心理所毕生发展轨线研究揭示脑功能网络分化与整合规律

众所周知,人脑的高级功能通过大规模神经网络实现,存在模块化的组织结构和功能可塑性,但脑功能模块之间的组织结构及其动态演变仍然是现代脑科学探索的核心前沿问题,尤其是人脑功能网络的毕生发展变化规律极具挑战性。

以往研究发现:脑功能网络中的“默认网络”(图1B)及“楔前叶-背侧扣带后回网络”(Precuneus-dorsal posterior cingulate cortex network, PCU-dPCC,图1A)是整个脑神经网络中重要的枢纽,与许多功能相对专一的功能网络具有广泛联系,但通常都被笼统地作为一个脑功能网络,即默认网络。人脑的“默认网络”(Default mode network, DMN)一直被认为是老化过程的主要攻击目标网络,其功能活动的衰退被各种认知年老化疾病研究广泛报道(如老年痴呆症),然而“默认网络”的区域界定及其与其他脑网络的功能边界在学术界一直存在争议。究其原因,是缺乏一种兼具个体特异性和群体可重复性的计算方法来检测人脑功能网络。

为克服上述方法学局限,中科院心理研究所人脑功能连接组与发展实验室成功地开发出基于被试间一致性的人脑功能网络检测算法(gRAICAR,Yang et al., 2008; Yang et al., 2012),将其整合为自主研发的人脑功能连接组计算系统(CCS,Zuo et al., 2013)的功能之一。借助心理所最近建立的高性能计算集群和上述CCS计算系统,课题组杨志副研究员等使用gRAICAR数据挖掘方法,系统地挖掘了来自126名不同年龄(年龄范围:7-85岁)的健康志愿者的“静息态”脑功能影像数据。他们首先验证了脑功能网络中的“默认网络”及“楔前叶-背侧扣带后回网络”是不同的功能网络,尽管它们在扣带后回区域具有很大程度的空间交叠(图1C),但研究发现这两个网络具有不同的属性,因而应加以区分。更重要的是,他们发现这两个功能网络表现出了不同的毕生发展轨线:“默认网络”的内部功能联系在毕生发展中相对稳定,而“楔前叶-背侧扣带后回网络”的内部功能联系随年龄增长而降低(图1)。进一步分析发现:构成“楔前叶-背侧扣带后回”网络的两个主要脑区随着年龄的增长对“默认网络”的贡献越来明显。这些结果说明这两个原本具有不同功能的脑网络随着年龄增长而逐渐合并为一个功能网络。这两个“功能枢纽”网络的动态整合可以解释脑老化进程中各种认知功能的不同变化,例如自我意识基本不随脑老化而消退可能与稳定的“默认网络”存在和保持有关,而空间认知等随脑老化有明显减退的功能可能与“楔前叶-背侧扣带后回”网络的逐步解体有关。从毕生发展的角度,基于本研究的发现可以推测:以往观测到的与脑老化相关的“默认网络”活动变化可能来源于“楔前叶-背侧扣带后回”网络,对这两个脑功能网络不加区分的方法使得以往研究将观测到的现象笼统地归因于“默认网络”功能衰退。

本研究为探索人脑功能连接组的功能模块提供了新的视角,帮助重新认识已有研究中与“默认网络”有关的发现,对今后临床研究中与“默认网络”有关的神经与精神疾病研究结果的解释具有重要指导意义。

本研究获国家科技支撑计划项目(2012BAI36B01)、国家自然科学基金(81270023, 81171409, 81220108014)、中科院重点部署项目(KSZD-EW-TZ-002)和“百人计划”基金、美国国家卫生研究所与儿童心理研究所合作者相关基金支持。

目前,本研究已经在线发表于神经影像方法学领衔期刊NeuroImage。该研究组的相关研究成果如下:

Yang Z*, Chang C, Xu T, Jiang L, Handwerker DA, Castellanos FX, Milham MP, Bandettini PA, Zuo XN*. Connectivity trajectory across lifespan differentiates the precuneus from the default network. NeuroImage. 2013 Nov 25 (http://www.ncbi.nlm.nih.gov/pubmed/24287438)

Yang Z*, Zuo XN, Wang P, Li Z, LaConte SM, Bandettini PA, Hu XP. Generalized RAICAR: discover homogeneous subject (sub)groups by reproducibility of their intrinsic connectivity networks. NeuroImage. 2012 Oct 15;63(1):403-14.

Yang Z, LaConte S, Weng X, Hu X*. Ranking and averaging independent component analysis by reproducibility (RAICAR). Human Brain Mapping. 2008 Jun;29(6):711-25.

Zuo XN*, Xu T, Jiang LL, Yang Z, Cao XY, He Y, Zang YF, Castellanos FX, Milham MP. Toward reliable characterization of functional homogeneity in the human brain: preprocessing, scan duration, imaging resolution and computational space. NeuroImage. 2013 Jan 15;65:374-86.


图1. gRAICAR数据挖掘汇总。(A)“楔前叶-背侧扣带后回”网络; (B)“默认网络”。 (C)两个网络的构成脑区及空间交叠示意图。构成这两个网络的脑区如(A)或(B)中左上角所示。这两个网络在受试者间的一致性或可重复性如左下角的相似性矩阵所示,受试按年龄从低到高排序。基于相似性矩阵的三种受试间一致性指标(subject centrality, within-group consistency, fraction of significant subjects)显示,“楔前叶-背侧扣带后回”网络随受试年龄稳定性下降,而“默认网络”相对稳定。

;