控制网络和hubs

执行控制功能与大脑额叶、顶叶、扣带回和脑岛区域交互，这些区域通过分布式大规模网络相互作用。在这里，我们讨论fMRI功能连接如何能够阐明控制的组织。在本文的第一部分，我们从fMRI功能连接、激活和损伤研究中总结出证据，表明大脑中存在多个具有不同功能特性的可分离控制网络。在第二部分中，我们将讨论图论概念如何帮助阐明控制网络与其他大脑区域相互作用以执行目标导向功能的机制，重点关注专门的hubs区域在调节跨网络交互中的作用。再次，我们使用功能连接、损伤和任务激活研究的组合来支持这一说法。我们的结论是，大规模的网络视角为执行控制的神经基础提供了重要的神经生物学约束。本文发表在Psychophysiology杂志。(可添加微信号siyingyxf或18983979082获取原文，另思影提供免费文献下载服务，如需要也可添加此微信号入群，原文也会在群里发布)。

关键词：认知控制执行控制 fMRI 功能连接网络

1 引言

执行控制包括一组过程，允许人类灵活地调整他们的行为，熟练地引导神经处理在多个时间尺度上实现目标。执行控制(以下简称控制)包括对与任务相关的输入的注意增强和对这些输入的适当行为反应的引导加工，以及对与任务无关的干扰物的抑制和对目标不适当的优势反应的抑制。在过去，两种不同的方法为了解大脑如何维持和执行与控制相关的处理提供了有用的见解：一种是建立在理解单个大脑区域内的专门处理，特别是在前额叶皮层，而另一种是专注于分布在不同的大脑区域的处理，这些区域被组织成大规模的网络(也称为系统)。最近，后一种方法已经演变为采用一种复杂的系统观点，这种观点在探索与控制相关的区域之间的相互作用方面特别富有成效。因此，在目前的综述中，我们提出的最新证据表明，不同的控制过程不仅定位于不同的大脑区域，而且定位于功能分离的大脑网络。此外，我们强调专门的中枢区（hub）域对执行控制流程的贡献，通过它们在控制网络和其他涉及基本处理的网络之间的交互中扮演的角色，这些网络对完成复杂任务至关重要。

具体来说，在本文的第一部分，我们将展示来自fMRI功能连接、大脑损伤和fMRI任务激活的研究证据，这些研究证明(至少)存在两个不同的控制网络，它们在控制中扮演着分离的角色。这些发现表明，每个网络内的区域执行相关的加工，不同于其他网络中的区域。在第二部分中，我们利用复杂系统科学中的新概念来研究控制网络如何相互作用，以及相关处理区域的作用——关注这些交互中专门的枢纽位置的作用。同样，我们将结合功能连接、大脑损伤和任务激活结果来支持我们的发现。通过整合区域功能专门化信息和对大规模网络组织的理解，我们为常见控制功能脑区集合如何在大脑中组织和实现提供了新的见解。

2 多种控制网络的证据:扣带回盖部（cinguloopercular）和额顶叶（FP）网络

大量研究表明，额叶和顶叶皮层区域对执行控制很重要。在需要目标导向加工的任务中，控制网络会积极参与其中，尽管一些研究将这些区域视为一个单一的网络(例如，大脑的多重需求或执行控制网络)，rs-FC研究的证据表明，这些控制区域可分解为(至少)两个相对独立的网络：扣带回盖部(CO)和额顶叶(FP)网络。虽然我们在此不重点讨论它们，但除了CO和FP网络外，突显网络（salience）、背侧和腹侧注意网络（dorsal and ventral attention networks）也可能被认为是这组控制网络的额外成员(参见框1中对网络命名的描述)。

Box1 控制网络术语====================================

在文献中，关于用来指代不同控制网络的命名法存在着很大的混淆，一些组使用不同的术语来指代可能是相同的底层网络(而相同的术语却指代略有不同的网络)。这一问题部分是历史原因(例如，见下文CO与salience)，部分是由于大脑网络的多尺度性质。在我们的工作中，我们最强调的是网络(a)在不同尺度上相当一致(即图密度)，(b)在数据集上一致，以及(c)可以得到一致的证据(例如，激活、病变或电生理学研究)的支持。下面是对CO和FP网络与其他假定控制系统的关系的简要讨论：salience、执行功能和DAN。 Dosenbach和他的同事最初提出了FP（额顶叶）和CO（扣带回盖部）网络的证据，我们在本文中对此进行了详细讨论；注意，扣带回盖部网络有时也被称为扣带回脑岛网络，这反映了该网络与前部脑岛更加符合，而不是额叶盖部。不久之后，Seeley和他的同事提出证据，证明执行控制网络(由背外侧额叶和顶叶皮层区域组成)和salience(由dACC、腹侧前岛叶、皮层下和边缘区域组成)之间存在类似的网络差异。由于该网络与扫描前的焦虑水平之间存在联系，因此应用了salience这个名称。值得注意的是，这两组网络的定义彼此非常相似，执行控制网络本质上类似于FP网络(不过，请参见下面的注释)，而CO网络可能相当于salience。事实上，如果你搜索与扣带盖部或salience相关的研究文献，在它们的功能位点上有很大的对应关系，命名是根据传统沿袭，而不是试图区分这两个网络。然而，数据驱动的全脑网络定义方法有时确实会识别出两种独立的网络：例如，在前岛叶和内侧额叶皮层中，更多的背侧CO网络和更多的腹侧/喙部salience (Power等人，2011;请参见图2a)。事实上，对前岛叶功能连接的详细研究表明，该区域可能是具有不同功能连接和任务激活模式的多个不同网络的集中区域。此外，岛叶不同解剖结构的组织学也可能支持CO和salience之间的划分，因为前岛叶和内侧额叶皮层的更多腹侧区域包含von Economo神经元，这种神经元具有大的、快速传导的轴突，在人类中丰富，与自我意识和情感功能有关。

也许这种划分也有助于解释对CO/salience描述的不一致，它与各种操作联系在一起，从内稳态调节、疼痛、跟踪不确定性、紧张警觉到任务控制。然而，绝大多数关于CO（扣带回盖部）或salience功能特性的研究(包括我们自己的许多研究)都没有仔细区分激活是否与另一个网络更匹配。因此，未来研究的一个非常有趣的途径将是描述这两个网络的相对作用，通过采用精确的解剖学和网络定义来区分它们，甚至可能在个体受试者的水平上。然而，在此期间，我们建议，最安全的假设是扣带盖部或salience定义在文献中有些模糊，除非已作出特别努力来区分两者。

网络命名混淆的第二个来源是FP和背侧注意网络（DANs）。这两个网络有时被组合成一个更大的“执行控制”网络；事实上，执行/额顶叶控制网络的标签是特别不可靠的，因为它有时也指FP（额顶叶）和CO（扣带回盖部）网络的结合。再一次，由数据驱动的大脑网络集群可能有助于勾勒出这些网络之间的差异。在我们和其他人研究中，FP和DANs明显分开：FP由两侧外侧前额叶皮层和顶内沟区域组成，而DAN包括背侧运动前带区域(可能包括额眼区)和背侧顶叶皮层，横跨感觉运动网络和顶上小叶的视觉网络。然而，与扣带盖部和salience的区别一样，我们发现这两种网络之间的边界在个体之间是可变的，而且，当使用更宽松的阈值时，它们有时会以更粗糙的“尺度”结合在一起。因此，它们可能具有相关的属性。

虽然FP和DAN(以及CO和salience)显示出很大的相似性，但请注意，相比之下，CO和FP网络本身是明显不同的。它们已被具有不同数据驱动网络方法的两个大型独立样本中确定为可分离系统(图1a)。此外，这两个网络显示出低的，甚至稍微负的相关性(图3a，左)，强调了它们的不同性质。结合本文前半部分回顾的病变和功能证据，这些发现强调了CO和FP网络是两个明显可分离的系统。因此，鉴于CO和FP系统之间的分离以及它们与可推广控制过程的强关系，我们在本工作中主要讨论了两系统(CO/FP)划分。然而，很可能其他大规模系统也对控制做出了贡献，包括DAN、salience、腹侧注意网络(VAN)，可能还包括默认模式网络(DMN;图2 a)。

图1 扣带盖部(CO)和额顶叶(FP)网络。

(a)控制相关区域在休息时分离为两个不同的网络，包括前岛叶和背侧前扣带回(CO)区域和背外侧额叶和顶叶皮层(FP)区域。利用多种不同的数据驱动方法(例如，Power等人，2011年，左图；Yeo等人，2011，右图)，这表明他们分离的稳健性。

(b) CO和FP区域是不同任务中最常见的激活位点。这张图(改编自Nelson et al.， 2010)显示了来自1000多个不同研究的激活位点的空间重叠。

(c) CO和FP区域是不同任务中控制相关激活的常见位点。这个任务集信号的联合图来自三个元分析，分别结合了3项(Sun, Neta等人，2017)，12项(Neta等人，2015)和13项研究(Dubis等人，2016)，显示了试次水平的线索、错误和持续活动的共同激活。每个单独的试次级线索、错误和持续活动的元分析图都被阈值化，以显示前1%的激活，然后合并形成任务集信号的最终联合图。

2.1 多个网络的功能连接证据

与基于任务的功能磁共振成像(fMRI)相比，rs-FC是这样一种功能磁共振成像技术：当参与者被要求安静地躺在扫描仪中，在没有任务指令的情况下，测量大脑区域BOLD信号的同步波动。属于同一网络的区域——例如，运动皮层和皮层下区域(Biswal等，1995)——具有高度相关的静息态BOLD时间进程。因此，自发BOLD信号的相关性可以用来识别脑功能网络。此外，其他相关技术，如相干性或独立成分分析，可用于检测大脑区域之间的同步性，并通常产生类似的分解结果。

Rs-FC测量与解剖连接相关，但值得注意的是，测量直接和间接连接，以及基础神经活动缓慢波动中的状态依赖的相关性。大部分rs-FC测量被认为反映了形成网络的区域之间的功能性共激活的稳定历史，可能通过Hebbian机制。这种连接方法的优势在于，它提供了一种强大的数据驱动方式，以前所未有的细节水平来检查活体人类大脑的系统级组织。此外，这种方法允许人们测量位于大脑网络内的区域的基线时的内在组织，而不需要探测单个网络中的选择性任务激活。

当控制相关区域的BOLD信号在静息状态下测量时，rs-FC表明该区域分离为两个网络，CO网络和FP网络。CO和FP网络在各自网络的区域之间具有较高的rs-FC，但两个网络之间的相关性较低(或负)。CO网络的核心包括背侧前扣带和双侧前岛叶区域，而FP网络主要由双侧背外侧额叶皮层和顶内沟区域组成。

有趣的是，当基于数据的社区检测技术被用于定义整个大脑的大规模网络时，同样的网络也出现了，就像上面描述的基于兴趣区域的CO和FP网络检查一样。这一发现已经在两大数据集中得到了复制，数据集具有不同的受试者群体、不同的扫描点和不同的网络定义方法(Figure 1a)。这些发现强调了CO和FP网络的鲁棒性和分离性。这些全脑方法还表明，CO和FP网络延伸到执行控制的功能磁共振成像任务激活研究中很少讨论或检测到的其他区域，如后岛叶、喙侧额叶皮层(CO)和侧枕叶(FP)。未来研究的一个有趣的问题是确定这些区域如何与每个网络中的核心区域相关联，以及CO和FP系统如何与其他假定的控制系统(如突显网络和背侧注意网络)相关联（box1）。

2.2 多网络的损伤证据

病变对控制网络组织的影响也加强了CO和FP网络之间的区别。具体来说，在CO或FP网络区域有慢性病变(>5个月)的患者的rs-FC，损伤模式与每个网络内的功能连通性之间存在双重分离：随着CO网络中区域损伤程度的增加，CO之间的相关性逐渐降低，而FP区域之间的相关性却没有降低；而随着FP网络损伤程度的增加，FP之间的相关性逐渐降低，而CO区域之间的相关性则没有降低。这种双重分离为静息状态下CO和FP网络的独立性提供了强有力的证据，表明长期脑损伤对这两个网络的影响在很大程度上是可分离的。有趣的是，随后的一个关于经颅磁刺激(TMS)造成的急性脑损伤的项目显示了一种截然不同的效应模式，TMS后广泛的跨网络互动增加了。这一发现暗示了CO和FP网络在某些情况下可能是动态相互作用的。

2.3 执行控制涉及多个网络的功能证据

关于CO和FP网络之间差异的研究的最后一条线集中在它们不同的功能作用的证据上，通过功能磁共振成像(fMRI)的激活估计来测量。静息状态和病变证据为与FP和CO区域相关的两个可分离网络的存在提供了强有力的支持；然而，对这些区域功能属性的早期研究强调了CO和FP网络在任务激活中共同且普遍存在的作用，特别是在任务的控制阶段（Figure 1b,c）。因此，剩下要解决的重要问题是：使用两个不同的网络进行任务控制的目的是什么，它们执行的过程有什么不同?

为了研究这个问题，我们主要关注了CO和FP网络对三种不同类型的控制信号的贡献：与任务开始时的提示有关的信号，与任务中所犯的错误有关的信号，以及贯穿整个任务的信号。之所以选择这三种类型的信号，是因为它们突出了与维持最新任务集相关的控制方面(即，任务级别的提示来初始化任务集参数，发出必要的参数更新信号的错误，以及在整个任务周期内维持这些参数的持续活动)，以及更适应的时刻到时刻的控制形式(即，任务或试次水平的提示来指示如何在后续周期内对刺激作出反应，以及对错误的响应，以增加下个试次的控制和性能)。

在一项早期研究中，我们进行了大规模的meta分析，以调查FP和CO区域在这三种不同类型的控制信号中的作用。虽然CO和FP网络的区域在许多控制环境中都被激活，但对这些发现的仔细评估表明，核心CO网络区域(双侧前岛叶，背侧前扣带)在所有三种任务控制信号中都是最常见和持续激活的。相反，FP网络区域与提示和错误激活联系更紧密。此外，FP网络区域先前与自上而下的试次特异性信号有关，这些信号与选择性注意和工作记忆维持功能有关。这些发现表明，CO网络与维持任务相关的功能密切相关，而FP网络可能与实现任务的特定配置所需的时刻到时刻自适应控制更密切相关。

一个实际的例子可能有助于说明这两个网络之间的假设区别。在日常生活中，我们经常要求不同形式的自上而下的控制，包括在我们参与娱乐运动时。我们认为，在这种情况下，CO网络对于维持一个人正在进行的活动(如棒球或足球)的持续表征以及该活动的相关参数(如用手扔球vs用脚踢球)非常重要。相反，FP网络将帮助制定与游戏的特定部分相关的过程(例如，在击球时，为了提高击球率，重要的是反应投手是投掷快速球还是曲线球，在踢足球时，重要的是检测守门员在罚点球时是向左移动还是向右移动，以提高得分机会)。因此，游戏的开始将与两个网络相关联(CO用于维持相关的游戏参数，FP用于协调游戏开始时发生的特定玩法)，以及错误信号(CO用于更新任务表征以提高性能；例如，如果你对某一比赛规则的理解或裁判的执行是错误的，FP将根据错误的后果调整随后的行动)。然而，CO网络将呈现出贯穿整个游戏的持续活动，这是呈现手头任务状态所必需的。

2.4 对CO和FP功能模型的改进

我们实验室最近的工作通过梳理与这些类型的控制信号相关的特定认知和时间过程参数，帮助支持和完善了这一解释。例如，我们发现持续信号只出现在认知要求(即资源有限)而非感知要求的任务中，并且CO网络显示了几种不同形式的性能报告信号(例如，除了错误之外，与反应时间和歧义有关的响应）。

FP网络的激活情况比较复杂，主要是由左右脑半球激活之间的不对称所驱动。FP网络相当大，包括双侧额叶的大部分以及顶内沟和额中回的部分。过去的证据表明，这个大网络可能有不同的亚单位，可能反映了一个更精细的网络细分：左侧额叶皮层和右额叶皮层的病变产生明显不同的行为缺陷，静息态研究表明FP网络是大脑中最偏侧化的网络之一。事实上，许多激活研究都暗示了额叶功能激活的半球不对称，尽管这些发现中的大多数并没有特别地将他们的发现放在FP网络的背景下。

我们最近的工作还表明，FP网络的左、右划分在控制中起着不同的作用。在一项对整个大脑中与错误相关的反应进行元分析的研究中，与错误相关的激活在左右FP网络中都可见到，但具有不同的特征。左侧FP网络具有快速和短暂的错误，而右侧FP网络区域具有较长时间的错误响应。第二项元分析聚焦于试次级别的提示和目标激活。在本研究中，我们发现左侧FP区域具有早期的提示反应和强烈的目标激活，而右侧FP网络具有延迟的提示反应和中等的目标激活。这些研究表明，左右FP网络可能与不同的过程相关。

尽管这些先前的发现为CO和FP网络中不同的功能作用提供了证据，但它们主要是通过对比它们在不同任务或试次类型中的功能来得出结论的。我们实验室最近的一组研究采用了专门的“慢揭显示slow reveal”范式来调查这些网络是否也有不同的作用，但只是在决策试次中。在这个范例中，刺激逐渐从噪声mask后面被揭开。参与者被要求在识别物品(或者在其他情况下，决定他们以前是否见过该物品)时做出回答。通过检查参与者反应早或晚的试次的激活时间过程，我们可以分离具有不同特征的试次级别的反应。有趣的是，我们发现使用数据驱动的层次聚类方法，CO、左FP和右FP中的区域彼此分离。这为CO以及FP网络的偏侧化在试次中具有不同的功能角色提供了证据。此外，对来自CO和FP网络的时间过程的分析表明，这些功能与决策的不同方面相关：左侧FP区域早期启动，在决策时刻前后响应逐渐增加，达到峰值，与证据积累模型非常相似。CO区域有与决策紧密相关的短暂反应，这与绩效报告衡量标准一样；右FP区反应延迟和延长，主要发生在反应后，表明它们与反应后处理有关，如反应重新评估和调整。Sestieri及其同事的一项相关研究也发现，FP和CO在感知和记忆任务的长时间试次中具有不同的作用，它们的活动时间进程和功能连通性特征都相互分离。

这些发现很重要，因为它们为CO和FP网络的不同功能角色提供了证据，并为FP网络内的细微功能差异提供了证据，这些功能差异将左半球更多地与早期、刺激或自下而上的处理功能(证据积累、早期提示、强烈的目标激活)相关，而右FP网络与晚期、反应后处理相关，可能与随后的自上而下控制(延长错误响应、决策后响应和延迟提示激活)。值得注意的是，在我们实验室的许多实验中，这些区别来自数据驱动的方法；也就是说，同一个网络中的区域仅仅根据它们的功能激活特性聚集在一起，为静息态的发现提供了一致的证据，表明大脑中至少存在两个不同的控制网络。

如您对脑影像等数据处理如脑功能，脑网络或其他模态脑影像数据处理感兴趣，请浏览思影以下链接（直接点击即可浏览），感谢转发支持。(可添加微信号siyingyxf或18983979082咨询)：

南京：

第三十三届磁共振脑网络数据处理班（南京，10.16-21）

第二十二届磁共振脑影像结构班（南京，10.24-29）

第七十一届磁共振脑影像基础班（南京，11.12-17）

重庆：
第九届脑网络数据处理提高班（重庆，10.13-18）

第七十届磁共振脑影像基础班（重庆，10.22-27）
第二十八届弥散成像数据处理班（重庆，11.5-10）
第六届弥散磁共振成像提高班（重庆，11.17-22）
上海：
第二十四届脑影像机器学习班（上海，10.9-14）
第三十一届磁共振脑网络数据处理班（上海，10.28-11.2）
第六十九届磁共振脑影像基础班（上海，11.4-9）
北京：
第十届脑网络数据处理提高班（北京，10.20-25）
第十一届磁共振ASL（动脉自旋标记）数据处理班（北京，11.3-6）
第七十二届磁共振脑影像基础班（北京，11.9-14）
数据处理业务介绍：

思影科技功能磁共振(fMRI)数据处理业务
思影科技弥散加权成像（DWI/dMRI）数据处理
思影科技脑结构磁共振成像数据处理业务（T1)
思影科技定量磁敏感（QSM)数据处理业务
思影科技啮齿类动物（大小鼠）神经影像数据处理业务
思影科技灵长类动物fMRI分析业务
思影数据处理业务三：ASL数据处理

思影科技脑影像机器学习数据处理业务介绍

思影科技微生物菌群分析业务

招聘及产品：

思影科技招聘数据处理工程师 （上海，北京，南京）

BIOSEMI脑电系统介绍
目镜式功能磁共振刺激系统介绍

2.5 CO和FP的替代模型

2.5.1 执行控制的单一和多系统模型

人类大脑控制功能的早期和有影响力的模型强调了它们在许多需要控制的不同任务环境中的共同激活(Duncan & Owen, 2000)。Duncan和Owen(2000)进行的一项系统综述显示了与许多不同认知需求相关的额叶活动模式的共性。具体来说，一项大规模的元分析，结合了20项文献研究，这些研究选择性地操纵了五种认知需求中的一种，在其他方面相同的任务背景下，这些要求包括抑制强烈但不适当的反应倾向，增加工作记忆负荷，以及改变感知难度。所有五种需求在共同的控制区域(如背侧前扣带、额下沟和额叶盖部)显示出相似的协同招募模式。因此，对结果的一种解释认为，在这些多个需求区域中存在一种单一的控制模型，这些区域共同调整其功能，以匹配手头特定任务的需求。事实上，正如我们已经注意到的，这些区域是最常参与不同任务的区域之一，很难根据功能激活来区分(参见前面关于时间属性的相对微调差异的部分，这只在比较激活剖面的时间过程的分析中很明显)。通过分析这些区域的多体素活动模式，可以进一步支持在这些多需求区域中进行灵活的任务相关调整，从而区分一系列与任务相关的信息，包括刺激、任务规则和参与者。然而，Crittenden及其同事最近的一项研究(2016)表明，CO和FP网络也可以从它们所携带的关于任务规则的信息中区分出来。这表明，多需求“网络”的单一特征也可能包含其中两个不同控制网络的证据。在本研究中，FP区域所包含的任务规则信息明显多于CO区域。随着规则在一次又一次的试次中发生变化，这可能与FP网络的自适应控制功能一致。

Botvinick和同事们的另一个著名模型提出，背侧前扣带皮层(dACC)和外侧前额叶皮层是认知控制的中心，dACC充当“冲突监视器”，当检测到冲突时，它向外侧前额叶皮层发出信号，让其进行必要的控制调整。这个模型与我们提出的dACC和外侧前额叶皮层在控制中的中心作用的发现相似。然而，我们的不同之处在于，这些区域实际上是两个独立网络的一部分，具有不同的功能集和基本独立的反应。通过将这些结果放在扣带顶叶和额顶叶网络的背景下，我们增加了对这些区域的解剖学描述的精确度(例如，图1和2a，显示许多不同的网络在外侧和内侧前额叶皮层重叠)，并突出了每个网络内区域之间功能的相似性(例如，在dACC和前岛叶之间，以及背侧额叶和顶叶皮层的FP部分之间——这些区域通常不包括在Botvinick模型中)。此外，我们对这些区域的功能作用有不同的具体解释(例如，我们认为CO，包括dACC和前岛叶/额叶盖部(aI/fO)，参与任务集的维持，而不是冲突监测，部分原因是其明显的提示反应、任务期间的持续表征和试次决策点的短暂激活)。

2.5.2 CO和FP网络功能的非控制模型

虽然我们关注的是CO和FP网络基于控制的解释，但其他小组也提出了这些网络之间的相关区别，他们强调的功能与自上而下控制没有直接关系。例如，一项早期的研究发现，休息时分离的两个网络与CO和FP网络的特征非常相似，但表明CO网络与突显网络有关，而不是与任务控制网络有关，部分原因是它与扫描前的焦虑的测量方法有关。因此，对该网络的一种解释是，它可能涉及更一般的唤醒，而不是任务控制本身(也要注意，如框1所讨论的，突显网络可能代表一个功能上不同，但在解剖学上与CO相邻的网络)。

一组相关的研究集中在CO和FP网络与活动持续波动之间的联系上，这导致Sadaghiani和他的同事将CO网络与广义的紧张性警惕性(而不是任务控制)和FP网络与phasic（任务中活动）抑制联系起来。Sadaghiani和他的同事使用功能磁共振成像和功能磁共振-脑电图联合研究检查了CO和FP网络的作用。在他们最初的发现中，他们观察到CO(也称为扣带岛-丘脑cinguloinsular-thalamic，见框1)网络的试次前活动与参与者在长时间持续注意任务中观察到接近阈值刺激的几率增加有关(相反，FP和DAN的试次前活动与失误有关)。这表明该网络可能与紧张性警觉性的各个方面有关；事实上，第二项结合功能磁共振成像和脑电图记录的研究发现，内源性alpha能量的波动（持续或tonic（大脑默认状态的）的警觉性的标志）与CO网络有选择性地相关。相反，FP网络更多地与alpha相位同步相关(Sadaghiani等人，2012)，这表明它可能是警觉性和抑制的phasic成分的指标。

这种解释与我们提出的CO和FP网络模型有关。这两个模型都表明，CO网络与更持久的信号相关，而FP网络与时刻到时刻的自适应信号更密切相关，尽管它们在持续激活是根据广义警觉性信号还是更专门的任务集维持信号来解释方面存在差异。事实上，在后来的一项研究中，Sadaghiani和D’esposito(2015)通过在变化或规则呈现的比较激活与接近阈值的刺激来操纵任务警惕性。他们发现，这种操作选择性地调节了CO的活动，而不是FP或DAN的活动(相反，这两个区域受到音调音程之间选择性注意比较难度的影响)。同样，这些结果可以被解释为与CO网络的警惕性作用一致，但也可以被解释为与任务集作用一致，其中任务集由刺激抖动修改。然而，之前讨论的其他发现可能更难与CO网络的纯警觉性模型相一致——包括(a)在这些区域中存在多个特定的任务集和控制信号，(b)除了反应时间之外，CO区域对多个与性能相关的变量(如歧义和错误)的可分离激活，以及(c)持续CO对资源的选择性激活，而不是感知上有限的任务。CO网络可能执行与警觉性和自上而下控制相关的过程；或者，归因于CO网络的警觉性过程可能与突显网络内的邻近区域有更好的关联(可能与先前将突显网络与觉醒联系起来的模型一致)。

2.6 总结

在我们论文的第一部分中，我们已经为大脑中存在两种不同的控制网络提供了趋同的证据，它们具有不同的网络相互作用，对慢性病变的分离反应，以及在一项任务中的不同功能——即使是在一项任务的单一试次中。这两个网络的存在限制了目标导向行为的机制，认为可能有两组独立的执行控制功能，分别与任务集维持(对于CO网络)和自适应控制(对于FP网络)相关联。此外，来自我们实验室的最新证据表明，FP网络可能具有与左右半球相关的自适应控制的独立子成分。未来的研究将需要了解这两个网络中每个区域的专门作用，以及它们与自上而下控制所涉及的特定过程的关联。在下一节中，我们将讨论另一个重要的问题——CO和FP网络如何相互作用，以及如何与大脑的其他部分相互作用，以帮助我们执行目标导向的行为。

图2 全脑相互作用背景下的CO和FP网络。

(a)除了CO和FP网络，健康个体中还发现了许多其他网络，它们在控制(如背侧注意网络[DAN]、腹侧注意网络[VAN]、SN)、基本的处理(视觉、听觉、躯体运动和躯体运动-侧向)或其他功能(如默认模式、顶叶记忆和顶叶-枕叶网络)方面具有特殊作用。大尺度网络既可以在大脑上显示，强调其解剖位置(上)，也可以在图中强调其拓扑特性(下)。在图论模型中，单个大脑区域被表示为节点，大脑区域之间的连接被表示为线或边；区域的排列使用了spring-embedding算法，这样连接较强的节点被放置得更紧密。这个图表突出显示了每个网络中区域之间和网络之间的关系，显示了网络节点紧密地聚集在一起，网络之间的连接相对较少。控制网络(CO、FP、DAN、SN)往往位于其他网络之间，在图中有许多位于中心位置的节点。

（b）图论测量也可以用来更好地理解在整个大脑的多个网络背景下的跨网络交互。在这个框架内，某些大脑区域(连接枢纽)充当中介跨网络交互的站点。这些区域可以通过使用参与系数(PC)度量来识别，该度量度量了节点连接在不同网络中的分布。正如所示，高PC（参与系数）区域在控制网络中被大量发现，但不是唯一的，并可能作为调节基于自上而下目标的基本处理的完整站点。

图3 网络组织在不同的任务环境中被系统地改变，特别是对于激活的区域和hubs。

(a)静息的网络组织以相关矩阵的形式表示(左)。在静息状态下，网络组织由每个网络内部的高相关性(对角线上)和不同网络之间的低相关性(对角线外)所主导。在执行任务过程中，网络内部和网络之间的FC都发生了系统的变化，如图中差异相关矩阵（中间）和spring-embedded图（右侧）所示。特别是在处理网络(视觉、躯体运动和默认模式网络[DMN])、控制网络和处理网络之间(例如，FP到视觉)以及控制网络之间(例如，FP到DAN和CO/SN)可以看到显著的变化。

(b)左图：任务激活区域，特别是网络之间的功能连通性变化较大。右图：像激活区域一样，连接器hubs显示了更多的微调调制，连接器hubs显示了高度变化的网络之间的功能连接，但另外显示了相对稳定的网络内功能连接。

(c)同时被激活和连接hubs(激活的连接器显示为白色球体)的区域有一系列的属性，它们与任务控制紧密相连，包括主要控制大脑网络的定位(底色：黄色= FP; 紫色=CO; 绿色=DAN; 黑色=SN)。

图4 连接器hubs损伤的影响。

(a)我们通过观察高或低连接器hubs损伤患者的rs-FC来检查连接器hubs损伤如何影响大脑网络组织。每一列显示了一个脑网络示例，分别来自健康对照患者(左)、连接器hubs损伤程度较低的患者(中)和连接器hubs损伤程度较高的患者(右;这两名患者的损伤总量大致相当)。黑线标记着网络之间的连接，大量的黑线表明大脑在不同的网络中划分得不好。连接hubs的损伤极大地改变了大脑网络组织，降低了整个大脑网络的完整性。

(b)连接器hubs的损伤也与行为性能受损有关。在这里，每一列表示来自单个患者的数据，该患者的控制部位(蓝色，左边)或连接器hubs(红色，右边)受损。不同的行代表不同的Lezak行为域。经过训练的神经心理学家根据患者在每个行为领域的损伤程度对其进行评级。与对照部位相比，连接器hubs损伤与许多行为领域更广泛和更深刻的损伤相关。

3 控制网络如何相互作用：hubs在控制中的作用

在前一节中，基于功能连接、病变和激活研究，我们提出了人类大脑中至少存在两种不同控制网络的趋同证据。然而，考虑到多个专门的控制系统的存在，问题是这些系统如何相互作用，以协调控制信号。此外，控制网络的一个关键功能是根据当前目标修改其他网络中的处理过程(图2a)。
3.1 控制网络的相互作用

首先，我们提出的证据表明，控制网络交互是可塑的，在不同的环境中，它们的交互是不同的。正如我们在本文的前半部分所讨论的，在很长的时间范围内(即病变后的> 5个月)，控制网络对每个网络内的脑损伤独立反应。然而，连续的theta TMS的急性中断已经被证明可以暂时抑制底层组织，这引发了不同的反应模式，存在广泛性，交叉性。虽然TMS的机制在许多方面与慢性脑损伤的影响不同，但这些发现可能表明控制网络在某些情况下动态地相互作用——可能是在系统最近的扰动(例如，来自急性中断或高要求的任务目标)需要加强控制网络之间的协调的情况下。

为了支持这一观点，与休息时相比，当参与者从事复杂任务时，网络互动会发生微妙但系统的改变（Figure 3a）。此外，这些研究表明，在任务执行过程中，控制网络与处理网络(如FP到视觉、运动网络)之间的相互作用发生了特别的变化。从猕猴控制区域的皮层冷（cooling）却和经颅神经系统到人类控制区域的趋同证据也表明，控制和处理网络之间相互作用的这些变化可能对基于任务目标的正确重定向基本处理很重要。在这些研究中，控制相关区域的中断降低了纹外视觉皮层反应的调节，并导致任务表现的下降。这些发现表明，控制网络在任务上下文中改变它们与处理网络的交互，以根据任务目标修改处理。

除了控制网络和处理网络之间的变化，在复杂任务中，控制网络之间也变得更加整合(例如，FP与CO)(图3a)。随着任务工作记忆负荷的增加，这种影响可能会进一步增强。一种可能性是，这些增加在复杂任务中是必要的，以允许控制网络协调、更新和维护完成任务的相关参数。Sridharan和他的同事也发现了任务过程中控制网络交互的变化，并提出CO网络(在他们的研究中，或称突显网络)可能在指导FP和默认模式网络之间的功能连接变化，以及整个大脑网络之间更普遍的功能连接变化方面起着顶级作用。这些发现支持这样一种观点，即在不同的目标导向环境中，控制网络交互可能会动态地改变，尽管是微妙的。最后，许多研究表明，控制网络的相互作用也可以随着年龄而系统地改变。spring和Schacter(2012)表明，根据任务的需求，控制网络可以灵活地与默认模式网络交互；然而，在年龄较大的受试者中，这种能力就丧失了，因为他们的控制网络经常与默认模式交互。在许多网络的老化过程中，也有关于网络去分化的类似报告，但与控制网络中模块性的丧失尤其相关。这些发现表明，网络之间的相互作用，特别是与控制相关的网络，可能是健康的大脑功能和认知不可或缺的。
3.2 网络交互中的hubs的作用

因此，我们转向不同网络如何相互作用的问题，以及是否某些区域对这些相互作用特别关键。为了检验这个想法，我们利用了从复杂系统科学中借来的概念，特别是“中心hubs”的概念。hub一词作为一个大型系统中的中心重要单元具有通俗的直观吸引力，无论它是一个友谊社交网络中的和蔼可亲的人，还是一个互联网流量网络中的受欢迎的网站，还是一个全球航班网络中的繁忙机场。然而，有很多方法来量化重要性。以航空运输网络为例，一些机场可能是重要的，因为入境国内航班的数量很高。其他的可能很重要，因为它们是一个国家(如美国)和另一个国家(如英国)之间的国际转移地点。对这些机场的破坏所造成的后果可能在影响的程度上有所不同。

同样，大脑网络可能由两个中枢组成，一个中枢对特定大脑网络内的功能很重要，另一个中枢对网络之间的信息传递很重要。图论可以帮助我们量化这些属性，并识别这些枢纽。图论方法基于将大脑建模为图，其中每个大脑区域由图上的一个节点表示，连接(即来自静息状态功能连接的相关性)表示为节点之间的边。使用这些技术可以测量不同类型的hubs。“模块内的度Within-module degree”是一个区域与自己的网络连接数量的标准化度量，因此也可以度量网络内的hubs。“参与系数”是一个区域连接在不同网络间分散的度量，因此可以用来度量跨网络连接的hubs。出于技术原因，基于功能连接的连接总数(即度)定义hubs是有问题的(这与使用相关度量有关，它允许在同一网络中的信号之间共享共同的方差，因此将基于度的度量与网络大小合并在一起。连接器hubs经常出现在前岛叶、中额叶皮层、背外侧额叶和顶叶皮层，而网络内hubs则出现在前扣带回后端和喙侧等区域(图2b)。值得注意的是，其他测量跨网络hubs的方法，使用链接社区和系统密度，都一致地确定了类似hubs位置作为参与系数。

因为控制功能与协调控制网络和处理网络之间的相互作用紧密相连，我们可能会认为连接hubs对大脑功能尤其重要，特别是在完成复杂任务时。在最近的一项研究中，我们对这一假设进行了检验。具体来说，我们研究了功能连接是如何在三种不同的复杂任务中被修改的，这些任务需要语义处理、视觉连贯性判断或对对象的心理旋转（图3a）。然后，我们研究了功能连接的变化是否特别可能由连接器hubs介导。我们发现连接器hubs的独特作用得到了支持：连接器是不同网络之间功能连接变化较大的站点，但在自己的网络内表现出相对稳定的功能连接(图3b)。这一结果也与文献中的发现有关，这些发现表明hubs是许多不同认知过程中特别灵活的激活点，并提出hubs可能对许多不同的任务上下文做出重要贡献。

有趣的是，我们发现任务激活区域(即为手头任务专门处理的区域)在功能连接方面也表现出了很高的变化，但与连接器所看到的变化无关(图3b)。这表明这两种特性——复杂系统中的hub专门化和基于区域处理特征的功能专门化——指出了两个不同的因素，使我们的大脑网络能够灵活地适应不同的任务环境。值得注意的是，同时是连接器和激活的区域(见图3c中的位置，两个属性的前25%)有一个独特的属性组合，将它们与任务控制紧密联系起来：

(a)它们由FP、CO和DAN的核心区域组成；

(b)与只激活或只激活连接器的区域相比，它们显示了网络之间功能连接变化的最高水平；

(c)这些变化包括增加与有关处理网络和其他控制系统的功能连接；

(d)激活的连接器在跨不同任务上下文的功能连接变化模式中具有特别高的灵活性(即，它们的功能连接在任务之间的变化比简单激活区域更大)。这些属性表明激活的连接器可能有助于协调任务控制。

最后一对损伤研究提供了一致的证据，表明连接器对大脑网络组织和复杂任务的执行确实至关重要(图4)，提供了物理证据来证实先前的模拟研究，即连接器hub移除可能对大脑网络特别有害。在这些研究中，将连接器hub位置的脑损伤患者与非连接器(例如，在网络hub内)位置的损伤患者进行比较。在一项初步研究中，我们检查了患者的rs-FC网络组织，发现连接器hub的损伤与大脑广泛的网络中断有关，而网络hub的损伤则不是这样(图4a)。第二项研究发现，连接hub的损伤也与行为表现的广泛中断有关，涉及许多不同的神经心理学领域，但与仅与大量连接相关的区域的损伤无关(图4b)。总之，这些研究表明，连接hub可能是大脑的关键位置，负责维持健康的网络组织和行为表现。

这一研究方向对我们如何思考脑损伤和疾病有着新的意义——它表明，了解大脑的网络组织，以及如何通过这些复杂系统的相互作用实现控制，可以提供有关脑损伤后的严重程度和症状的独特信息，并可能指导我们对未来如何治疗患者有新的认识。一项研究已经发现，关于网络组织的信息可以预测哪些创伤性脑损伤患者在经过强化认知训练后最有可能得到改善。这一研究方向的进一步令人兴奋的工作正在动物模型中进行，使用DREADDS(针对特定基因插入受体的设计药物)专门使网络成分(在这种情况下，是杏仁核)失活，并监测分布式大规模网络属性的变化。
3.3 总结

在这一节中，我们讨论了控制网络相互作用可能是大脑中许多目标导向功能的基础的趋同证据。网络相互作用可能是大脑中许多目标导向功能的基础，而hub可能是这些网络间相互作用的特别关键的地点。这一观点得到了静息态和任务期间功能连接数据的支持，也得到了大脑hub病变对网络组织和表现的影响。这些发现很重要，因为他们认为大脑中自上而下的控制功能(a)与跨网络互动有关，(b)受大脑固有网络结构的制约。此外，他们认为hub区域是专门的，尤其是大脑的关键区域，可能有助于调节各种目标导向的功能。
4 展望:总结和未来方向

我们已经证明了大脑的网络组织对认知，特别是目标导向功能有影响。第一部分表明，自上而下的控制过程至少存在两种可分离的类别，并被组织成独立的大脑系统。在第二部分中，我们展示了使用新的网络分析技术来识别hubs，突出了对网络维持和从事各种不同的复杂任务具有可变控制和处理需求的重要区域。这项研究表明，控制功能的网络观点可以阐明自上而下控制的神经生物学基础的新方面。

下一个任务将是更清楚地描述hub使用了什么机制来维持和改变大脑网络，以及它们如何与每个区域内的功能专业化相互作用。例如，一个问题是hub是通用的，还是特定hub的使用取决于任务上下文。一个重要的相关问题是，CO(或FP)网络中的区域在相对功能专门化方面如何不同(例如，考虑到它们相似的激活情况，aI/fO相对于dACC计算哪些不同的功能?)结合过程水平的调查，计算模型，损伤和动物模型的实验可能会对这些问题带来新的启示。

另一个值得关注的问题是研究这些发现的临床影响。最近的工作开始证明，控制网络的定位在个体之间有所不同，尽管这些网络在个体内部通常相当稳定。未来的工作将需要调查这种个体可变性对我们理解控制网络和hub功能的影响；此外，这些观察结果主张对来自个体的数据进行详细分析。

最后，正如我们在开始时指出的，功能连接度量最适合度量稳定的内在网络属性或与不同状态(如任务、睡眠)的变化相关的非常慢的时间动态。未来一个有趣的途径是将这些关于fMRI中大脑网络组织的详细空间观察与其他具有更快时间分辨率的方法(如脑电图、脑磁图、光学成像或皮质电描记术)结合起来，这些方法可以测量每个网络中更快的时间动态。总之，这些技术可以进一步在多个空间和时间层次上阐明自上而下控制的机制。
如需原文及补充材料请添加思影科技微信：siyingyxf或18983979082获取,如对思影课程及服务感兴趣也可加此微信号咨询。另思影提供免费文献下载服务，如需要也可添加此微信号入群，原文也会在群里发布，如果我们的解读对您的研究有帮助，请给个转发支持以及右下角点击一下在看，是对思影科技的支持，感谢！