Trends in Cogn Sci综述：微架构在理解认知网络中的重要价值
刻画人类认知机制的特征受益于将局部微观结构特性与大脑的宏观组织相结合。人类大脑的数字化数据集，包括脑组织学、脑图谱、转录组学和高分辨率成像，为将微结构特征与有助于复杂思维的功能网络联系起来提供了前所未有的机会。
当代的认识神经科学将神经活动的空间模式与心理构造联系起来，描述了假设功能在“哪里”发生，但没有描述这些区域“如何”促进认知。
近日，Boris Bernhardt和Casey Paquola的团队在Trends in Cognitive Sciences杂志上发表了他们最新的综述，“Closing the mechanistic gap: the value of microarchitecture in understanding cognitive networks”。
欢迎加入
全国心理学学术讨论群
添加小编微信
brainnews_09
-留言：心理学研究群-
弥合神经解剖学和高级认知之间的鸿沟
通常大脑区域的活动是一致的，于是产生了功能性脑网络以及它相关的假设，即大脑活动和复杂行为之间的关系可以通过构成这些网络的分布式节点的相互作用来实现。
在这篇综述中，作者认为研究功能网络的微观结构（microarchitecture）可以帮助细化观察到的大脑活动模式，以及它们是如何促进高级认知。这种方法基于一个假设，即神经解剖学可以深化我们对认知机制的理解。
来自动物实验和神经系统病人的电临床观察的证据已经证明了人脑的结构和核心功能之间的关系。然而，高级认知的解剖学基础已被证明是难以分离的。高级认知的形式，如“想象”，可能既不独立也不受大脑的限制。这促使研究重点从识别与高级认知相关的神经基质转向功能定义网络的神经过程。
从“在哪里”到“怎样”:
使用功能网络来理解认知
神经成像技术的最新进展，尤其是fMRI，已经允许描述受试者执行任务时的神经活动分布模式。基于任务的fMRI范式有助于区分与不同形式的复杂认知相关的功能网络。其中两个宏观系统与复杂的认知任务尤其相关。
MDN，被定义为当任务难度增加时特定大脑区域活动增加的趋势。DMN则显示了相反的模式，当外部困难驱动任务表现时，活动减弱，但当任务更多地依赖记忆时，该区域的活动增加(图1A-C)。解析静息状态功能连接的数据驱动方法最能区分MDN和DMN(图1D)。
图1.定义多需求网络(MDN)和默认模式网络(DMN)
连接微架构和功能的一般原则
皮层微电路的结构决定了神经元组装的计算(图2A)。The sensory-fugal axis捕捉皮层表面神经生物学特性的分级变化，一端由初级感觉区锚定，另一端由异源皮质（allocortex）锚定(图2B)。研究表明，神经元振荡的时间尺度也随着它们变化(图2C)，反映了神经元集合在更长时间维持信息的能力。
研究表明，层次化连接方案为相同输入的不同方面进行多模态集成，或在不同情况下保持抽象相似性等过程提供了基础(图2D)。未来，将局部微观结构特性与更大规模的组织结合起来(图2F)，将是建立人类联想皮层认知过程机制描述的下一步。
图2.皮层微观结构与功能关系的模型
对DMN和MDN的机械见解
本文确定了皮层各区域间细胞结构相似性的度量标准，并使用非线性降维法确定了细胞结构变化(图3Ai)。这解释了细胞结构变异的最大差异，主要捕捉出不同皮层的不同(图3Aii)，空间模式与sensory-fugal axis相关。
此外，数据可以对应到标准的MRI空间，以便与功能网络进行直接比较。结果发现，MDN和DMN都广泛分布在这个空间(图3Aiii)，这表明这些网络在微观结构特征上是相对不均一的。
针对性地研究一个区域内的微观结构也可以帮助定义皮质组织如何进行复杂的认知任务。以中颞叶为例，从isocortical inferior temporal cortex到异源皮层海马区的细胞结构发生了多种变化(图3Bi)。使用 BigBrai进行建模，发现它们消除了与DMN和MDN的功能连接的不同（图3Bii，iii）。
使用多模态MRI来测量大脑皮层的微观结构相似性、距离和结构连通性(图3Ci)。结果表明，与没有纳入微观结构的模型相比，多模态特征提供了更好的功能连接预测(图3Cii)。同样，根据微观结构缩放区域电路参数可以提高生物物理模型性能(图3Ciii)。
图3.微架构研究了多需求网络(MDN)和默认模式网络(DMN)
总 结
通过大规模功能网络微观结构的研究，可以丰富和指导人类认知的解释。本综述强调了微架构的异质性是如何跨尺度地影响大脑功能的：
1）局部亚区域内的细胞结构变化与整个大脑的功能组织相呼应；
2）微架构在预测功能连接时为结构连接提供补充信息；
3) DMN和MDN在微架构和功能的大尺度轴上以不同的方式分布。
参考文献
Paquola C, Amunts K, Evans A, Smallwood J, Bernhardt B. Closing the mechanistic gap: the value of microarchitecture in understanding cognitive networks. Trends Cogn Sci. 2022 Jul 29:S1364-6613(22)00158-9. doi: 10.1016/j.tics.2022.07.001. Epub ahead of print. PMID: 35909021.
编译作者：Ayden（brainnews创作团队）
校审：Simon（brainnews编辑部）
往