HBM | 冯刚毅/王穗苹团队合作报道 基于大脑功能连接的个体语义能力预测建模

撰文︱孟丹婷，冯刚毅

责编︱王思珍，陆一

编辑︱查佳雪 

语义加工（semantic processing）是人类表征和操纵语义和概念信息的关键认知能力。尽管语义加工是人类普遍的认知能力，但不同人之间存在着广泛且巨大的差异。这种个体差异，表现在需要语义加工参与的各种任务中，包括客体识别、概念分类、词汇决策、语言理解和产生等。

虽然在组水平上已经对语义加工的神经基础有许多了解，但研究者对语义加工能力的个体差异的神经来源仍然知之甚少。从神经基础上来看，个体差异的根源可能来自许多方面，其中脑功能网络连接模式的差异很可能是一个重要来源。目前尚不清楚大脑网络连接的个体差异是否与语义加工的个体行为表现密切相关；如果是，这种关系在不同人群和不同任务情景中的普适性也值得探究。

2022年5月25日，香港中文大学冯刚毅课题组与华南师范大学王穗苹课题组合作在Human Brain Mapping上发表了题为“Generalizable predictive modeling of semantic processing ability from functional brain connectivity”的研究论文。通过采用严格的预测建模方法和大样本量数据集——人类连接组项目（Human Connectome Project），该研究利用脑功能连接模式来预测个体的语义加工能力，并检验这种预测关系的跨人群和跨数据集间的普适性。孟丹婷为论文的第一作者，冯刚毅和王穗苹教授为论文的共同通讯作者。在此研究中，作者发现，特定大脑功能连接模式能够显著预测个体在多个测试中得到的合成语义加工表现，磁共振扫描时的任务状态能够显著影响这种预测关系，其中语言任务能够显著提高模型的预测准确度和预测关系的跨人群普适性。女性样本的语义预测模型表现优于男性。另外，即便测试的人群和任务完全不同，从人类连接组数据集构建的预测模型也可一定程度应用到其他两个独立数据集上，说明这种神经-语义行为间的预测关系具备一定普适性。经典语言区（perisylvian language regions）与其他脑区间的网络连接模式显示出对预测模型的构建和泛化有显著贡献，说明这种特定的脑功能连接模式可能是人类一般性语义加工能力个体差异的重要来源。

以往研究通过较小样本和相关性的研究方法发现，大脑功能连接的个体差异与语义加工行为的个体差异存在关联。其中，作为网络枢纽的颞中回与其他脑区间的功能连接强度解释了部分语义加工行为的个体差异。然而，小样本量和传统相关性分析方法可能会高估神经与行为间的相关程度，并可能限制研究结果的可重复性和泛化性（generalizability ，即把来自一个群体的发现推广到其他群体，结果仍然可靠的程度）。小样本数据集通常具有较低的统计效力，导致效应量被高估以及较差的可重复性。此外，被高估的相关关系往往不能确保从特定样本得到的结果泛化到样本外的其他对象上，结论的普适性也会被质疑 [1]。

为了克服上述限制，本研究作者采用了预测建模方法[2-6]来识别语义加工个体差异背后的功能连接模式，并构建预测模型。同时，设计多重模型泛化性的检验程序，包括样本内交叉验证（cross validation）、样本内泛化（in-sample generalization）和样本外独立数据集泛化（out-of-sample generalization）程序来检验语义加工预测模型（图1）。

图1 预测建模和泛化评估程序概要。

（图源：Meng, et al., Hum Brain Mapp, 2022）

研究者发现，传统语言网络（Perisylvian Language Network，PSN）内以及 PSN与其他脑区间增强的功能连接模式预示着个体较强的语义加工能力，而额顶叶网络节点、顶叶下小叶和其他脑区间功能连接的增加预示着较差的个体语义加工能力（图2C）。此外，模型的预测准确性和跨样本普适性还受到扫描时所执行任务状态的影响。相比于静息状态和其他任务, 执行语言任务时模型的预测表现更好（图2B和图3A）。而且，人口学因素（即性别和年龄）也能影响模型的预测和泛化程度。在语言任务下，模型预测女性样本比预测男性样本准确性更高（图3B），但群体年龄并没有显示出类似的调节效应（图3C）。

图2  交叉验证的模型预测性能和有显着贡献的网络连接。

（图源：Meng, et al., Hum Brain Mapp, 2022）

图3 正向预测模型的样本内泛化性能受任务和性别的影响

（图源：Meng, et al., Hum Brain Mapp, 2022）

当把预测模型应用到两个完全独立的数据集时，即样本外泛化（out-of-sample generalization），研究者发现模型具备一定的预测能力。与人类连接组项目（Human Connectome Project，简称HCP）数据集相比，尽管两个独立数据集中被试执行完全不同的语义测试、实验材料、数据采集的流程、参数、实验方案等也有所不同，但使用 HCP 样本构建的语义加工预测模型仍然可以在一定程度上推广到这两个不同的独立数据集（图4），说明所构建的语义预测模型具备泛化能力，可以解释人类一般性的语义能力个体差异。

图4 两个独立数据集的模型泛化性能

（图源：Meng, et al., Hum Brain Mapp, 2022）

文章结论与讨论，启发与展望

综上所述，本研究使用基于功能连接的预测建模和大样本数据集来考察语义加工能力个体差异的神经来源。传统语言区与其他脑区间的功能连接在解释语义加工行为的个体差异上起到关键作用。这种神经-行为间的关系能够泛化到不同样本群体上。但值得注意的是，这里发现的模型的预测能力可能不仅仅反映了语义加工的个体差异。它们还可能反映语义与其他语言和认知成分之间的相互作用，例如语义-语音和语义-工作记忆的相互作用。未来的研究可以通过设计仅包括语音任务的神经影像学研究来测试这种可能性。总的来说，这些发现不仅为我们理解语义加工中个体差异背后的神经网络组织提供了重要的见解，而且还提供了任务和人口学因素调节语义加工个体差异的神经关联的证据。这有助于我们识别语义加工个体差异的神经标记物，也为个性化教育并提高语义加工表现和对语言障碍患者进行干预奠定基础。

原文链接: https://onlinelibrary.wiley.com/doi/10.1002/hbm.25953

基金支持：本研究受到多个研究计划的支持，包括香港地区大学教育资助委员会（UCG）研究资助局（RGC）优配基金计划（GRF）（项目号：14614221, 14619518）、香港中文大学直接研究基金（项目号：4051137）以及中国国家自然科学基金面上项目（项目号：32171051）

冯刚毅（左），王穗苹（右）

（照片提供自：冯刚毅/王穗苹团队）

作者简介（上下滑动阅读）  

冯刚毅，香港中文大学研究助理教授。目前利用多种认知神经技术和神经解码数据分析方法来揭示语言学习、言语信息加工与表征的认知和神经机制，并利用这些机制优化言语障碍康复的干预方法和进行个性化的语言学习训练。研究成果在国际有影响力的学术期刊上发表，如PNAS、Journal of Neuroscience、Cerebral Cortex、NeuroImage、Human Brain Mapping等，并受到大众媒体的关注。主持或共同主持多项地区性研究项目，包括香港研究资助局优配基金（GRF）和重点合作基金（CRF）；并参与多项香港和国际合作研究项目。详情见：https://www.researchgate.net/profile/Gangyi-Feng 

王穗苹，华南师范大学博士生导师。教育部“长江学者”特聘教授。曾在美国麻省理工学院麦戈文脑与认知研究所担任访问科学家，现任广东省孤独症康复教育协会副会长。长期致力于人类语言加工的研究，采用多模态技术探讨语言与交流的认知及大脑神经机制、语言障碍矫治与康复等问题。详情见https://psy.scnu.edu.cn/a/20210831/18.html 

人才招聘
【1】人才招聘︱“ 逻辑神经科学 ”诚聘文章解读/撰写岗位 ( 网络兼职, 在线办公)【2】“ 逻辑神经科学 ”诚聘副主编/编辑/运营岗位（在线办公）

往期文章精选【1】J Neuroinflammation︱张进强课题组揭示中药成分川续断皂苷VI调控小胶质细胞表型缓解抑郁症的机制【2】Alzheimers Res Ther︱方坚松等开发人工智能框架助力AD新靶标发现及药物重定位研究【3】J Neurosci︱肖中举课题组揭示TeA通过频率依赖可塑性来识别不同声音，并发现了可塑性产生的来源【4】Front Mol Neurosci︱叶小菁/林伟杰团队揭示神经性疼痛引发抑郁共病的关键脑区性别特异性转录表征【5】Cell︱大麻素受体1拮抗剂金雀异黄素减轻大麻诱导的血管炎症【6】Trends Mol Med 综述︱张兵团队聚焦外周神经在皮肤再生与疾病发生过程中的重要作用【7】Cereb Cortex︱首发未用药精神分裂症患者灰质体积改变的遗传机制【8】Nat Immunol︱星型胶质细胞IL-2基因递送改善损伤后神经炎症病理【9】Mol Neurobiol︱俞琼课题组使用生物信息学策略鉴定首发精神分裂症患者外周血miRNA生物标志物【10】Nat Commun︱杜洋团队在揭示人体孤儿受体GPR88激活和别构调节机制

优质科研培训课程推荐【1】单细胞测序与空间转录组学数据分析研讨会（6月11-12日 腾讯在线会议）

扩展阅读与参考文献（上下滑动阅读）  

[1] Whelan, R., & Garavan, H. (2014). When optimism hurts: inflated predictions in psychiatric neuroimaging. Biological Psychiatry, 75, 746-748

[2] Feng, G., Ingvalson, E.M., Grieco-Calub, T.M., Roberts, M.Y., Ryan, M.E., Birmingham, P., Burrowes, D., Young, N.M., Wong, P.C.M., 2018. Neural preservation underlies speech improvement from auditory deprivation in young cochlear implant recipients. Proceedings of the National Academy of Sciences of the United States of America 115, E1022-E1031.

[3] Feng, G., Li, Y., Hsu, S.-M., Wong, P.C.M., Chou, T.-L., Chandrasekaran, B., 2021. Emerging Native-Similar Neural Representations Underlie Non-Native Speech Category Learning Success. Neurobiology of Language 2, 280-307.

[4] Feng, G., Ou, J., Gan, Z., Jia, X., Meng, D., Wang, S., Wong, P.C.M., 2021. Neural Fingerprints Underlying Individual Language Learning Profiles. Journal of Neuroscience 41, 7372-7387.

[5] Gabrieli, J.D., Ghosh, S.S., Whitfield-Gabrieli, S., 2015. Prediction as a humanitarian and pragmatic contribution from human cognitive neuroscience. Neuron 85, 11-26.

[6] Finn, E.S., Shen, X., Scheinost, D., Rosenberg, M.D., Huang, J., Chun, M.M., Papademetris, X., Constable, R.T., 2015. Functional connectome fingerprinting: identifying individuals using patterns of brain connectivity. Nature Neuroscience 18, 1664-1671.

[7] Binder, J. R., & Desai, R. H. (2011). The neurobiology of semantic memory. Trends Cogn Sci, 15, 527-536

本文完