肥胖是一種以脂肪過度積累為特征的慢性疾病，會損害健康，是全球主要的公共衛生問題[1]。在中國，超過50%的成年人超重或肥胖，其定義標準是體重指數（BMI）超過24（超重）或超過28（肥胖）[2]、[3]、[4]。除了已知的與代謝和心血管疾病的相關性外，越來越多的證據表明肥胖對中樞神經系統（CNS）有深遠影響。與肥胖相關的系統性炎癥可引發神經炎癥，導致大腦結構和功能的改變，臨床上表現為認知缺陷，尤其是在執行功能、注意力和記憶方面[5]、[6]、[7]、[8]。

神經影像學研究已經開始揭示這些缺陷的神經基礎。靜息狀態功能性磁共振成像（re-fMRI）一致顯示，肥胖個體的大規模腦網絡存在紊亂，尤其是顯著性網絡（SN）、中央執行網絡（CEN）和默認模式網絡（DMN）[9]、[10]、[11]、[12]。然而，fMRI信號的血流動力學特性限制了其時間分辨率，無法清晰顯示神經網絡參與的快速（亞秒級）動態變化。

腦電圖（EEG）微狀態分析提供了一種克服這一限制的強大工具。微狀態持續時間較短（約60-120毫秒），是大規模靜息狀態網絡（RSNs）的電生理對應物[13,14]。盡管最近的方法學進展探索了使用更多類別（例如5到7類）的解決方案，但本研究采用了傳統的四類分類（A-D）。這一決定基于四類模型能夠解釋我們數據集中大約75%的總體變異，并確保與基礎臨床微狀態文獻的直接可比性。通常分為四類（A-D），每種類型對應不同的腦功能：微狀態A反映聽覺網絡，微狀態B反映視覺網絡，微狀態C反映顯著性網絡，微狀態D反映前額-頂葉執行控制網絡[15]。值得注意的是，雖然一些最新的高階聚類研究將微狀態C與默認模式網絡聯系起來，但在本文采用的經典四類框架中，微狀態C被廣泛認為是顯著性網絡（扣帶回-眼眶系統）的電生理對應物。這種特定的映射對于研究肥胖中顯著性處理與執行控制之間的不平衡至關重要。通過分析平均持續時間（MD）、出現頻率（OCC）和覆蓋范圍（COV）等時間參數，微狀態分析可以以毫秒級精度描述這些網絡的動態[16]、[17]、[18]。

雖然已知肥胖會影響SN和CEN的功能完整性，但其對EEG微狀態所捕捉到的電生理動態的影響尚未得到充分研究。因此，本研究旨在首次直接比較超重/肥胖人群與正常體重人群的靜息狀態EEG微狀態。我們假設兩組將表現出不同的微狀態特征，微狀態C和微狀態D的參數會存在特定變化，反映出顯著性處理和執行控制的失調。

圖1展示了實驗組和對照組的四種典型微狀態圖譜（A、B、C、D）。這些圖譜與先前的研究結果高度一致[14]、[26]，表現出特征性的電位分布：右前額至左后部（A）、左前額至右后部（B）、前額-枕部（C）和前額-中央（D）。組間高度相似性通過所有圖譜之間的顯著皮爾遜空間相關系數得到定量支持

本研究首次提供了超重和肥胖個體靜息狀態腦網絡動態變化的證據，這是通過高時間分辨率的EEG微狀態分析得出的。核心發現表明，肥胖的神經生理特征表現為顯著性網絡的過度激活和執行控制網絡的抑制。

具體來說，超重/肥胖組的微狀態C的平均持續時間和覆蓋范圍顯著增加

總之，本研究表明超重和肥胖與靜息狀態EEG微狀態動態的顯著變化有關。觀察到的模式——顯著性網絡（微狀態C）的過度活躍和執行控制網絡（微狀態D）及視覺網絡（微狀態B）的抑制——表明大規模腦網絡的動態平衡失調。這一電生理特征為理解肥胖的機制提供了新的視角

米玉松：撰寫初稿、可視化、驗證、軟件使用、資源管理、方法論設計、數據分析、概念構建。郭家琪：資源管理、項目協調、數據管理、概念構建。劉勇：項目協調、資金爭取、數據管理、概念構建。趙佳：撰寫審查與編輯、監督工作、軟件使用、資源管理、方法論設計、資金爭取、數據管理

作者聲明沒有利益沖突。

本研究得到了國家自然科學基金（編號：32300916；32200849）的支持。