Nature子刊 | 缰核-脑岛环路编码行动意愿

按：很高兴本号迎来了第一篇文献解读投稿，这篇推送的作者是来自深圳大学的博士生struggling Rong。本文介绍了一篇Rushworth教授（刚刚接任牛津大学实验心理学系主任!）团队近期发表在Nature Communications上的论文，揭示了缰核和前脑岛在行动意愿中的作用。

在自愿执行一个行动前，我们往往会根据这一行动能带来的潜在利益、需要付出的努力成本以及当时的情境，来决定该采取哪些行动，或者哪些行动值得优先执行。比如，当一个人在权衡接下来是继续看Netflix还是申请工作时，如果这份工作特别好，或者目前没有其他的工作机会，或者不需要太费力便可以完成，那么他很可能会开始申请工作。

继续看Netflix还是找工作？（来自网络）

虽然关于what to do 和 which action to select这些决策的神经机制已经得到了广泛的研究，但决策是否行动、何时开始行动的过程却很少被关注。了解这类决策的神经机制，有助于理解神经环路的功能障碍所引起的非适应性行为，如当情境改变时有些个体无法调整他们的行动意愿（willingness to act）。

以往很多研究强调了额叶皮层在动机行为中的作用，包括腹内侧前额叶（ventromedial prefrontal cortex, vmPFC），前脑岛（anterior insula, AI），背侧前扣带回（dorsalanterior cingulate cortex, dACC）和膝下前扣带回（subgenual anterior cingulate cortex, sgACC）。也有研究关注了能提高动机的皮层下结构，比如，伏隔核（nucleus accumbens, NAc），背外侧被盖区（laterodorsal tegmentum, LDT），腹侧苍白球（ventral pallidum, VP），腹侧被盖区（ventraltegmental area, VTA），缰核（habenula, HB）和脚桥核（pedunculopontine nucleus, PPN）。然而，考虑到需要付出的努力成本、当前机会的收益和当前的情境，这些皮层-皮层下结构如何交流，从而决策是否发起自愿行动还不清楚。

为此，本研究操纵了奖赏大小（reward magnitude）、奖赏概率（reward probability）和block价值（value）以改变环境，用7T的fMRI考察了个体所处的环境如何通过神经环路影响主动发起行动的意愿。

作者设计的实验范式如图1所示，被试躺在扫描仪内看电影的过程中，会看到一系列是否要发起行动的提议（offer）。如果被试接受这项提议（action），那么电影先暂停，被试需要通过握测力计来执行effort任务，成功地完成effort任务（达到黄色目标线）会得到相应的奖赏（基于该提议的奖赏大小和概率）、且电影立即继续播放。如果被试拒绝了这项提议（no-action），那么被试继续看电影、且不会得到奖赏。

图1（a）实验任务。（b）颜色和点分别代表奖赏的大小和概率。奖赏大小和奖赏概率的比例决定了环境的平均价值，并且每一个block改变一次，其中rich block包含更多高概率-高奖赏的offer，poor block包含更多低概率-低奖赏的offer。每个block开始时会告知被试，该block是rich还是poor。为了确保被试能完成effort任务但又要付出一定身体努力，effort水平的设置为测力计最大随意收缩力的50%。

行为结果以决策阶段被试选择接受offer（act）的比例为因变量，结果发现，被试接受了45.81 ± 2.79%的offer（图1c）。广义线性混合模型（GLMM）的结果发现，当提议的奖赏金额更大（图1d）、奖赏概率更大（图1e）、处于poor block（图1f）时，被试选择act的比例更高。

图1（c）act接受率的分布。不同（d）奖赏大小、（e）奖赏概率、（f）block类型下的选择act的比例。

该课题组在先前的研究中发现，皮层下的网络包括背侧纹状体（dorsal striatum, DS；包括尾状核和壳核）、中脑多巴胺系统（midbrain dopaminergic, MidD；包括黑质[substantia nigra, SN] 和VTA）、脚桥核（PPN）、缰核（HB）和基底前脑（basal forebrain, BF）预测了自发行动的时间（when to act）。因此，选这些脑区作为ROI进行后续分析。

由于作者在文章中频繁使用了ROI时程分析（ROI time-course analyses），简单介绍下作者的数据分析套路。（1）先画出所有被试在某个ROI上一段时间内的平均beta值图。（2）用留一法（Leave-one-out analysis）检验一段时间内的组peak值是否显著：①例如本研究最后用于核磁分析的被试有22名，那么对于Subject 01，先根据其他21名被试的平均beta值确定group peak及peak time；②根据该peak time提取出Subject 01的个体beta值；③对每个被试重复该步骤，最终确定22个group peak；④对group peak和个体peak做双侧t检验，显著则说明该ROI在该条件下激活显著。（作者注：脑影像数据处理新手一枚，不知道这种分析方法是否主流/经典，还是纯粹在挖数据？如有老师或同学了解一二，欢迎留言。）

首先，验证这些脑区是否编码act/no-act的决策。以act/ no-act决策条件下DS、NAc、MidD、PPN、HB和BF（结构ROI）的beta值做ROI时程分析（图2a）发现，皮下层结构DS、MidD、PPN、HB和BF编码了act/ no-act决策（图2b）。

图2  编码act/ no-act决策的皮层下结构。时间零点代表呈现offer的onset。

进一步，验证上述结构是否编码行动意愿（willingness-to-act）。先纳入奖赏大小、奖赏概率和block类型这三种情境因素，用GLMM和logistic函数来估计每个被试在每个trial上的willingness-to-act。提取上述六个脑区（结构ROI）的beta值做ROI时程分析（图3a）发现，只有HB编码了willingness-to-act（图3b）。这说明，无论个体最终是否做了act的决策，HB会根据当前的机会和环境来trial-by-trial地追踪willingness-to-act的变化。

图3  缰核（HB）编码行动意愿（willingness-to-act）。时间零点代表呈现offer的onset

除了上述先验的皮层下结构，是否还存在其他脑区也参与willingness-to-act呢？全脑分析的结果发现，辅助运动皮层（SMA）和前脑岛（anterior insula）的活动反映了willingness-to-act的变化（图4a）。为了更清晰地阐明这两个脑区与willingness-to-act和act/ no-act决策之间的关系，作者提取了这两个脑区在这两个条件下的beta值（功能激活ROI）做ROI时程分析（图4b-c），以留一法得到的group peak做重复测量方差分析发现， 前脑岛的活动与willingness-to-act更相关，SMA与act/no-act决策更相关。

图4 Act/ no-act决策和willingness-to-act在辅助运动皮层（SMA）和前脑岛（anteriorinsula）中的编码不同。（b）的时间零点代表呈现offer的onset，（c）的零点代表做出决策反应的onset

前面的分析发现，缰核和前脑岛都编码willingness-to-act。然而，这可能是因为这些脑区在追踪当前环境中的每个单独的因素，比如奖赏大小、奖赏概率、block类型及先前经验等；也可能是因为这些脑区只编码综合的影响。为了验证这些假设，作者提取了这两个脑区在奖赏大小、奖赏概率、block类型及预期价值（expectedvalue, EV）条件下的beta值（功能激活ROI）做ROI时程分析（图5a），结果发现，前脑岛的活动与更大的奖赏、概率，poor block，更大的EV相关；而缰核只与奖赏大小相关。这说明，缰核编码的是奖赏环境中一个简单的特征——即刻可获得的奖赏，而前脑岛则是以复杂的方式编码整个奖赏环境。

图5  前脑岛（anterior insula）追踪环境特征。时间零点代表呈现offer的onset

既然前脑岛和缰核最终都编码了willingness-to-act，那么这说明，环境信息很有可能在之后被传递到了缰核。为了验证该假设，生理心理交互作用分析（PPI）发现，willingness-to-act会影响缰核和前脑岛的功能连接，但不会影响缰核和SMA的功能连接。然而，willingness必须转换成真实的action。进一步的PPI分析发现，willingness-to-act和act/ no-act 决策会影响缰核和MidD的功能连接；而且，从willingness到action的转换中缰核和SNc的功能连接起到了显著的作用。因此，作者假设：决策是否要发起一个action，①willingness-to-act先形成于前脑岛-缰核的皮层-皮层下环路；②该willingness被传递到MidD；③最后通过黑质纹状体通路（DS，NAc）影响实际的act/ no-act决策。进一步，作者用结构方程模型检验了该假设（模型1，图6a）与其他备选假设（图6b-d），发现模型1的拟合效果最好。

图6 行动意愿（willingness-to-act）形成于多层网络中。（a）假设驱动的模型比（b-d）备选模型的拟合效果更好。

综上所述，本研究发现，当决定是否发起一个意愿行动时，奖赏和其他环境特征都会影响行动意愿。多层网络模型结果表明，环境信息首先在前脑岛中得到编码，并汇聚在缰核上形成行动意愿，然后通过黑质纹状体通路传输到辅助运动区，最终决策要不要采取行动。

论文原文：

Khalighinejad,N., Garrett, N., Priestley, L., Lockwood, P., & Rushworth, M. F. S. (2021).A habenula-insular circuit encodes the willingness to act. NatureCommunications, 12(1), 6329. https://doi.org/10.1038/s41467-021-26569-1

年度总结

感谢支持！欢迎留言、转发、分享！