纹状体社会奖赏敏感性对与信任相关的脑反应的预测作用取决于亲密程度和抑郁

《Biological Psychology》：Striatal Social Reward Sensitivity Predicts Trust-Related Brain Responses Depending on Closeness and Depression

　　**摘要**• 纹状体对共享奖赏的敏感性（SRS）跨任务预测信任游戏的反应。• 抑郁症状预测对朋友比电脑更高的投资。• 低抑郁水平将纹状体SRS与对密友互惠时更高的颞顶联合区（TPJ）反应联系起来。• 高抑郁水平将纹状体SRS与对密友互惠时更低的TPJ反应联系起来。• 纹状体SRS预测密友互惠时默认模式网络（DMN）与小脑之间更低的连接性。## 引言现实生活中的决策往往在具有显著社会意义的情境中做出，其中选择受到他人行为及对他人影响的影响。一个具有广泛兴趣的问题是，社会环境如何影响指导选择行为的奖赏估值信号（Lee & Chung, 2022），以及与其中涉及者的感知社会联系是否调节这种影响——可能导致适应性或非适应性决策。这些相互作用可能进一步受到内部状态的影响，后者影响个体如何表征奖赏价值和社交意义。特别是，抑郁已被证实会破坏奖赏回路（Ng et al., 2019）和社交信息处理（Hames et al., 2013, Weightman et al., 2014），其影响即使在临床缓解后仍可能持续存在（Kennedy et al., 2007, Rhebergen et al., 2010）。此外，在亲密关系中，奖赏功能失调和社交功能失调可能相互交织，在抑郁中报告了社会亲近感的减弱（Frick et al., 2021）。尽管奖赏估值、社会情境处理和社交亲近感表征相关，但汇聚的证据表明它们依赖于部分不同的神经系统：社会奖赏估值与腹侧纹状体回路密切相关，而社交亲近感表征则更一致地与默认模式网络（DMN）相关。与这一区分一致，腹侧纹状体（VS）在涉及亲近他人的奖赏体验中优先激活，例如青少年在同伴在场时做出决策（Chein et al., 2011），与密友分享货币奖赏（Fareri et al., 2012a），以及当受信任的朋友对货币投资做出互惠回报时（Fareri et al., 2015）。相比之下，社交亲近感通常反映在社会感知和社会估值任务中核心DMN区域的活动（Fareri et al., 2020），特别是DMN与"社会脑"重叠的区域（Shultz & Dunbar, 2012），包括内侧前额叶皮层（mPFC）和颞顶联合区（TPJ）。然而，尚不清楚VS对社会估值的反应是否在不同情境中普遍化，以及是否能预测其他任务中社交亲近感感知的神经基础。尽管存在这些分离现象，但抑郁中奖赏处理和社交功能的紊乱表明，社交亲近感表征与奖赏估值之间的联系可能发生了改变。认为抑郁根源于异常的奖赏估值和动机过程，尽管近期工作揭示了额外的细微差别（Chung et al., 2017, Heffner et al., 2021），纹状体反应减弱长期以来被记录为快感缺失的主要神经基础（Cooper et al., 2018, Forbes et al., 2009, Pizzagalli et al., 2008）。社交领域的快感缺失和社交退缩也是经常报告的症状（Blanchard et al., 2001, Kuan et al., 2024, Setterfield et al., 2016），DMN的主要节点在抑郁患者与健康参与者处理负面情感刺激时未能去激活（Sheline et al., 2009），而在社交功能失调更严重者中观察到DMN内在连接性降低（Saris et al., 2020）。与这一观察一致，母亲抑郁的研究报告了对婴儿线索的动机和神经反应发生改变，包括纹状体和mPFC激活降低（Laurent and Ablow, 2012, Laurent and Ablow, 2013, Macrae et al., 2015）。抑郁中社会情境处理的改变仍无定论，报告钝化（Ait Oumeziane et al., 2019, Caouette and Guyer, 2016, Gradin et al., 2015）或敏化（Gillard et al., 2021, Healey et al., 2014, Sankar et al., 2019, Steger and Kashdan, 2009, Yttredahl et al., 2018）到社交结果的研究数量相当。这种不一致可能反映了社会情境的实验操纵各异，以及在社会关系显著性未受控制且感知亲近感未明确测量的研究中。研究也因是否评估对社交反馈的被动反应或指导不确定性下行为的估值过程而异。行为经济学游戏提供了探索这些问题的有用方式，将社交估值与可观察决策联系起来，同时允许对社交结果进行严格的实验控制（Vanyukov et al., 2019）。本研究检验VS对社会情境和亲近感在奖赏任务中的反应是否预测跨任务行为和脑功能，以及抑郁是否改变这种联系。参与者完成了涉及奖赏分享和涉及背叛风险下投资的信任游戏的卡片猜测任务，在两项任务中合作者相同。先前的工作以不同方式操作化社交亲近感——比较不同感知亲近度水平的社交伙伴（Roseman-Shalem et al., 2024）或与非社交代理或对象的社交伙伴对比（Baetens et al., 2014）。值得注意的是，这些对比隔离了社会奖赏处理中重叠但不同的方面：朋友-电脑对比捕获了社交在场和关系亲近感的综合影响，而朋友-陌生人对比保持社交在场恒定以隔离亲近感特异性变异（Fareri et al., 2012b, Smith et al., 2026）。因此，我们预注册了分析，重点关注朋友-电脑对比作为相对于非社交控制的社交共享奖赏的检验，并以朋友-陌生人对比作为关系亲近感如何调节奖赏敏感性的次要检验。由于社交亲近感和自我-他人信息表征分布在整个DMN多个区域中，我们使用了全网络DMN种子；mPFC和TPJ保持为先验激活ROI，mPFC和VS保持为预注册连接性靶标。我们测试了涉及VS、mPFC、TPJ和DMN的激活和连接性模式，提出三个关键问题。第一，纹状体SRS是否预测信任游戏中互惠与背叛结果时投资行为和mPFC/TPJ激活中朋友与电脑的差异？第二，这些效应是否受到感知亲近度和抑郁症状的调节？最后，这些关系是否扩展至DMN与关键社会估值区域（mPFC和VS）之间的功能连接性？## 章节摘要### 参与者我们从费城大都会区招募了225名参与者（预注册：https://osf.io/p654k）。所有参与者均提供了书面知情同意，遵循特拉华大学机构审查委员会批准的方案。数据作为更大项目（Smith et al., 2024）的一部分收集，并在OpenNeuro上公开可用（https://openneuro.org/datasets/ds005123/versions/1.1.3）。在预注册排除标准（详见补充方法）后，最终样本为n = 123，用于所有分析（人口统计学）。### 纹状体SRS是否预测信任行为？我们首先确认参与者将其朋友评价为显著比电脑伙伴更亲近（β = –3.65, SE = 0.13, t(244) = –28.13, p <.0001；图2a），并且在朋友上的投资高于电脑（β = 1.206, SE = 0.09, t(244) = 12.96, p <.0001；图2b）。然后我们测试了预注册假设，即与朋友更强的亲近感将放大VS共享奖赏敏感性——其理由是在于更强的社交纽带可能增强纹状体SRS。在一个模型中### 讨论广泛理解的是，VS追踪奖赏价值并表现出对社会情境的敏感性。然而，这一社会价值的神经相关是否表明在不同社会处理领域中的行为和脑反应存在差异，一直不清楚。尽管有证据表明抑郁影响社会奖赏处理，但改变的VS信号如何塑造特定脑系统在社交任务中的参与及后续行为仍未知。在本文中### 未引用参考文献（Carter and Huettel, 2013, Esteban et al., 2019, Krienen et al., 2010, Telzer, 2016）### 伦理声明已获得所有参与者或其法定代表人的书面知情同意，同意参与本研究并发布文章。已尊重参与者的隐私权。本研究在研究开展地遵守了相关法律、监管框架和准则。本研究获得特拉华大学机构审查委员会批准。（批准号：28455）### CRediT作者贡献声明**Yi Yang：** 写作 – 审阅与编辑，可视化，方法论，形式分析。**Shenghan Wang：** 写作 – 审阅与编辑，写作 – 原稿，可视化，验证，方法论，调查，形式分析，数据整理，概念化。**Dominic Fareri：** 写作 – 审阅与编辑，方法论。**Sharp Cooper Joseph：** 写作 – 审阅与编辑，项目管理，方法论，形式分析，数据整理。**Smith David：** 写作 – 审阅与编辑，监督，软件，### 生成式AI及AI辅助技术在写作过程中使用的声明在准备本工作期间，作者使用Chat-GPT进行调试和文本编辑。作者根据需要审阅和编辑了内容，并对出版物的内容承担全部责任。### 利益冲突声明作者没有需要披露的利益冲突。### 致谢本工作部分由国家老龄研究所资助（授予DVS的R01-AG067011）。本研究包括在美国陆军研究实验室支持的高性能计算资源（合同编号ARL W911NF212007）上进行的计算。我们感谢Abraham Dachs、Arun Lakshmanan、Ashley Hawk、Derrick Dwamena、Hannah van Heerden、Ishika Kohli、Jamie-Nicole Luistro、Jenelle Scholl、Matthew McCormick、Melanie Kos和Ryan Gephart对数据收集的贡献。一篇预印本Shenghan Wang | Yi Yang | Cooper J. Sharp | Dominic Fareri | Jason Chein | David V. Smith