态轴)的跨模态顶端,而发送者样区域则更靠近单模态端。这表明接收者样区域更适合多感官整合,而发送者样区域则与感觉运动系统的联系更广泛。
1.2. Task Behavior.
1.2.1. Behavioral results. 在改良的n-back任务中,行为数据显示0-back(感知引导)的准确性显著高于1-back(记忆引导),且面孔判断的速度最快。反应时分析显示任务类型与刺激类别存在显著交互作用,表明不同认知模式的加工效率存在差异。
1.2.2. Behavioral effects of perceptual similarity. 利用ResNet-50提取的图像特征计算感知相似性,发现视觉相似性仅在0-back试次中显著影响反应时(相似性越高反应越慢),而在1-back试次中无此效应。这证实了0-back决策更受当前感知特征的驱动,实现了感知耦合与解耦的有效分离。
1.3. Whole-Brain Univariate fMRI Analysis.
1.3.1. Effects of Task. 对比1-back > 0-back,激活脑区主要集中在岛叶、眶额皮层、前扣带回及角回等异模态网络(DMN占41%,FPN占29%)。相反,0-back > 1-back的激活则集中在枕极、外侧枕叶皮层等视觉网络(占86%),符合感知加工的预期。
1.3.2. Effects of Category in perceptual decisions. 在0-back任务中,面孔决策相比场景和物体引发了更广泛的激活,且这些激活区域有84%位于DMN内,主要涉及双侧外侧枕叶皮层、角回和后扣带回/楔前叶。相比之下,场景和物体的选择性激活主要局限于视觉皮层。
1.3.3. Dissociation of Task and Category effects in DMN. 关键的是,支持记忆引导决策的DMN区域(1-back > 0-back)与支持面孔感知的DMN区域(Face > Scene/Object in 0-back)在空间上完全不重叠,且各自表现出特定的功能选择性。这构成了DMN内部的功能双分离(double dissociation)。
1.3.4. Category effects in the visual cortex. 虽然在视觉皮层中观察到了典型的类别选择性(如场景选择旁海马 place 区,面孔选择梭状回面孔区),但这些区域在1-back条件下缺乏类别选择性,进一步印证了记忆引导决策对视觉输入的依赖降低。
1.4. Spin Tests of DMN’s Topographical Location. 通过自旋置换检验(spin permutation tests),研究发现无论是记忆引导还是面孔感知相关的DMN簇,都显著位于梯度1的跨模态顶端。同样,接收者和发送者亚区也均占据跨模态位置。而经典的Yeo子系统则表现出差异,内侧颞叶子系统并未偏离随机分布。这说明“收发”亚区共享相似的宏观拓扑位置,而传统功能划分在此轴上存在差异。
1.5. Double Dissociation Across Afferent and Efferent DMN Subunits. 空间重叠分析显示,1-back任务激活的DMN体素主要位于发送者亚区(87%),而0-back中的面孔选择性DMN则均匀分布在接收者和发送者亚区。ROI信号提取分析进一步证实,发送者亚区在1-back > 0-back对比中反应更强,而接收者亚区在面孔决策中反应更强,形成了显著的双分离。相比之下,经典DMN子系统未能表现出这种功能特异性。
1.6. Whole-Brain Activity Patterns Decomposed Using Functional Connectivity Gradients. 将任务激活图与皮层梯度进行空间相似性分析发现,两种认知状态均定位于梯度1的跨模态端,但沿梯度2(视觉-运动轴)和梯度3(控制-自动轴)发生分化。1-back任务表现出更强的运动对齐和控制相关特征,而面孔感知则处于视觉与运动的平衡点,且更具自动化特征。这表明相同的DMN亚区可根据任务需求参与不同的大规模网络配置。
2. Discussion
这项研究通过整合多模态数据,系统性地揭示了DMN内部的微架构与功能对应关系。接收者样亚区在感知耦合的面孔决策中活跃,并与异模态网络连接,支持感觉输入的整合;发送者样亚区在感知解耦的记忆引导决策中活跃,并与感觉运动系统广泛连接,支持内部信息的播散。这种双分离表明DMN的参与并非均一,而是遵循其“收发”分化的微架构。
研究进一步将这些微架构差异置于大脑皮层的大规模梯度组织中。尽管接收者和发送者亚区都位于梯度1的跨模态顶端,但它们在次级梯度上的分化反映了不同的全脑配置模式。这一发现挑战了传统观点,即认为内在功能连接刚性决定功能,相反,它强调了任务需求如何灵活地重新配置DMN亚区在大规模皮层系统中的嵌入方式。此外,该研究还细化了预测编码模型,提示DMN的“发送者”和“接收者”角色可能分别对应自上而下的预测生成和自下而上的输入整合。
综上所述,该研究确立了DMN内部基于方向性连接的功能双分离,将局部微架构差异与宏观皮层拓扑及任务诱发反应联系起来,为理解联想皮层如何支撑外部感知与内部思维提供了重要的组织框架。这不仅解释了大脑灵活切换认知状态的机制,也为未来探索DMN在神经精神疾病中的功能紊乱奠定了结构基础。