《Developmental Cognitive Neuroscience》：Development of functional topography of the default mode subnetworks revealed by precision mapping
编辑推荐：
摘要：默认模式网络（default mode network, DMN）是一个在功能和解剖上均具有异质性的网络，包含多个支持记忆和自我相关思维等内在指向过程的子系统。功能脑网络的发育对认知成熟至关重要，然而DMN子网络如何发育仍不清楚。组平均方法会掩盖个体差异
摘要：默认模式网络（default mode network, DMN）是一个在功能和解剖上均具有异质性的网络，包含多个支持记忆和自我相关思维等内在指向过程的子系统。功能脑网络的发育对认知成熟至关重要，然而DMN子网络如何发育仍不清楚。组平均方法会掩盖个体差异并使空间细节模糊，限制了对网络拓扑结构的精确刻画。研究人员借助精准映射（precision mapping）技术，在547名5-21岁参与者中描绘了个体化的DMN子网络，并从功能分离、空间拓扑等多个方面考察了其发育变化。研究人员发现，随着年龄增长，DMN子网络彼此之间以及与非DMN网络之间的功能分离程度不断增加，并通过边界锐化和空间重叠减少表现出更强的拓扑区分性。此外，记忆相关子网络的空间范围与年龄呈负相关，较小表面积与更好的情景记忆表现相关。上述发现强调了在个体层面刻画多维功能与拓扑特征对于理解典型神经发育及神经发育和精神疾病的重要性。
**论文解读：精准映射揭示默认模式子网络功能拓扑结构的发育规律**
**研究背景与问题**
默认模式网络（default mode network, DMN）是大脑中一个在功能和解剖上均高度异质性的网络，由多个相互关联但功能特化的子系统构成，支持情景记忆、未来想象、自我及他人相关思维等内在指向性心理活动。大量神经精神疾病和发展性障碍均与DMN功能异常有关。既往研究普遍认为，儿童发育期伴随的功能脑网络重组主要体现为网络间分离增强，即网络内部连接增强、网络间连接减弱。然而，DMN本身由多个子网络构成，这些子网络在发育过程中如何逐步实现功能分离和空间拓扑特化，至今缺乏清晰认知。已有少数研究试图考察DMN子系统间的分离，但在神经典型队列中未发现显著的年龄相关变化，这一阴性结果可能受限于其相对较小的样本量以及依赖于少量群体定义的感兴趣区。此外，传统功能网络研究多使用组平均模板进行脑区划分，该方法将个体间差异平均化，导致空间信息模糊，难以准确反映个体特异性网络组织，也无法刻画网络边界和空间拓扑的精细变化。因此，急需采用个体层面的精准映射方法，系统考察DMN子网络发育的多样性和多维特征，为该领域提供可靠的基线参照，并为理解相关精神疾病的神经机制奠定基础。
**研究目标与意义**
研究人员基于人类连接组计划发育队列（Human Connectome Project in Development, HCP-D）的数据，对547名5-21岁儿童青少年及年轻成人进行个体化脑网络划分，系统考察了DMN三个子网络在功能分离、空间拓扑及表面积方面的年龄相关差异，并进一步探究记忆相关子网络的空间表征与情景记忆表现之间的关联。该研究发表于《Developmental Cognitive Neuroscience》，其核心贡献在于突破传统组平均方法的局限，从个体层面构建了多维度刻画DMN子网络发育的新框架，为阐明典型神经发育过程以及相关神经发育和精神疾病的病理机制提供了关键证据。
**主要技术方法**
研究人员采用基于模板匹配的精准映射方法，在每个个体水平上将大脑皮层顶点分配至Yeo 17网络模板中对应的DMN子网络，获得个体化网络分割。所分析的数据来自HCP-D项目四个采集中心（哈佛大学、加州大学洛杉矶分校、明尼苏达大学和圣路易斯华盛顿大学），最终样本为547名参与者。研究计算了网络同质性以验证个体化划分的有效性，并采用分割指数、边界锐度、空间重叠和表面积比例等指标量化不同维度的网络特征，使用一般线性模型（general linear model, GLM）控制性别和扫描站点，评估年龄相关效应，并通过线性混合效应模型和错误发现率（false discovery rate, FDR）校正等方法进行敏感性分析和多重比较校正。
**研究结果**
***DMN子网络功能分离随年龄增强***
研究人员通过计算基于网络内与网络间功能连接的分割指数发现，DMN三个子网络（DMNA、DMNB、DMNC）与DMN内其他子网络以及全脑其他功能网络的功能分离程度均随年龄显著增加。该结果表明，在发育过程中DMN子网络逐渐形成更为独立的功能模块，支持了网络功能特化的理论预期。
***DMN子网络拓扑边界随年龄锐化***
密度图分析显示，各子网络的高密度区域主要位于其经典皮层区域，但也延伸至其他子网络典型分布的脑区，反映了个体间变异和子网络间共享特征。基于边界顶点功能连接差异的计算发现，DMNA与DMNB及DMNC之间的边界锐度随年龄显著增加，而DMNB和DMNC的边界锐度未见显著的年龄相关变化。这表明DMNA在发育中逐渐呈现出更为清晰的空间边界，空间拓扑分化程度不断提高。
***DMN子网络空间重叠随年龄减少***
空间重叠分析发现，DMNA与DMNB、DMNB与DMNC之间的空间重叠面积比例随年龄显著下降，而DMNA与DMNC之间的重叠则未表现出显著的年龄效应。空间重叠的减少进一步支持了DMN子网络在发育过程中空间拓扑分化逐渐增强的观点，其中DMNA与DMNB之间尤为突出。
***DMNC表面积随年龄减少并与记忆表现相关***
在DMN三个子网络中，仅DMNC的表面积比例表现出显著的年龄相关下降，该减少主要定位于典型DMNA分布区域。与组平均模板对比发现，个体化DMNC延伸至DMNA区域的面积比例随年龄显著降低。进一步认知关联分析显示，DMNC表面积比例与图片序列记忆（Picture Sequence Memory, PSM）得分呈显著负相关，即较小的DMNC表面积对应较好的情景记忆表现，提示DMNC的空间组织与个体情景记忆能力存在密切联系。
**讨论与结论**
研究人员发现，DMN子网络在正常发育过程中经历了多维度的功能与结构特化：子网络之间及与非DMN网络间的功能连接分离增强；DMNA边界锐化且空间重叠减少；记忆相关的DMNC表面积缩小并呈现年龄依赖的空间重排。这些结果与已有将DMN视为单一整体的研究不同，突出了DMN子网络异质性发育轨迹的重要性。研究人员指出，边界锐度和空间重叠作为新引入的拓扑测量指标，可有效捕捉组平均方法无法揭示的个体特异性信息，为预测个体认知表现和发展轨迹提供了更具针对性的影像学标记。局限性方面，交叉设计无法推断个体内的发展变化，DMN子网络数目的划分仍存在争议，且缺乏对应全部子网络认知功能的直接行为测量。总体而言，研究人员通过个体化精准映射框架，证明DMN子网络在功能和空间拓扑上均表现出显著而多维的年龄相关特化，并揭示了记忆子网络空间范围缩小与情景记忆能力提升的关联，为理解典型脑发育及神经精神疾病的病理机制提供了全新视角。
