《Human Brain Mapping》：Exploring the Role of the Rich Club in Network Control of Neurocognitive States
編輯推薦：
本綜述運用網絡控制理論（NCT），深入探討了大腦高度互連的“富俱樂部”（Rich Club）區域在調控功能狀態中的核心角色。研究挑戰了富俱樂部作為“控制中心”的傳統觀點，發現其在維持和切換腦狀態時的作用遠低于由同等數量的低連接度外圍區域組成的對照組。研究通過分析人腦連接組計劃（HCP）的靜息態與任務態fMRI數據，揭示了視覺初級網絡和額頂網絡腹外側亞區等外圍區域才是控制過程的關鍵。該工作為理解大腦整合與分離功能的動態平衡提供了新視角，并對網絡控制理論的方法學擴展提出了方向。
1 引言
人類大腦通過在不同功能狀態間靈活轉換以適應多變的需求。這些腦狀態由遍布全腦的、由生理與認知過程引起的重復性活動模式所表征，并被認為直接影響行為。然而，神經活動的這種“編排”源自何處？現有證據表明，大腦底層網絡結構約束了腦狀態的動態。大腦的“治理”是一種協作努力，而非傳統的集中式控制中心。其中，富俱樂部組織是一個關鍵特征：它涉及一些高度互連的樞紐區域，這些區域優先相互連接，形成了一個被稱為“富俱樂部”的密集互連子網絡。盡管維持富俱樂部因需要長距離、代謝需求高的神經纖維而代價高昂，但它對全局整合與通訊至關重要。
網絡控制理論（NCT）提供了一個數學框架，用于量化維持腦狀態以及在狀態間轉換所需的能量。最初在工程領域發展起來的NCT，通過大腦特定的結構連接矩陣、腦狀態向量、控制矩陣和控制能量輸入來線性近似大腦動態，并求解狀態轉移所需的最優控制能量。該能量與特定狀態（如2-back工作記憶條件）的認知需求相關。NCT或可用于量化認知努力和評估疾病導致的損傷。本研究利用NCT，通過人類連接組計劃（HCP）提供的七個任務的數據，探究富俱樂部在控制行為約束的腦狀態轉換中的具體角色，并假設富俱樂部在網絡控制中扮演關鍵角色。
2 材料與方法
研究數據來自HCP中100名無親緣關系參與者的子集，涵蓋七個任務：情緒匹配、n-back工作記憶、賭博、語言、運動、關系判斷和社交任務。使用基于任務的fMRI對比數據定義腦狀態，并與擴散加權MRI數據重建的參與者特異性結構連接組相結合。結構連接組使用CATO工具箱處理，基于Lausanne子分區圖譜定義了219個皮層區域，并以分數各向異性（FA）進行加權。此外，還探索了基于流線數量（NOS）加權和未加權的連接組。
腦狀態定義基于每個任務的兩個主要實驗對比，通過計算區域平均激活值得到。為探究富俱樂部的作用，采用Riedel等人描述的程序定義富俱樂部制度，最終確定22個區域構成組水平的富俱樂部。
控制能量和穩定性分析在線性框架下進行。通過操作控制矩陣來探究三種情況：1）全局控制（所有區域均可施加控制）；2）排除富俱樂部區域或大小匹配的隨機參考集區域后的控制；3）排除單個腦區域以探究其個體貢獻。計算了維持狀態（穩定性）和在狀態間轉換所需的最優控制能量。所有分析在最優控制框架下進行，重點關注特定預定義腦狀態之間的控制過程。
3 結果
3.1 全局與區域控制能量及穩定性
除語言任務外，每個任務內的兩個腦狀態在穩定性上均存在顯著差異。從更穩定狀態向較不穩定狀態的轉換，比反向轉換需要顯著更多的控制能量。在探究各腦區域貢獻時發現，對任務通用腦狀態維持有貢獻的區域，也促進了任務通用的狀態轉換。存在一個子集的節點在所有任務中持續不參與對腦狀態的控制。
3.2 富俱樂部區域的區域控制能量與穩定性
確定的22個組水平富俱樂部區域，在任務通用控制度量上的排名處于中到高位。富俱樂部區域對穩定性和控制能量的貢獻顯著低于偶然預期，表明其貢獻確實少于外圍區域。節點度與區域排名呈正相關，證實高連接度區域對狀態維持和轉換的貢獻都較少。在參與者個體水平上分析，絕大多數參與者的富俱樂部區域貢獻顯著低于偶然預期。
3.3 作為網絡的富俱樂部的控制能量與穩定性
將富俱樂部所有區域排除在可能控制區域之外的分析進一步證實了上述發現。與排除一組隨機區域相比，排除富俱樂部導致穩定腦狀態和狀態間轉換所需的控制能量顯著更低。這表明，與任何其他腦區域組相比，富俱樂部對穩定腦狀態和受控狀態轉換的貢獻更少。
3.4 不同連接組加權方案與參數設置的重復驗證
研究系統性地改變了NCT中的時間范圍參數T，主要發現在除關系任務中少數狀態轉換外的所有情況下保持一致。當使用NOS加權的連接組時，結果依然顯著；但使用未加權的二值矩陣時，結果的一致性有所下降。
3.5 基于參與者水平富俱樂部和參考集定義的重復驗證
即使考慮富俱樂部成員定義的個體間差異，并使用參與者特異性定義重復分析，相對于隨機參考集的所有差異仍然顯著。即使對零模型施加額外約束（如匹配連接性輪廓或連接總和），差異在絕大多數情況下仍然顯著。
3.6 任務間轉換的重復驗證
對于任務之間的狀態轉換，研究再次發現，從控制集中移除富俱樂部對腦狀態穩定性和轉換的影響，顯著小于移除大小匹配的隨機區域組。這種影響的效應大小和顯著性因目標狀態而異。
3.7 區域控制角色與其他節點中心度量的關系
除了節點度，研究還發現，一個區域的參與系數越高，其對狀態維持和轉換的貢獻也越少。節點通信能力與對控制能量的貢獻呈負相關。研究進一步探究了區域控制貢獻與內在連接網絡的關系，發現初級視覺網絡（Y1）和額頂網絡腹外側亞區（Y12）對腦狀態穩定性和轉換的貢獻顯著高于偶然預期。相反，體感運動網絡的背側亞區（Y3）、額頂網絡后側亞區（Y11）對控制能量貢獻較少；額頂網絡背外側亞區（Y13）僅對狀態維持貢獻較少。
此外，一個區域在視覺-感覺運動皮層梯度上的位置與其區域控制貢獻呈顯著負相關，而在感覺-跨模態梯度上的位置則無顯著關聯。這意味著“更視覺”的區域更多地參與控制任務。未發現區域控制貢獻與其結構-功能耦合程度之間存在顯著關聯。
4 討論
研究發現，富俱樂部區域以及一般的高連接度區域，對控制指標的持續影響低于外圍區域。這一發現對高連接度區域（如富俱樂部）構成整合核心并對其功能控制至關重要的傳統觀點提出了挑戰。參與系數高的區域也未成為頂級控制節點。相反，一個區域在控制腦狀態轉換方面的效力，可能更依賴于其所屬的特定內在連接網絡亞區或其在大腦皮層功能連接特定梯度上的位置。具體來說，初級視覺網絡（Y1）和額頂網絡腹外側亞區（Y12）內的區域表現出特別高的任務通用控制影響力。在視覺-感覺運動梯度上處于較高位置（即“更視覺”的區域）也與高任務通用控制參與度顯著相關。
研究在方法學上使用基于統計參數圖（beta權重）的腦狀態定義，增強了生態效度，但也存在一定局限。同時，線性框架提供了對受控轉換的全局視角，但未體現非線性動力學。未來研究需要非線性、時間分辨的NCT方法擴展，并納入更大的腦狀態集和皮層下結構進行探究。
5 結論
本研究探究了大腦富俱樂部在維持認知相關腦狀態以及協調狀態間轉換中的控制理論角色。利用HCP七個典型任務的任務態fMRI數據，研究表明富俱樂部并不能最優地控制狀態的穩定性或狀態間的轉換。結果反而表明，外圍區域，特別是那些隸屬于中央視覺和腹外側額頂靜息態網絡，以及位于視覺-感覺運動皮層梯度較高位置的區域，對控制指標的影響顯著高于富俱樂部。這些發現并未否定富俱樂部的重要性或其整合作用，但符合將其描述為大腦的被動“數據高速公路”而非控制中心的觀點。富俱樂部區域可能并不主動驅動網絡控制，但其反復觀察到的整合重要性仍然可以源于其高強度和高度連接所形成的強大網絡基礎設施。
