人类默认模式网络的架构探索

2025-02-18 Tue
人类默认模式网络的架构探索：基于细胞结构、神经连接与信号流的研究学术背景默认模式网络（Default Mode Network, DMN）是大脑中一组在静息状态下高度活跃的脑区，主要分布在额叶、颞叶和顶叶。DMN在人类复杂思维和行为中扮演着重要角色，尤其是在自我参照思维、记忆提取和未来规划等内部导向的认知任务中。然而，尽管DMN的功能重要性已被广泛认可，其内部结构和信息处理的机制仍然不甚明确。过去的研究主要集中在DMN的功能连接上，但对其细胞结构和神经连接的具体特征仍缺乏深入理解。为了更好地解释DMN在信息处理和大脑皮层通信中的作用，研究人员决定结合死后组织学（histology）和活体神经影像学（neuroimaging）技术，探索DMN的解剖结构。
论文来源这篇题为《The architecture of the human default mode network explored through cytoarchitecture, wiring and signal flow》的研究论文由Casey Paquola、Margaret Garber、Stefan Frässle等多名学者共同完成，研究团队来自加拿大麦吉尔大学蒙特利尔神经学研究所（Montreal Neurological Institute, McGill University）、德国于利希研究中心（Forschungszentrum Jülich）等多个国际知名研究机构。论文于2024年12月6日在线发表在《Nature Neuroscience》期刊上。
研究流程与细节1. 细胞结构异质性分析研究首先通过死后组织学数据，分析了DMN的细胞结构异质性。研究人员使用了BigBrain数据库中的超高分辨率3D重建人脑切片数据，这些切片来自一位65岁的男性，经过银染处理以显示细胞体。通过对DMN区域的细胞结构进行分类，研究人员发现DMN包含多种细胞类型，从专注于单一感觉模态处理的区域到涉及多模态和记忆处理的区域。具体而言，DMN中包含了五种细胞类型，其中eulaminate-i型（异模态皮层）在DMN中的比例显著高于其他功能网络。
2. 结构连接性分析接下来，研究团队结合扩散加权成像（diffusion MRI）技术，分析了DMN的结构连接性。他们使用了导航效率（navigation efficiency, ENAV）模型，评估了DMN与其他脑区之间的通信效率。结果显示，DMN中某些区域（如前扣带回和楔前叶）与其他脑区的通信效率较高，尤其是与感知相关的皮层区域。这表明DMN中存在一个接收外部输入的核心区域，而其他区域则相对绝缘于外部环境输入。
3. 功能信号流分析为了进一步理解DMN的功能信号流，研究团队使用了回归动态因果模型（regression dynamic causal modeling, RDCM）分析了静息态功能磁共振成像（fMRI）数据。他们发现，DMN的信号输出在感知层次的不同层级之间保持了独特的平衡。与其他功能网络不同，DMN的输出信号强度在不同类型的皮层区域之间分布较为均匀，表明DMN能够以相对一致的方式影响所有层级的感知处理。
4. 个体水平验证为了验证研究结果的普遍性，研究团队还在8名健康个体中进行了高分辨率定量T1弛豫成像（quantitative T1 relaxometry MRI）实验。结果显示，个体水平的微结构轴与死后组织学数据中的细胞结构轴具有较高的相似性，进一步支持了DMN中存在一个接收外部输入的“接收区”和一个相对绝缘的“核心区”的结论。
研究结果DMN的细胞结构异质性：DMN包含多种细胞类型，其中eulaminate-i型（异模态皮层）显著过表达，表明DMN在整合多模态信息方面具有独特的作用。
DMN的结构连接性：DMN中某些区域与其他脑区的通信效率较高，尤其是与感知相关的皮层区域，而其他区域则相对绝缘于外部输入。
DMN的功能信号流：DMN的信号输出在感知层次的不同层级之间保持了独特的平衡，表明DMN能够以相对一致的方式影响所有层级的感知处理。
个体水平验证：个体水平的微结构轴与组织学数据中的细胞结构轴具有较高的相似性，进一步验证了研究结果的普遍性。
结论与意义这项研究首次系统地揭示了DMN的细胞结构、神经连接和功能信号流之间的复杂关系。通过结合死后组织学和多种活体神经影像技术，研究人员发现DMN具有高度的细胞结构异质性，并且其内部存在一个接收外部输入的“接收区”和一个相对绝缘的“核心区”。此外，DMN在信号输出方面表现出独特的平衡性，能够以相对一致的方式影响所有层级的感知处理。这些发现为理解DMN在人类认知和行为中的广泛作用提供了重要的解剖学基础。
研究亮点多模态技术结合：研究结合了死后组织学和多种活体神经影像技术，提供了对DMN结构的全面理解。
独特的信号输出平衡性：DMN在信号输出方面表现出独特的平衡性，这一发现为理解其在感知层次中的作用提供了新的视角。
个体水平验证：研究通过高分辨率定量T1弛豫成像在个体水平上验证了结果的普遍性，增强了研究的可靠性。
其他有价值的信息研究还指出，DMN的复杂细胞结构和连接性可能解释了其在多种认知状态中的广泛参与。例如，DMN中的某些区域可能在不同的任务中发挥不同的作用，而整个网络则能够通过平衡的信号输出协调不同脑区的活动。这一发现为未来的研究提供了新的方向，特别是关于DMN在认知任务中的动态重构和其在神经疾病中的潜在作用。