《Developmental Cognitive Neuroscience》：Connectome-based Substrates of Emotional N-back Performance in the Adolescent Brain Cognitive Development Study
编辑推荐：
青春期（adolescence）大规模功能网络的精细化（refinement）促进了认知与情感功能的成熟，这些功能对成人期福祉至关重要，包括工作记忆（working memory）与情绪调节（emotion regulation）。理解功能连接（funct
青春期（adolescence）大规模功能网络的精细化（refinement）促进了认知与情感功能的成熟，这些功能对成人期福祉至关重要，包括工作记忆（working memory）与情绪调节（emotion regulation）。理解功能连接（functional connectivity, FC）如何支持这些能力，可为典型神经发育及精神病理易感性的脑基础标志物提供有价值的见解。青少年脑认知发展（Adolescent Brain Cognitive Development, ABCD）研究包含一项旨在同时调动工作记忆与情感加工的任务：情绪N-back（Emotional N-back, EN-back）。本研究应用连接组预测建模（connectome-based predictive modelling, CPM）于基线EN-back功能磁共振成像（fMRI）数据（n = 4,326），以检验支撑EN-back表现的全脑FC模式。分别建立模型以预测总体及刺激特异性正确率（即场所、快乐、恐惧及中性面孔）。为探究神经发育变化，研究人员将CPM应用于人类连接组计划（Human Connectome Project, HCP）中成人（n = 515）的N-back fMRI数据。CPM在ABCD数据中识别出可预测总体任务表现（Total-accuracy）及所有刺激类型（rho = 0.26 – 0.35, p < .001）的网络。Total-accuracy网络强度是外化问题（externalizing problems）的显著预测因子（β = -0.002, t = -5.06, p = 0.0000004），并可跨脑状态（静息态：rho = 0.13, p < .001）及跨时间（2年随访：rho = 0.37, p < .005）泛化以预测任务表现。CPM还在HCP成人参与者中识别出预测总体N-back正确率的网络（rho = 0.48, p < .05），该网络具有共同且独特的FC模式。本研究为青春期初始阶段EN-back表现的全脑机制以及从青春期早期到成年期的神经发育模式提供了新颖见解。
**论文主体内容解读**
**一、研究背景与目的**
青春期是神经发育的关键时期，大规模功能网络在此阶段经历整合与分离，网络架构不断精细化，这一过程支撑着认知与 socio-emotional 功能的成熟。工作记忆与情绪调节是该阶段显著提升且对成年期适应性功能至关重要的能力，二者缺陷分别被视作精神病理学的跨诊断风险因素。青少年脑认知发展（ABCD）研究通过情绪N-back（EN-back）任务同时考察工作记忆与情感加工，为探索这些功能的神经基础提供了大规模纵向数据。然而，既往基于激活的分析在情感刺激（如情绪面孔与中性面孔对比）上可重复性较差，且多聚焦于特定感兴趣区或单一网络，难以捕捉全脑尺度上具有个体差异意义的连接模式。为此，本研究采用连接组预测建模（CPM），利用ABCD研究基线EN-back任务fMRI数据（n = 4,326），识别与总体及刺激特异性正确率相关的全脑功能连接（FC）模式，并考察这些模式与精神病理症状的关联、跨脑状态和跨时间的泛化性，以及与成人期（HCP样本，n = 515）N-back神经机制的异同。
**二、主要技术方法**
研究人员使用ABCD研究基线及2年随访数据，以及HCP独立成人样本数据。fMRI数据采用耶鲁磁共振研究中心（MRRC）FC流程进行预处理，包括颅骨剥离、非线性配准至MNI空间、运动校正及多种噪声回归，并以268节点Shen图谱进行脑区划分，计算两两节点间Pearson相关并经Fisher z变换得到全脑连接矩阵。CPM作为核心分析方法，包含边选择、模型生成与模型测试三个步骤，采用10折交叉验证重复100次，并通过置换检验（1000次）确定显著性。针对ABCD数据分别建立预测总体及四种刺激（快乐、恐惧、中性面孔及场所）正确率的5个CPM模型；针对HCP数据建立预测总体N-back正确率的模型。此外，计算Total-accuracy网络强度，并进行性别、站点、家庭、头动等敏感性分析，以及与内外化症状的线性混合模型关联分析。
**三、研究结果**
**3.1 CPM预测性能**
研究结果显示，所有CPM模型均能显著预测留出测试数据中的EN-back正确率，Spearman rho范围0.26至0.35（p < .001）。其中Total-accuracy模型识别出6,006条在100%迭代中稳定出现的边，各刺激模型识别边数为3,515至4,914条不等。
**3.2 网络解剖结构**
识别的网络经与10个规范功能网络（如默认模式、额顶、运动感觉等）重叠分析，发现所有刺激类型对应的网络在解剖模式上高度相似，正边与负边重叠率分别达56.2%和63.3%。Total-accuracy正网络以运动/感觉网络内部及其与内侧额叶、默认模式网络之间的连接为主；负网络则以运动/感觉与突显网络、运动/感觉与额顶网络之间的连接为主。事后检验显示，各刺激特异性网络均能交叉预测其他刺激类型的正确率，提示缺乏刺激特异性。
**3.3 敏感性分析**
Total-accuracy网络强度在性别、站点间存在显著差异，但网络强度与总体正确率的相关在男女及各站点内均显著。留一站点交叉验证所得网络与原始网络余弦相似度达0.97（正网络）和0.96（负网络），表明结果稳健。控制头动后，网络强度与正确率的相关仍显著（rho = 0.38, p < .001）。
**3.4 与精神病理症状的关联**
线性混合模型显示，Total-accuracy网络强度不能显著预测内化问题（β = -0.0007, t = -2.1, p = 0.04，未达显著性阈值），但显著负向预测外化问题（β = -0.002, t = -5.06, p = 0.0000004），且在排除同胞样本后仍显著。该关联在控制任务表现后依然存在（β = -0.0009, t = -2.4, p = 0.01）。
**3.5 跨脑状态与跨时间泛化**
从基线静息态fMRI中提取Total-accuracy网络强度，其与基线EN-back总体正确率显著相关（rho = 0.13, p < .001），表明跨脑状态泛化。从2年随访EN-back数据中提取的网络强度与随访时正确率显著相关（rho = 0.37, p < .005），表明跨时间稳定性。
**3.6 青少年至成年的发育性变化**
在HCP成人样本中，CPM成功识别出预测N-back总体正确率的网络（rho = 0.48, p < .05），包含1,019条正边和746条负边。ABCD与HCP网络共享442条正边和302条负边，主要涉及运动/感觉网络内部连接增强以及额顶-运动/感觉、突显-视觉关联网络连接减弱。交叉预测分析显示，ABCD网络可预测HCP任务表现（rho = 0.31, p < .001），HCP网络也可预测ABCD任务表现（rho = 0.26, p < .001），提示关键FC特征从青春期早期到成年期具有保守性。
**四、讨论与结论**
讨论部分指出，识别的Total-accuracy网络以运动/感觉网络为核心，其内部连接增强及与内侧额叶、默认模式网络的协调增强共同支持EN-back任务表现，而运动/感觉与额顶、突显网络连接减弱可能反映了高阶认知网络与低阶感觉运动网络间的资源竞争与模块化优势。该网络跨脑状态和跨时间的泛化性支持其稳健性。针对情感刺激特异性的缺乏，研究人员认为这与此前ABCD情感-中性面孔对比可重复性低的发现一致，提示该年龄段EN-back任务中的情绪面孔可能并未稳定诱发特异的情感加工神经相关，或个体间变异性过大。网络强度与外化症状的负向关联支持工作记忆缺陷作为外化问题的跨诊断风险因素，但也注意到底线时点内化障碍患病率较低。发育对比显示青少年与成人N-back预测网络存在共享与独特特征，交叉预测成功提示核心机制保守。研究结论强调，该工作识别了支持EN-back任务表现的全脑FC模式，为评估青春期神经发育轨迹及精神病理风险提供了实证基线。未来ABCD数据发布将有助于追踪这些网络随青春期发展的动态演变。
