Cereb Cortex最新研究：老而不老？探索“超级老者”超强记忆的脑网络奥秘

“超级老者”指的是年龄较大的成年人，尽管他们年事已高，却仍能保持年轻的记忆力。以往的形态学研究发现，在超级老者中，默认模式网络(DMN)和突显网络(SN)区域的皮质厚度较大，且与记忆性能相关。  

在本研究中，我们检测了41名年轻人(24.5±3.6岁)和40名老年人(66.9±5.5岁)DMN和SN的网络内和网络间功能连接。超级老者被定义为在记忆回忆任务——加州语言学习测试(CVLT)中有着同年轻人相当表现的老年群体。参与者接受了静息状态功能性磁共振成像(fMRI)扫描，并进行了单独的视觉语言识别记忆任务。

正如预测的那样，在DMN和SN中，与普通的老年人相比，超级老人具有更强的连通性，与年轻人相比，他们具有相当的连通性。在认知任务上，超级老者的表现与年轻人相似，也优于普通的老年人。每个网络内较强的连接分别预测老年人在CVLT和识别任务中的更好表现。

超级老者网络内连接的差异解释了记忆表现的不同，该方法超越了形态学对记忆表现的预测能力。这些结果完善了我们对超级老者作为成功的神经退化模型的理解。

我们四大假设：

1. CVLT得分与年轻人相当的超级老人，在DMN和SN中具有更强的内在连接性，这与在年轻人中观察到的情况相似。

2. 我们还在一项独立的记忆测试中考察了他们的视觉-语言的识别记忆能力，并假设超级老者在物品记忆和联想识别记忆方面都表现出同年轻人相近的记忆表现，证明他们的高级记忆功能超越了他们在CVLT上的表现。

3. 在老年人中，具有更强内在DMN和SN连接的个体在语言回忆任务(CVLT)和视觉-语言识别任务(项目和联想记忆)中表现更好。

4. 我们假设DMN和SN的连通性可以独立地预测彼此之间的记忆表现，也可能超越这些网络区域的解剖完整性所能解释的差异。

情景记忆的衰退通常伴随着人类的正常衰老。然而，最近的研究已经确定了一个特定的老年人亚群，称为superager，他们在雷伊听觉语言学习测试(RAVLT)或加利福尼亚语言学习测试(CVLT)等测试中的记忆能力与中年人相当甚至与年轻人持平。并且超级老者在2个大尺度脑网络，默认模式网络和突显网络中有者同年轻人相似的脑形态学特征。这些区域在健康老年人中通常表现出与年龄相关的萎缩。

• 在DMN中，海马结构(HF)、内侧颞叶皮质、后扣带皮层(PCC)和邻近的中线顶叶区域都与记忆编码和检索有关。

• 在SN中，前岛叶、前扣带皮层(ACC)、额中回和顶叶下叶支持情景记忆的编码和检索可能通过引导注意力到相关材料、参与工作记忆、组织(控制)可用信息策略和调整动机。

• 在老年人中，DMN和SN区域的退行性萎缩与记忆衰退相关而在年轻人中表现出的灰质完整性可以预测其言语记忆表现能力。

图1：在超级老者的DMN和SN中有着更强的网络内连接。（A）在DMN和SN（白线区域）内，超级老者相较于一般老人有者更强的网络内连接（红/黄区）。每个网络的超级老者和一般老者的对比结果，对比图阈值P<0.05。我们没有在一般老者中发现任何比超级老者的连接更强的区域。我们排除了左侧楔前叶/后扣带区，因为它们存在过高的自连接。（B）柱状图展示了超级老者在DMN和SN内有着更强的连接（相比一般老者，P<0.05），和年轻人有者相似的连接（P<0.05）。

为了探究老人样本中网络内的功能连接，我们在DMN的左侧PCC (MNI 1,55, 17)和SN的右侧背侧前脑岛(dAI;MNI 36, 21, 1)作4mm感兴趣球形区域(ROIs)。我们获得关于种子点时间序列的和全脑所有体素时间序列做皮尔逊相关的功能连接图，组水平所有被试的连接图平均后，r值作Fisher-Z变换。我们把连接图投射到FreeSurfer的脑模型表面。

对于每个网络，我们在超级老人和普通老年人之间进行了2个样本的voxel水平的的双样本T检验，用其对应的先验网络mask对结果进行范围限定，并以P<0.05（未校正）为阈值。

为了确定超级老人比普通老年人具有更强的连通性的网络目标，我们遵循了我们实验室之前发布的标准程序：对于对比图上的每个灰质团块，我们将z值最高的体素作为峰值点，并将其作为目标中心。为了量化种子区域和目标区域之间的功能连接强度，我们为老年组的所有受试者在每个相关峰值创建了球形ROI (4mm)，并提取每个ROI内的平均时间进程。 

我们对连接强度进行了的双尾检验，讨论:

• 超级老者和年轻人的对比，是否超级老者有年轻人一样的网络耦合水平？

• 超级老者和一般老年人对比，是否超级老者有着更紧密的网络耦合？

之后我们计算每个网络目标点之间的相关连接，并且结合1）回想记忆得分2）物品和相关认知记忆评分进行相关性分析。

为了显示DMN和SN的具体贡献，我们选择了另外两个网络作为对照网络。运动网络种子点位于左侧初级运动皮层(M1: MNI 43, 16, 42)，而视觉网络种子位于初级视觉皮层(V1: MNI 19, 98, 3)。

我们采用与DMN和SN相同的程序来识别运动和视觉网络目标中心，这些目标中心在超级老人中显示出比普通的老年人更强的连通性，并计算每个对照网络种子点和目标靶点之间的连通性强度。最后，我们还计算了对照网络连接强度与3个记忆任务得分之间的皮尔逊相关值 r（图2）。

图2 ：在DMN和SN之间更强的功能连接支持老年人更好的记忆力。散点图说明了整个老年群体内在功能连接性之间的相关性(顶行:DMN内;中间行:SN内;底行:DMN和SN之间)和记忆表现(左列:CVLT回忆能力;中央栏:物体识别能力)。超级老者是用空心点表示的。脑图(右栏)突出了感兴趣区的假设网络(黄色表示DMN，蓝色表示SN)、种子点和目标节点(橙色表示)，以及表示功能连接的相关方向(红色表示正，淡蓝色表示负)。在16项记忆中，回忆记忆得分最高。网络种子为R PCC和R dAI。显示的P值未校正。

图3：DMN中的关键节点-海马，同PCC的强连接预示着老年人更好的记忆。（A）两组老年人的海马-PCC连接（橘色圈）。（B）两组老年人对比后发现，超级老者的右侧海马同右侧PCC连接较一般老年人更强（P<0.05）。（C）在整个老年组中，右侧海马和右侧PCC连接强度对原始CVLT的回忆记忆表现(上)在控制右海马容积一致（下)后的记忆残留具有正向预测作用。

我们在当前研究中使用的网络种子点(选自以前发表的论文)和目标靶点(根据超级老人和普通老年人之间的对比确定)与我们以前仅根据神经解剖学确定的区域部分重叠（图4）。我们发现，皮层厚度或皮层下体积的减少并不一定意味着内在连接的减少(反之亦然)，因此结构和功能的变化可以独立地预测记忆表现中的独特行为变化。

图4：超级老者大脑的结构和功能分布。结构部分(红色)是基于范围较大的皮层厚度定义的，而功能部分(蓝色)是基于更强的内在功能连接定义的。重叠区域用紫色表示。绿色字体表示DMN区域，橙色字体表示SN区域。

“成功老龄化”,《认知储备》和《大脑维护》等论著表明，与年龄相关的认知能力下降并不是不可避免的。 在这项研究中，我们发现，在两个核心的脑网络中，超级老人表现出更强的内在连通性，DMN和SN，这种连通性预测了回忆和识别记忆。

总体来说，这些研究表明超级老者有着网络处理和区域整合的记忆优势，更充分地证实了超级老者卓越的记忆能力。超级老者中更强网络内功能连接与更好的记忆能力相关，这与DMN节点(如PCC、HF、mPFC)之间和SN节点之间(如AI、pgACC) 的内在连接的研究一致，预测了年轻人和老年人的记忆表现。

但年轻人的DMN和SN之间的功能连接呈负相关。在普通老年人中，这种负相关关系逐渐减弱，而在超级老人中，这种负相关关系则显著增强。重要的是，我们发现在所有老年人中，网络间负连接越强，记忆力表现越好，这与之前的发现一致，即网络间连接可以预测工作记忆能力和语言能力。

综上所述，这些发现表明，在衰老过程中，较好的记忆表现与DMN和SN中较强的网络内耦合以及这两个关键网络之间较强的负相关有关。

参考文献：

Jiahe Zhang, Joseph Andreano, Bradford C. Dickerson et al. Stronger Functional Connectivity in the Default Mode and Salience Networks is Associated with Youthful Memory in  Superaging. Cereb Cortex. 2020 Jan 10;30(1):72-84. doi: 10.1093/cercor/bhz071.

作者信息

 

编译作者： CholeFu（brainnews创作团队）

校审： Simon（brainnews编辑部）

题图： Next Avenue

前 文 阅 读 

 

---

欢迎加入超过 15000人的

全球最大的华人脑科学社群矩阵