龚高浪研究组提出Activation Network Mapping的激活脑网络新方法

近日，北京师范大学认知神经科学与学习国家重点实验室龚高浪研究组在Nature子刊Nature Human Behaviour在线发表了题为“Activation network mapping for integration of heterogeneous fMRI findings”的研究论文。该论文提出了一种定位人脑认知加工网络的新方法：Activation Network Mapping（ANM），并基于该方法从脑网络的角度为理解任务态fMRI激活脑区的“可重复性危机”提供了新视角。

作为探索人脑认知功能神经机制的最重要手段之一，任务态功能磁共振影像（task-fMRI）研究饱受“可重复性危机”的困扰，主要表现为：针对同一认知加工任务，不同研究之间发现的激活脑区会存在不一致。值得注意的是，该领域以往针对“可重复性”的定义主要是考虑被激活脑区是否相同，并未考虑脑区之间的连接和网络。近年来，越来越多的研究表明，基于连接和网络的大脑功能定位模型比基于独立的脑区激活模型更为合理。因此，以往task-fMRI研究中观察到的离散激活脑区的低可重复性，从连接和网络的角度来看，可能是具备高可重复性的，即以往研究间不一致的激活脑区实际上处于同一个认知加工脑网络当中。

为了验证上述假设，本研究以面孔情绪加工为研究对象，系统分析了以往相关task-fMRI研究的功能激活结果。特别是，本文提出了一种基于大样本正常人静息态功能连接组的Activation Network Mapping（ANM）新方法，用于精准定位人脑面孔情绪加工的功能网络（图一）。该方法以激活极值点坐标或者个体激活脑区为种子点，构建其功能连接图谱集，随后通过融合分析来定位全脑功能网络，可被广泛应用于其他认知加工任务的脑功能网络定位。

图一、Activation Network Mapping（ANM）方法示意图

研究结果表明，在五种基本面孔情绪加工（恐惧、愤怒、悲伤、厌恶、高兴）的内部，不同研究之间不一致的激活脑区处于共同的脑网络中，且这些基本情绪间的脑网络相似性很高，支持了情绪的“心理建构理论”（见正文）。在此基础上，本研究进一步利用ANM，定位了不区分基本情绪类别的一般面孔情绪加工脑网络（图二）。

图二、一般面孔情绪加工的ALE元分析和ANM网络分析结果

通过与已往报道的干扰面孔情绪加工的经颅磁刺激（TMS）位点进行比较，发现大部分（85%）有效刺激位点与该网络重叠，且基于这些刺激位点构建的脑网络与基于ANM定位的脑网络高度相似，有力地验证了基于ANM定位的脑网络的有效性（图三）。进一步的验证性分析表明，基于ANM定位的脑网络与面孔情绪加工有关的脑形态学（VBM）及脑损伤（lesion）的研究结果也具有一致性（见正文）。

图三、基于ANM定位的面孔情绪加工脑网络和面孔情绪加工相关的TMS研究结果高度吻合

为了测试ANM方法的可推广性，本研究进一步利用ANM方法定位了“自省”（rumination）相关的心理加工网络。自省是一种指向自我的心理加工，大脑中的默认网络（DMN）被普遍认为是负责该心理加工过程的功能系统。分析结果表明：尽管不同“自省”加工task-fMRI研究之间的激活脑区位置的可重复性很低，但这些异质的激活脑区大多处于基于ANM定位的同一个脑功能网络之中，且该网络与经典的默认网络高度一致（图四）。

图四、自省（rumination）加工的ALE元分析和ANM网络分析结果

综上，本研究建立了基于ANM的脑网络定位方法。该方法既是一种全新的基于激活的认知加工脑网络定位技术，也可被当作是一种基于脑网络的元分析技术，具有广阔的应用前景。本研究中的人脸情绪加工和自省加工的ANM网络分析结果，挑战了以往task-fMRI激活脑区的“可重复性危机”，支持了脑网络角度下激活脑区的高可重复性（即位置不一致的激活脑区实际处于同一个脑网络），这为理解task-fMRI领域的脑区激活结果提供了重要的新角度。

本论文的第一作者为彭少灵（博士生），通讯作者为龚高浪教授，合作作者包括徐鹏飞教授、江亚亚（博士生）。该研究得到了国家自然科学基金委、北京师范大学等单位的经费支持。

发表论文信息：

Peng, S., Xu, P., Jiang, Y., Gong, G.* (2022). Activation network mapping for integration of heterogeneous fMRI findings. Nature Human Behaviour, in press. https://doi.org/10.1038/s41562-022-01371-1

前期相关论文：

Xu, P.# *, Peng, S.#, Luo, Y.J., Gong, G.* (2021). Facial expression recognition: A meta-analytic review of theoretical models and neuroimaging evidence. Neuroscience & Biobehavioral Reviews, 127, 820-836. https://doi.org/10.1016/j.neubiorev.2021.05.023