《Current Opinion in Behavioral Sciences》:The default mode network in a hierarchical generative model of the brain
编辑推荐:
本综述将默认模式网络(DMN)置于预测加工架构,提出其核心作用是协调高层级抽象预测(priors),以“管弦乐指挥”式跨网络投射驱动全脑生成模型更新,并结合纵向轴、局部层级轴与分层连接轴解释功能多样性。
Introduction
默认模式网络(DMN)是一组在被动静息时比传统认知任务更活跃的分布式脑区,但长久以来其统一功能不明。以往研究常将DMN节点映射到记忆、社会认知、情绪等心理范畴,但这些描述性框架难以整合。本文从计算神经解剖学出发,将DMN嵌入层级生成模型——即大脑通过多层预测与反馈不断最小化预测误差(prediction error)的架构,提出DMN的核心计算角色是在全脑生成模型的顶端,编码高抽象度、多模态的先验信息,以跨层级方式协调全局模型更新。
A generative hierarchical model of brain function
在生成模型中,高级皮层向下发送预测,低级区域向上传递预测误差。高阶区域具更低神经元密度、更少髓鞘化与更长整合时间窗,通过汇聚多源输入实现维度压缩(dimensionality reduction),形成紧凑的高层表征作为先验(priors)。多数皮层连接短于10 mm,稀疏长程投射支撑跨异模态、运动与感觉皮层的层级整合。
The default mode network in a hierarchical predictive processing architecture
DMN位于层级顶端:其节点远离初级感觉区,在记忆、语义等高抽象处理中更强激活。关键突破在于区分两种组织模式:(1)链式命令层级(逐层传递);(2)管弦乐指挥(orchestra conductor)模型——DMN接受中高级联合区的选择性输入,同时向多网络/多层级广泛投射下行预测。这一结构由独特层状特征支撑:DMN涵盖无颗粒型(agranular)、弱颗粒型(dysgranular)与真分层(eulaminate I–III)区域,缺乏初级感觉的koniocortex,输出分布弥散而输入偏向高层,符合“指挥”而非“链条”的角色。
Three axes of default mode network organization
基于解剖约束,提出DMN内部三轴:
- 1.
纵轴(前后梯度):后内侧复合体(楔前叶/precuneus、后扣带回/PCC、压部后区/retrosplenium)连接视觉系统,神经元密度与髓鞘更高,适于外导向高维处理;前内侧复合体(腹侧/背侧/前内侧前额叶vmPFC/dmPFC/amPFC、膝前前扣带/pgACC)连通下丘脑等内脏运动结构,低髓鞘与慢时程支持内状态与抽象事件建模。
- 2.
局部层级轴:各复合体内存在层状梯度,如后部从无颗粒压部到真分层III楔前叶,前部从无颗粒pgACC到更分化的mPFC子区,使各复合体具备局部生成处理能力。
- 3.
分层通信轴:遵循“层状类型规则”——相似层状特征的区域优先互连(如无颗粒-无颗粒、真分层III-III),支持前后DMN跨层级平行交换信息,形成异层级(heterarchical)协作,无需严格序列命令。
Revisiting the functional role of the default mode network in cognition
全球层面:日常情境中预测误差小时,DMN维持“自动驾驶”(autopilot);当场景切换、目标变更或他人心理模型重构需全局更新时,DMN作为指挥分发高层先验,驱动多系统协同调整——这解释了为何记忆、社会认知、情绪等不同任务均涉及DMN。局部层面:三轴组合允许功能重组,如静息态fMRI捕获的状态转换或任务诱导的前后轴分化。现有简化任务可能未充分激发生成动态,未来需生态效度更高的自然范式。
Summary and conclusion
DMN的统一角色是:在层级生成模型中充当管弦乐指挥,广播高层预测并接收高层输入;内部通过纵轴、局部层级轴与分层连接轴实现灵活配置,使同一网络既能支持多域认知,又能在解剖约束下展现功能多样性。