[论文解读] Cognitive Control in the Controllable Connectome

John D. Medaglia, Shi Gu+5 more|arXiv (Cornell University)|Jun 29, 2016

Advanced Neuroimaging Techniques and Applications参考文献 4被引用 9

一句话总结

本研究表明，个体在认知控制表现上的差异可由基于结构连接组推导出的脑区网络控制特性所预测。通过扩散张量成像（DTI）与网络控制理论，作者发现模态可控性（modal controllability）和边界可控性（boundary controllability）——即区域在理论上驱动脑动态变化的能力——与注意力、工作记忆及抑制任务的表现显著相关，确立了网络可控性作为认知控制的基本机制。

ABSTRACT

Cognition is supported by neurophysiological processes that occur both in local anatomical neighborhoods and in distributed large-scale circuits. Recent evidence from network control theory suggests that white matter pathways linking large-scale brain regions provide a critical substrate constraining the ability of single areas to affect control on those processes. Yet, no direct evidence exists for a relationship between brain network controllability and cognitive control performance. Here, we address this gap by constructing structural brain networks from diffusion tensor imaging data acquired in 125 healthy adult individuals. We define a simplified model of brain dynamics and simulate network control to quantify modal and boundary controllability, which together describe complementary features of a region's theoretically predicted preference to drive the brain into different cognitive states. We observe that individual differences in these control features derived from structural connectivity are significantly correlated with individual differences in cognitive control performance, as measured by a continuous performance attention test, a color/shape switching task, the Stroop inhibition task, and a spatial n-back working memory task. Indeed, control hubs like anterior cingulate are distinguished from default mode and frontal association areas in terms of the relationship between their control properties and individual differences in cognitive function. These results provide the first empirical evidence that network control forms a fundamental mechanism of cognitive control.

研究动机与目标

• 检验网络控制理论是否为人类大脑认知控制提供基本机制。
• 探究个体在结构脑连接上的差异是否可预测其在认知控制表现上的差异。
• 考察模态可控性与边界可控性在调节多样化认知控制任务表现中的作用。
• 确定前顶-顶叶网络与注意网络中的控制枢纽是否在可控性特征上具有功能上的区分性。
• 验证边界可控性估计在不同阈值参数下的稳健性，这些参数用于网络分区过程。

提出的方法

• 基于扩散张量成像（DTI）数据，利用洛桑83区脑区图谱构建个体的结构脑网络。
• 在结构连接组上建立简化的线性动力学模型，以模拟网络控制动力学。
• 将模态可控性量化为将网络驱动至难以达到状态所需的理论能量，反映任务切换潜力。
• 将边界可控性计算为调节网络模块耦合/解耦能力的指标，反映协调与竞争能力。
• 使用递归Fiedler二分算法并设定阈值比（ρ）以识别边界节点，并在一系列ρ值（0.15–0.25）范围内计算边界可控性。
• 对不同ρ值下的边界可控性取平均以确保稳健性，并采用偏相关分析控制年龄、性别和扫描质量，检验其与认知表现的关系。

实验结果

研究问题

• RQ1 脑区的可控性（模态与边界）与个体在认知控制表现上的差异是否存在显著关系？
• RQ2 在前顶-顶叶控制网络中具有高模态可控性的区域是否能预测任务切换与工作记忆任务中的更优表现？
• RQ3 在注意相关区域中具有高边界可控性的区域是否能预测注意力需求高与抑制任务中的更优表现？
• RQ4 前扣带皮层中的控制枢纽在与认知控制的关系上是否在功能上区别于默认模式网络与额叶联合区域？
• RQ5 边界可控性估计对社区分区算法中使用的阈值比ρ的变化有多大的稳健性？

主要发现

• 前顶-顶叶控制区域的模态可控性显著预测了工作记忆与任务切换任务的表现，表明其在灵活认知控制中的作用。
• 注意相关区域的边界可控性显著预测了注意力与抑制任务的表现，支持其在协调网络动态中的作用。
• 区域可控性与认知表现之间的相关性在不同ρ值下均保持稳健（r > 0.74），证实了边界可控性估计的稳定性。
• 前扣带皮层作为已知的控制枢纽，表现出其可控性与认知表现之间独特的关联，区别于默认模式网络与额叶联合区域。
• 在控制年龄、性别与扫描质量的偏相关分析中，可控性与认知之间观察到的关系未受人口统计学或图像质量因素的混杂影响。
• 可控性与认知表现之间关联强度与脑区之间的几何距离显著相关，提示控制机制具有空间组织特征。