導(dǎo)讀

人類彼此同步以促進(jìn)成功的互動(dòng)。在這里，本研究使用了一種多模態(tài)數(shù)據(jù)融合方法，旨在闡明人際神經(jīng)同步（INS）發(fā)生的神經(jīng)生物學(xué)機(jī)制。本研究對(duì)22項(xiàng)fMRI和69項(xiàng)fNIRS超掃描實(shí)驗(yàn)（分別為740名和3721名被試）的元分析顯示，INS在右側(cè)顳頂交界處和左腹側(cè)前額葉皮層存在穩(wěn)定的腦區(qū)相關(guān)性。將這些元分析信息與公共數(shù)據(jù)庫(kù)、生物行為和腦功能關(guān)聯(lián)分析相結(jié)合發(fā)現(xiàn)，INS涉及與心智化和注意力網(wǎng)絡(luò)有功能連接的感覺(jué)整合樞紐。在分子和遺傳水平上，本研究發(fā)現(xiàn)INS與GABA能神經(jīng)傳遞和IV/V層神經(jīng)元回路、發(fā)育基因表達(dá)模式延長(zhǎng)和神經(jīng)發(fā)育障礙相關(guān)。盡管受限于表型-分子關(guān)聯(lián)分析的間接性質(zhì)，但本研究的發(fā)現(xiàn)為INS的神經(jīng)生物學(xué)基礎(chǔ)提出了新的可檢驗(yàn)假設(shè)。

前言

與環(huán)境同步是大多數(shù)生物適應(yīng)不同環(huán)境條件的關(guān)鍵機(jī)制，這可能提供了一種進(jìn)化優(yōu)勢(shì)。人類對(duì)他人的適應(yīng)是一種核心的生存機(jī)制，并與人類社會(huì)互動(dòng)期間在多個(gè)生物行為水平上發(fā)生的人際同步有關(guān)。人際同步涉及人與人之間行為、生理或激素活動(dòng)的協(xié)調(diào)，可能代表適應(yīng)能力，使人類能夠訪問(wèn)他人的內(nèi)部喚醒狀態(tài)，分享和調(diào)節(jié)情緒，增加社會(huì)關(guān)聯(lián)、同理心和親社會(huì)承諾，促進(jìn)學(xué)習(xí)，并適應(yīng)集體行為和群體規(guī)范。揭示人際同步背后的神經(jīng)生物學(xué)將有助于我們理解人類適應(yīng)他人和與他人互動(dòng)的基本機(jī)制。了解這些機(jī)制如何運(yùn)作和如何失敗，一方面對(duì)教育科學(xué)、發(fā)育和社會(huì)神經(jīng)科學(xué)具有廣泛的影響，另一方面對(duì)群體內(nèi)和群體間沖突研究和精神衛(wèi)生保健具有廣泛的影響。
人際同步已擴(kuò)展到互動(dòng)個(gè)體的神經(jīng)活動(dòng)，通常稱為人際神經(jīng)同步（INS）、腦間同步或腦-腦同步。在單個(gè)大腦中，神經(jīng)元的節(jié)律振蕩可能通過(guò)興奮狀態(tài)的同步導(dǎo)致神經(jīng)元信號(hào)的一致性，從而實(shí)現(xiàn)神經(jīng)元的信息傳遞和相互作用。局部神經(jīng)元振蕩與興奮-抑制（E/I）平衡有關(guān)，由 GABA能神經(jīng)元和谷氨酸能神經(jīng)元群調(diào)節(jié)，這也可能是遠(yuǎn)程同步的驅(qū)動(dòng)因素。在電生理學(xué)上，腦內(nèi)同步可能由興奮性皮質(zhì)-皮質(zhì)連接以及皮質(zhì)下結(jié)構(gòu)（尤其是丘腦）驅(qū)動(dòng)。在整個(gè)大腦中，類似于單個(gè)神經(jīng)元的振蕩，我們的大腦及其感覺(jué)系統(tǒng)也可能有節(jié)奏地從環(huán)境中采樣信息。信息傳遞不是通過(guò)直接的身體接觸來(lái)實(shí)現(xiàn)的，而是通過(guò)個(gè)人運(yùn)動(dòng)系統(tǒng)產(chǎn)生的動(dòng)作（例如，言語(yǔ)、聲音、手勢(shì)或眼神接觸）間接實(shí)現(xiàn)的。這些動(dòng)作通過(guò)環(huán)境傳播，并由互動(dòng)伙伴的感覺(jué)系統(tǒng)進(jìn)行采樣。在成對(duì)或組中的每個(gè)個(gè)體，節(jié)律性神經(jīng)元振蕩可能會(huì)同步。
通過(guò)同時(shí)記錄來(lái)自兩個(gè)或多個(gè)被試的大腦，稱為超掃描，可以量化個(gè)體進(jìn)行人際互動(dòng)時(shí)大腦信號(hào)的時(shí)間和空間相似性?；蛘撸鶕?jù)第一個(gè)人預(yù)先記錄的刺激，一個(gè)接一個(gè)地被掃描，這通常被稱為偽超掃描。在方法學(xué)上，人類超掃描實(shí)驗(yàn)已經(jīng)在全光譜無(wú)創(chuàng)腦電和血流動(dòng)力學(xué)成像技術(shù)中進(jìn)行，其中腦電圖（EEG）、功能性近紅外光譜（fNIRS）和功能性磁共振成像（fMRI）的應(yīng)用最為廣泛。
先前的人類超掃描研究發(fā)現(xiàn)了多種與INS相關(guān)的腦區(qū)，包括內(nèi)側(cè)前額葉皮層（PFC）、前扣帶回、顳上回（STG）和右側(cè)顳頂交界處（rTPJ）以及島葉皮層。對(duì)13項(xiàng)涉及人際合作的fNIRS超掃描研究的首次元分析評(píng)估證實(shí)了PFC和TPJ中存在INS。觀察到的腦區(qū)模式表明，大腦網(wǎng)絡(luò)與心智化、社會(huì)認(rèn)知和互動(dòng)、預(yù)測(cè)編碼和鏡像有關(guān)。這些模式表明INS涉及復(fù)雜的認(rèn)知過(guò)程，包括心理理論（ToM）、心理建模、預(yù)測(cè)、模擬以及行為和情感狀態(tài)的模擬。
從發(fā)展角度來(lái)看，INS可能植根于人類生命的早期，照顧者與嬰兒的同步互動(dòng)對(duì)于建立親緣關(guān)系和影響長(zhǎng)期發(fā)育結(jié)果至關(guān)重要。在認(rèn)知和功能層面上，INS被嵌入到一個(gè)預(yù)測(cè)編碼框架中，由觀察-執(zhí)行/校準(zhǔn)、錯(cuò)誤監(jiān)測(cè)和獎(jiǎng)勵(lì)系統(tǒng)組成的三部分反饋回路介導(dǎo)，該回路被認(rèn)為是被成功校準(zhǔn)激活并加強(qiáng)校準(zhǔn)的。正如相互預(yù)測(cè)理論所假設(shè)的那樣，在兩個(gè)相互作用的伙伴中，大腦活動(dòng)的一致模式可能來(lái)自共定位神經(jīng)元(i)編碼自我行為和(ii)編碼對(duì)伙伴行為預(yù)測(cè)的神經(jīng)活動(dòng)之和。在神經(jīng)生理學(xué)層面上，兩個(gè)大腦之間或多個(gè)大腦之間的連接可能由社會(huì)接觸形成，類似于Hebbian突觸連接。在這里，一個(gè)被試從事某種行為的皮質(zhì)活動(dòng)將轉(zhuǎn)化為一個(gè)互動(dòng)被試的皮質(zhì)活動(dòng)，這種社會(huì)互動(dòng)的重復(fù)不僅會(huì)重塑成對(duì)大腦間的功能連接，而且可能會(huì)在整個(gè)社會(huì)群體中重塑腦間功能連接。
快速發(fā)展的超掃描研究領(lǐng)域以及我們對(duì)人類社會(huì)能力的探索導(dǎo)致有越來(lái)越多的理論描述試圖解釋INS現(xiàn)象。然而，這些理論的基礎(chǔ)仍然缺乏有力的證據(jù)，許多提議的框架還沒(méi)有經(jīng)過(guò)實(shí)證檢驗(yàn)。特別是，由于缺乏實(shí)證數(shù)據(jù)，開(kāi)發(fā)超越腦區(qū)域相關(guān)性的模型的嘗試受到了限制。鑒于社會(huì)認(rèn)知、催產(chǎn)素信號(hào)和E/I平衡被認(rèn)為在神經(jīng)生理水平上相互關(guān)聯(lián)，這些潛在的腦內(nèi)同步機(jī)制在多大程度上參與INS還有待探索。

本研究旨在確定一個(gè)共同的神經(jīng)基質(zhì)，并就INS的神經(jīng)生理機(jī)制提出新的可檢驗(yàn)假設(shè)。為了實(shí)現(xiàn)這一目標(biāo)，本研究使用多模態(tài)數(shù)據(jù)融合技術(shù)作為整合成像、遺傳和行為水平數(shù)據(jù)的強(qiáng)大工具。通過(guò)綜合元分析技術(shù)、數(shù)據(jù)融合方法和基于零模型的假設(shè)檢驗(yàn)（圖1），本研究證實(shí)了rTPJ中INS的穩(wěn)健空間收斂以及腹側(cè)PFC的參與，并為GABA能神經(jīng)傳遞和E/I平衡在人類INS中的潛在重要作用提供了首要證據(jù)。

材料和方法

首先，通過(guò)文獻(xiàn)檢索收集了目前可用的fMRI和fNIRS超掃描數(shù)據(jù)，并將其提交給空間元分析，以確定INS常見(jiàn)的腦區(qū)相關(guān)性。其次，基于INS的這些腦區(qū)相關(guān)性，本研究在腦區(qū)和全腦水平上評(píng)估了INS相關(guān)的腦功能網(wǎng)絡(luò)和生物行為關(guān)聯(lián)模式。第三，將本研究的結(jié)果擴(kuò)展到分子水平，探索了全腦INS分布如何與神經(jīng)遞質(zhì)系統(tǒng)相一致，以及空間相關(guān)的基因表達(dá)模式如何將INS與特定的神經(jīng)元細(xì)胞類型、大腦發(fā)育和精神病理學(xué)相關(guān)聯(lián)（圖1）。

軟件、代碼和數(shù)據(jù)可用性

分析是在Python（3.8.8）和Matlab（R2021a）環(huán)境中進(jìn)行的。使用了以下軟件和軟件包：文獻(xiàn)檢索：SetYouFree（0.0.1）、Cadima。神經(jīng)成像元分析和圖像處理：NiMARE（0.0.12rc7）、Nilearn（0.9.1）、AtlasReader（0.1.2）。FNIRS探針重建：AtlasViewer（2.12.12）。FMRI數(shù)據(jù)處理：CONN（20b）。核成像/mRNA表達(dá)數(shù)據(jù)檢索和空間相關(guān)性分析：JuSpace（1.3）、neuromaps（0.0.2）、JuSpyce（0.0.1）、brainSMASH（0.11.0）、abagen（0.1.3）、ABAnnotate（0.1.0）?？梢暬篘ilearn、Matplotlib（3.4.3）、seaborn（0.11.2）、surfplot（0.1.0）、GO-Figure?。?.0.1）、pyvis（0.2.1）、WordCloud（1.8.1）。此外：scipy（1.8.1）、statsmodels（0.13.1）、numpy（1.22.3）、pandas（1.4.2）。

本研究所使用的代碼和數(shù)據(jù)可在GitHub存儲(chǔ)庫(kù) （https://github.com/LeonDLotter/MAsync） 中獲取。人類連接組項(xiàng)目神經(jīng)成像數(shù)據(jù)可以公開(kāi)訪問(wèn)（https://db.humanconnectome.org）。所有代碼都可以在帶注釋的Jupyter?notebook中找到，該notebook在存儲(chǔ)庫(kù)中以HTML格式（https://leondlotter.github.io/MAsync/MAsync_analyses.html）提供。

文獻(xiàn)檢索和數(shù)據(jù)提取

在兩步半自動(dòng)文獻(xiàn)檢索中確定了目前已發(fā)表的fMRI和fNIRS超掃描實(shí)驗(yàn)。方法上，本研究專注于fMRI和fNIRS，因?yàn)檫@兩種方法都依賴于血流動(dòng)力學(xué)信號(hào)，提供了相對(duì)較高的空間分辨率（與EEG相比），并共同構(gòu)成了目前最大的超掃描文獻(xiàn)。下文將使用術(shù)語(yǔ)“出版物”來(lái)指代原始研究，使用“實(shí)驗(yàn)”來(lái)指代從獨(dú)立研究對(duì)象獲得的數(shù)據(jù)集，這些數(shù)據(jù)集可以涵蓋來(lái)自多個(gè)出版物的數(shù)據(jù)。

①文獻(xiàn)檢索過(guò)程

基于PubMed、Web of Science和Scopus進(jìn)行初步半結(jié)構(gòu)化文獻(xiàn)檢索，并對(duì)Google學(xué)術(shù)引文列表進(jìn)行了手動(dòng)篩選，并在接下來(lái)的幾個(gè)月中通過(guò)PubMed預(yù)警進(jìn)行了更新。最終檢索于2021年12月12日進(jìn)行，使用SetYouFree（https://github.com/ChristianGerloff/set-you-free）通過(guò)PubMed、Scopus、arXiv、bioRxiv和medRxiv的開(kāi)放訪問(wèn)API進(jìn)行，然后對(duì)OpenCitations數(shù)據(jù)庫(kù)中的結(jié)果記錄進(jìn)行前向和后向引用檢索（不包括無(wú)摘要的記錄）。兩次文獻(xiàn)檢索的結(jié)果以及相關(guān)綜述的參考文獻(xiàn)被導(dǎo)入Cadima（https://www.cadima.info/）進(jìn)行手動(dòng)篩選、納入評(píng)估，并根據(jù)PRISMA 2020指南做出最終納入決策。首先，標(biāo)題和摘要由五位獨(dú)立評(píng)審員(LDL、LB、AN、JK和CG)中的一名進(jìn)行篩選，然后由四名不了解彼此納入/排除決策的評(píng)審員中的兩名(LDL、LB、AN和JK)進(jìn)行全文評(píng)估。

②研究納入和數(shù)據(jù)提取

本研究檢索了fMRI或fNIRS超掃描出版物，以評(píng)估全腦(fMRI)或通道(fNIRS)水平的時(shí)間同步性；健康成年人(18-65歲)的腦血流動(dòng)力學(xué)信號(hào)單向或雙向交互。雖然偽超掃描(通常是根據(jù)第一人稱的預(yù)先記錄刺激對(duì)一個(gè)又一個(gè)被試進(jìn)行掃描)允許對(duì)實(shí)驗(yàn)刺激進(jìn)行更精確的控制，但它可能無(wú)法完全捕捉到現(xiàn)實(shí)生活中社會(huì)互動(dòng)所特有的潛在神經(jīng)生物學(xué)表征。然而，本研究納入了超掃描和偽超掃描研究，因?yàn)楹笳呖赡苋匀唤沂玖松缃换?dòng)的某些方面，例如，在兩人交際環(huán)境中，聽(tīng)說(shuō)話者的被試的單向交際方面可以被視為實(shí)際雙向社交互動(dòng)的一個(gè)子方面。
本研究感興趣的是分析人際互動(dòng)期間的INS與休息、控制或隨機(jī)化條件的對(duì)比，與交互類型無(wú)關(guān)，因?yàn)楸狙芯恐荚诖_定INS的共同神經(jīng)基質(zhì)(例如，如果一項(xiàng)研究對(duì)比了合作、競(jìng)爭(zhēng)和對(duì)照條件下的INS，那么將綜合結(jié)果合作/競(jìng)爭(zhēng)＞對(duì)照納入)。本研究還納入了僅報(bào)告更具體對(duì)比的研究(例如，反饋后的INS＞反饋前的INS)，并在事后評(píng)估了這些研究的納入如何影響元分析結(jié)果(僅與fNIRS研究相關(guān))。在方法上，本研究納入了與連接估計(jì)器(即時(shí)間序列相關(guān)性或預(yù)測(cè)，小波相干性)無(wú)關(guān)的研究，前提是該方法捕獲了時(shí)間同步。如果研究調(diào)查了時(shí)間變化的被試時(shí)間序列的影響，本研究的目標(biāo)是僅納入反映零滯后關(guān)系的結(jié)果，以提高同質(zhì)性。因此，本文研究的“顯著INS”的廣泛概念可以概括為人類在人際互動(dòng)期間測(cè)量的腦源性血氧依賴信號(hào)相對(duì)于非互動(dòng)條件下的時(shí)間變化的相似性。

fMRI實(shí)驗(yàn)的空間元分析

本研究使用激活似然估計(jì)(ALE)來(lái)識(shí)別INS的一致性空間相關(guān)性。簡(jiǎn)而言之，ALE通過(guò)將每個(gè)焦點(diǎn)與樣本大小相關(guān)的高斯核卷積，提供了全腦的收斂圖，并結(jié)合了從報(bào)告的INS焦點(diǎn)建模的實(shí)驗(yàn)水平的激活圖。然后，非參數(shù)置換過(guò)程將INS焦點(diǎn)的真正收斂與隨機(jī)空間模式(5000個(gè)排列)區(qū)分開(kāi)來(lái)。

①ALE

所有基于坐標(biāo)的元分析均使用神經(jīng)成像元分析研究環(huán)境(NiMARE；?https://github.com/neurostuff/NiMARE)進(jìn)行。將來(lái)自同一樣本(實(shí)驗(yàn))的所有對(duì)比和坐標(biāo)都連接起來(lái)。每個(gè)實(shí)驗(yàn)在2mm各向同性蒙特利爾神經(jīng)研究所(MNI)-152空間中，通過(guò)高斯核函數(shù)對(duì)每個(gè)焦點(diǎn)進(jìn)行卷積估計(jì)激活圖。根據(jù)每個(gè)實(shí)驗(yàn)的樣本量確定核的寬度，即高斯高度最大值的一半。如果同一實(shí)驗(yàn)的焦點(diǎn)重疊，則僅保留最大的體素值。這些實(shí)驗(yàn)水平數(shù)據(jù)的聯(lián)合構(gòu)成了元分析收斂圖。基于經(jīng)驗(yàn)推導(dǎo)的零分布確定體素統(tǒng)計(jì)顯著性，使用p＜.001閾值形成簇，并通過(guò)從灰質(zhì)模板中隨機(jī)繪制坐標(biāo)來(lái)生成聚類質(zhì)量的零分布(5000次迭代)。通過(guò)將實(shí)際聚類質(zhì)量與聚類質(zhì)量的零分布進(jìn)行比較，為每個(gè)聚類分配一個(gè)FWE校正的p值，并通過(guò)將聚類映射閾值設(shè)定在?log10(p)＞~1.3來(lái)保留顯著的簇。

②單個(gè)實(shí)驗(yàn)的影響和發(fā)表偏倚的風(fēng)險(xiǎn)

為了估計(jì)實(shí)驗(yàn)對(duì)整體ALE結(jié)果的影響，本研究迭代計(jì)算實(shí)驗(yàn)x的貢獻(xiàn)為

。由于非線性的ALE聯(lián)合計(jì)算，這種方法并不精確，但從實(shí)際角度來(lái)看，它足以近似貢獻(xiàn)并確定單個(gè)實(shí)驗(yàn)的夸大影響。然后，本研究計(jì)算了所有生成的閾值化和二值化映射的空間連接，以證明哪些聚類在每次迭代中持續(xù)存在。對(duì)發(fā)表偏倚的聚類穩(wěn)健性估計(jì)為fail-safe-N。對(duì)于每個(gè)聚類，生成焦點(diǎn)對(duì)聚類沒(méi)有貢獻(xiàn)的噪聲實(shí)驗(yàn)。

fNIRS實(shí)驗(yàn)的空間元分析

迄今為止，由于fNIRS領(lǐng)域在方法標(biāo)準(zhǔn)化和特定元分析技術(shù)的可用性方面仍然有限，本研究根據(jù)ALE方法開(kāi)發(fā)了元分析fNIRS評(píng)估。簡(jiǎn)而言之，對(duì)于100個(gè)皮層區(qū)域中每一個(gè)，收集了在各自區(qū)域采樣的fNIRS通道中是否觀察到INS的信息，以及對(duì)這些信息有貢獻(xiàn)的被試和實(shí)驗(yàn)數(shù)量。然后，計(jì)算了一個(gè)區(qū)域“fNIRS指數(shù)”，其中包含所有可用信息以供進(jìn)一步評(píng)估，并通過(guò)隨機(jī)化通道-區(qū)域分配(1000個(gè)排列)來(lái)檢驗(yàn)區(qū)域的顯著性。

①坐標(biāo)提取和重建

大多數(shù)fNIRS研究使用標(biāo)準(zhǔn)格式的探針陣列，根據(jù)國(guó)際腦電定位系統(tǒng)中的坐標(biāo)進(jìn)行定位。通常用于獲得大腦表面近似位置的方法是①使用一個(gè)或多個(gè)被試的解剖MRI掃描進(jìn)行配準(zhǔn)，②使用3D數(shù)字化儀對(duì)通道位置數(shù)字化后進(jìn)行配準(zhǔn)，或③基于光電陣列數(shù)字模型和參考數(shù)據(jù)庫(kù)的虛擬配準(zhǔn)。在可能的情況下，納入作者報(bào)告或發(fā)送給我們的坐標(biāo)。必要時(shí)，從數(shù)據(jù)庫(kù)或同一研究小組開(kāi)展的其他研究中獲取坐標(biāo)，或者使用AtlasViewer重建光極位置。該工作流失敗的實(shí)驗(yàn)被排除在外。

②fNIRS數(shù)據(jù)分析

對(duì)于fNIRS數(shù)據(jù)，目前正在開(kāi)發(fā)標(biāo)準(zhǔn)化的結(jié)果報(bào)告系統(tǒng)，并且沒(méi)有特定的元分析技術(shù)可用。為了近似對(duì)fNIRS INS結(jié)果進(jìn)行元分析評(píng)估，本研究使用100-parcel皮質(zhì)體積圖譜按區(qū)域匯總fNIRS數(shù)據(jù)。使用kd-樹(shù)將最近的圖譜parcel分配給每個(gè)fNIRS通道。然后，對(duì)于每個(gè)parcel，收集了通道總數(shù)、顯示INS的通道數(shù)量以及相應(yīng)的實(shí)驗(yàn)數(shù)量和貢獻(xiàn)該信息的被試數(shù)量。為了比較parcel之間的結(jié)果，本研究使用了三個(gè)指數(shù)，計(jì)算公式為：

本研究關(guān)注第二個(gè)指數(shù)，因?yàn)樗怂锌捎玫膄NIRS數(shù)據(jù)。為了確定觀測(cè)指數(shù)并非偶然概率最高的區(qū)域，研究者對(duì)通道-區(qū)域分配(1000次迭代)進(jìn)行了排列，估計(jì)了每個(gè)區(qū)域和每個(gè)“fNIRS指數(shù)”的精確單側(cè)p值，并對(duì)每個(gè)指數(shù)的區(qū)域應(yīng)用FDR校正。與基于效應(yīng)量的元分析相比，研究者更喜歡這種類似于ALE的方法，因?yàn)榍罢咭蚱浞椒▽W(xué)的異質(zhì)性而嚴(yán)重限制了符合條件的研究。將轉(zhuǎn)換后的結(jié)果在fsaverage表面模板上進(jìn)行可視化。通過(guò)使用分割水平數(shù)據(jù)而不是體素水平數(shù)據(jù)，旨在近似fNIRS數(shù)據(jù)的空間分辨率，同時(shí)考慮到由于事后重建通道坐標(biāo)而沒(méi)有關(guān)于頭部形狀、大小和探針定位的詳細(xì)信息而增加的空間不確定性。其次，通過(guò)ALE評(píng)估fNIRS焦點(diǎn)和fMRI焦點(diǎn)，對(duì)所有神經(jīng)成像數(shù)據(jù)進(jìn)行了聯(lián)合元分析。為了使ALE方法適用于fNIRS數(shù)據(jù)，在所有fNIRS實(shí)驗(yàn)中都保持ALE核大小為10mm?FWHM，因?yàn)锳LE核的樣本量-FWHM函數(shù)是針對(duì)MRI數(shù)據(jù)開(kāi)發(fā)的。為了進(jìn)一步將fNIRS數(shù)據(jù)的空間不確定性納入到本研究的分析中，在fNIRS坐標(biāo)隨機(jī)化后，迭代地(1000次迭代)重新計(jì)算了分區(qū)和fNIRS-ALE元分析。

元分析共激活和靜息態(tài)功能連接

為了確定本研究的元分析結(jié)果在全腦功能背景下的作用，研究者使用元分析連接模型（MACM）在BrainMap數(shù)據(jù)上構(gòu)建了一個(gè)共激活網(wǎng)絡(luò)。由于MACM沒(méi)有提供有關(guān)區(qū)域間連接強(qiáng)度的信息，因而本研究評(píng)估了MACM網(wǎng)絡(luò)中的靜息態(tài)功能連接(RSFC)模式。

功能情境化

為了探索觀察到的激活模式的功能背景，研究者描述了與已建立的全腦靜息態(tài)網(wǎng)絡(luò)的關(guān)系，確定了本研究的INS發(fā)現(xiàn)與Neurosynth數(shù)據(jù)庫(kù)中標(biāo)記為功能域相關(guān)術(shù)語(yǔ)的生物行為域之間的關(guān)聯(lián)，最后評(píng)估了與INS相關(guān)構(gòu)建基礎(chǔ)的元分析網(wǎng)絡(luò)的關(guān)系。

生物情境化

然后，通過(guò)進(jìn)行一系列全腦空間相關(guān)性分析來(lái)探索INS的神經(jīng)生物學(xué)機(jī)制。簡(jiǎn)而言之，本研究首先評(píng)估了與神經(jīng)遞質(zhì)圖譜之間的關(guān)系，這些圖譜通過(guò)空間相關(guān)分析進(jìn)行量化，并對(duì)空間自相關(guān)和部分體積效應(yīng)進(jìn)行了校正。其次，基于從人類細(xì)胞標(biāo)記基因獲得的神經(jīng)元細(xì)胞類型分布的空間關(guān)聯(lián)驗(yàn)證了這些分析，使用神經(jīng)成像特異性方法進(jìn)行基因類別富集分析(GCEA)。為了評(píng)估這些分子和細(xì)胞水平系統(tǒng)在多大程度上可以解釋INS，本研究使用了優(yōu)勢(shì)分析(dominance analysis，或稱相對(duì)重要性分析)，這種方法量化了每個(gè)預(yù)測(cè)因子對(duì)多元回歸模型中總體解釋方差的相對(duì)貢獻(xiàn)。進(jìn)一步的GCEAs是針對(duì)INS相關(guān)的發(fā)育基因表達(dá)模式，與精神病理學(xué)的關(guān)系以及INS相關(guān)的分子過(guò)程。

結(jié)果

文獻(xiàn)檢索和數(shù)據(jù)提取

通過(guò)檢索大量INS相關(guān)術(shù)語(yǔ)，初步文獻(xiàn)檢索產(chǎn)生了2575條記錄，其中79篇出版物符合元分析的條件(圖2A為排除原因)。最終納入了14篇fMRI超掃描出版物，8篇fMRI偽超掃描出版物，54篇fNIRS超掃描出版物和3篇fNIRS偽超掃描出版物(圖2B)。INS焦點(diǎn)坐標(biāo)從上述出版物中提取，或從fNIRS探針設(shè)置的手動(dòng)重建中提取。

fMRI和fNIRS?INS實(shí)驗(yàn)的空間元分析

為了確定與INS一致相關(guān)的大腦區(qū)域，本研究對(duì)符合條件的fMRI和fNIRS實(shí)驗(yàn)中報(bào)告的INS大腦坐標(biāo)進(jìn)行了單獨(dú)的空間元分析。對(duì)于fMRI數(shù)據(jù)，本研究依賴于成熟的ALE方法，而對(duì)于fNIRS實(shí)驗(yàn)，本研究開(kāi)發(fā)了一種與ALE方法相當(dāng)?shù)脑治龀绦颉?br>

①fMRI超掃描研究揭示了INS的穩(wěn)健空間收斂性

ALE INS圖顯示大腦皮層分布主要集中在右側(cè)頂葉-顳葉-島葉區(qū)域。應(yīng)用標(biāo)準(zhǔn)體素水平閾值(p＜.001，未校正)后，在rTPJ和右側(cè)STG中出現(xiàn)了兩個(gè)具有顯著空間收斂性的團(tuán)簇。然后，采用更寬松的閾值(p＜.01)時(shí)，觀察到團(tuán)簇大小增加，并且在右側(cè)島葉增加了一個(gè)簇(圖3A)。敏感性分析證實(shí)了INS在rTPJ中的穩(wěn)健空間收斂性，表明團(tuán)簇在排除偽超掃描實(shí)驗(yàn)后仍然存在，在使用jackknife再抽樣方法排除單個(gè)實(shí)驗(yàn)時(shí)是穩(wěn)定的(圖3A)，并且對(duì)發(fā)表偏倚的潛在影響具有魯棒性(fail-safe-N為66)。在這些分析中，右側(cè)STG和島葉的團(tuán)簇并不穩(wěn)定。

②fNIRS超掃描研究揭示的INS空間收斂性

fNIRS數(shù)據(jù)的元分析結(jié)果顯示，右側(cè)顳下回、左側(cè)額下回和頂上回，以及右側(cè)STG與fMRI衍生的rTPJ團(tuán)簇存在重疊(圖3B)。結(jié)合來(lái)自22個(gè)fMRI和60個(gè)fNIRS實(shí)驗(yàn)的INS坐標(biāo)進(jìn)行探索性ALE分析，結(jié)果顯示有四個(gè)顯著的簇，包括rTPJ、左腹側(cè)額上回、以及右側(cè)額中回和額上回(圖3B)。fNIRS研究對(duì)前額葉團(tuán)簇和rTPJ團(tuán)簇均有貢獻(xiàn)。由fNIRS數(shù)據(jù)得出的替代指標(biāo)的評(píng)估進(jìn)一步指向雙側(cè)前額葉和左側(cè)顳頂葉腦區(qū)域。敏感性分析考慮了研究選擇的偏倚和fNIRS數(shù)據(jù)的空間不確定性，顯示了一般可比較的模式。然而，在fNIRS元分析中，左額上團(tuán)簇的穩(wěn)定性最高，而在fNIRS-fMRI聯(lián)合元分析中，左額上團(tuán)簇和rTPJ的穩(wěn)定性最高?？傊?，與先前的研究結(jié)果和INS模型一致，本研究確定了rTPJ是一個(gè)穩(wěn)定的、任務(wù)領(lǐng)域一般性的INS樞紐區(qū)域，并得到了fMRI和fNIRS數(shù)據(jù)的支持。fNIRS元分析還顯示左下PFC區(qū)域參與了INS。

INS相關(guān)的神經(jīng)元連接和生物行為關(guān)聯(lián)模式

為了在大規(guī)模腦網(wǎng)絡(luò)和生物行為域中建立已識(shí)別的INS樞紐區(qū)域的功能背景，本研究利用不同的開(kāi)放神經(jīng)成像數(shù)據(jù)庫(kù)進(jìn)行了一組大腦和任務(wù)功能關(guān)聯(lián)分析(圖1)。首先，從BrainMap數(shù)據(jù)庫(kù)構(gòu)建一個(gè)可能與rTPJ樞紐共同激活腦區(qū)的MACM網(wǎng)絡(luò)，并評(píng)估了該網(wǎng)絡(luò)中的RSFC模式。然后，為了探索觀察到的激活模式的功能背景并輔助解釋，本研究描述了與已建立的全腦靜息態(tài)網(wǎng)絡(luò)、Neurosynth數(shù)據(jù)庫(kù)中的生物行為域，以及先前發(fā)表的INS相關(guān)結(jié)構(gòu)(如社會(huì)互動(dòng)、共情和ToM以及預(yù)測(cè)編碼)的元分析網(wǎng)絡(luò)的關(guān)系。最后，本研究評(píng)估了rTPJ團(tuán)簇與rTPJ分區(qū)的關(guān)系。

①基于任務(wù)的共激活和靜息態(tài)連接網(wǎng)絡(luò)

148項(xiàng)BrainMap研究報(bào)告了rTPJ團(tuán)簇內(nèi)至少有一個(gè)激活焦點(diǎn)。元分析共激活網(wǎng)絡(luò)主要涉及雙側(cè)額顳葉皮層區(qū)域，最大的團(tuán)簇位于雙側(cè)TPJs、島葉和背外側(cè)PFC、輔助運(yùn)動(dòng)區(qū)和丘腦(圖3C)。在該網(wǎng)絡(luò)中，顳頂葉團(tuán)簇之間的RSFC最強(qiáng)，而皮層下區(qū)域顯示出主要與島葉而非TPJs樞紐區(qū)域的功能連接(圖3D)。另一項(xiàng)控制基線激活概率的分析也表明，TPJs是觀察到的INS相關(guān)網(wǎng)絡(luò)的唯一樞紐區(qū)域。比較INS-ALE圖和MACM圖的全腦模式，雙側(cè)TPJs、島葉和背側(cè)PFC在兩個(gè)圖中均顯示出最高的激活可能性，表明MACM網(wǎng)絡(luò)在INS中可能發(fā)揮了超越rTPJ激活的作用。根據(jù)區(qū)域間連接模式，rTPJ團(tuán)簇及其相關(guān)共激活網(wǎng)絡(luò)與默認(rèn)模式和注意力靜息態(tài)網(wǎng)絡(luò)的空間關(guān)聯(lián)最強(qiáng)(圖3E)。

②INS相關(guān)網(wǎng)絡(luò)的功能解碼

本研究觀察到rTPJ與ToM、行動(dòng)、觀察和社會(huì)互動(dòng)相關(guān)的主題之間存在顯著關(guān)聯(lián)。在全腦水平上，與注意力和感覺(jué)領(lǐng)域相關(guān)的主題關(guān)聯(lián)最強(qiáng)(圖3F)。與此一致的是，INS相關(guān)的激活顯示出與(情感)ToM和社會(huì)互動(dòng)網(wǎng)絡(luò)的總體一致性，并且與rTPJ后部亞單位的重疊相對(duì)較大，而后者本身之前與ToM和社會(huì)認(rèn)知有關(guān)。雖然預(yù)測(cè)編碼網(wǎng)絡(luò)不包括rTPJ，但它與INS相關(guān)的MACM網(wǎng)絡(luò)非常相似?？傊?，嵌入元分析INS的空間關(guān)聯(lián)分析是在大規(guī)模腦網(wǎng)絡(luò)環(huán)境下的結(jié)果，主要與注意、感覺(jué)和心智化過(guò)程有關(guān)。雖然TPJs再次作為樞紐區(qū)域出現(xiàn)，但我們不能排除INS也可能存在于主要涉及島葉、PFC和丘腦等擴(kuò)展的INS相關(guān)網(wǎng)絡(luò)中。

INS與神經(jīng)生理腦系統(tǒng)的關(guān)系

為了將元分析方法從宏觀層面的腦區(qū)擴(kuò)展到中、微觀層面的神經(jīng)生理功能，從而識(shí)別潛在INS的生物學(xué)過(guò)程，本研究進(jìn)行了一系列全腦空間關(guān)聯(lián)分析。首先通過(guò)神經(jīng)遞質(zhì)圖譜的空間相關(guān)性評(píng)估了INS和神經(jīng)遞質(zhì)系統(tǒng)之間的關(guān)系。使用GCEA，確定了INS相關(guān)的神經(jīng)元細(xì)胞類型，測(cè)試了INS與精神病理學(xué)之間潛在基因介導(dǎo)的關(guān)聯(lián)，量化了神經(jīng)發(fā)育過(guò)程中INS相關(guān)基因的區(qū)域富集，并確定了INS相關(guān)的分子過(guò)程。

①與神經(jīng)遞質(zhì)系統(tǒng)和神經(jīng)元細(xì)胞類型的空間關(guān)聯(lián)

本研究觀察到INS與GABA能(GABAA)和mGluR5受體的分布以及INS與突觸密度(SV2a)之間存在顯著的空間正相關(guān)。在沒(méi)有FDR校正的情況下，INS進(jìn)一步與5-羥色胺能(5-HT2A)和膽堿能成分(M1；圖4A)相關(guān)。其余的神經(jīng)遞質(zhì)圖譜無(wú)顯著相關(guān)。此外，GCEA表明與特定的興奮性神經(jīng)元類別Ex3，以及兩類抑制性神經(jīng)元In5和In6顯著相關(guān)(圖4B)。優(yōu)勢(shì)分析包括所有FDR校正的顯著核成像和細(xì)胞類型圖，顯示總體解釋方差為31.4%，其中Ex3的相對(duì)貢獻(xiàn)最強(qiáng)(26.2%)，其次是GABAA(19.8%)和mGluR5(18.5%)。

②與發(fā)育基因表達(dá)、遺傳疾病標(biāo)志物和分子過(guò)程的空間關(guān)聯(lián)

在29個(gè)類別中發(fā)現(xiàn)了顯著的發(fā)育基因富集，揭示了一種(從出生后階段就可以檢測(cè)到，但)在成人皮層感覺(jué)腦區(qū)比較明顯的基因表達(dá)模式(圖4C)。值得注意的是，沒(méi)有發(fā)現(xiàn)產(chǎn)前或皮層下區(qū)域的顯著富集。此外，INS與神經(jīng)發(fā)育障礙和繼發(fā)性情感障礙相關(guān)的基因密切關(guān)聯(lián)(分別為9/16和5/16；圖4D)。最后，基于與INS分布空間相關(guān)的474個(gè)GO類別的語(yǔ)義聚類分析顯示了與神經(jīng)元和一般細(xì)胞發(fā)育以及神經(jīng)元信號(hào)傳遞相關(guān)的過(guò)程?？傊?，本研究的結(jié)果指出了INS的神經(jīng)生理學(xué)基礎(chǔ)，主要包括參與感覺(jué)處理的抑制性和興奮性神經(jīng)元系統(tǒng)。與此相一致的是，INS相關(guān)基因①在出生后大腦發(fā)育開(kāi)始時(shí)的皮層感覺(jué)腦區(qū)中表達(dá)最多，②并且先前有研究發(fā)現(xiàn)這些基因主要與神經(jīng)發(fā)育障礙相關(guān)。

結(jié)論

近年來(lái)，大腦活動(dòng)的同步已被認(rèn)為是人類社會(huì)關(guān)系發(fā)展的重要機(jī)制，也是多種神經(jīng)精神疾病發(fā)病的潛在因素?；诒狙芯康亩嗄B(tài)數(shù)據(jù)融合方法產(chǎn)生的結(jié)果(見(jiàn)圖5)，假設(shè)人類INS與社會(huì)注意加工密切相關(guān)，rTPJ在大腦系統(tǒng)水平上作為感覺(jué)整合樞紐，并可能在神經(jīng)生理水平上受GABA介導(dǎo)的E/I平衡促進(jìn)。

本研究結(jié)果證實(shí)了rTPJ和左側(cè)IFG在促進(jìn)INS方面的核心作用。這兩個(gè)區(qū)域都被認(rèn)為是交互式社會(huì)注意系統(tǒng)的中心樞紐，被認(rèn)為可以在互動(dòng)的伙伴之間實(shí)現(xiàn)“耦合”。與許多群居物種一樣，人類的個(gè)體間同步性放大了社會(huì)和諧和情感紐帶，并且有意和自發(fā)地出現(xiàn)。我們的行為通過(guò)環(huán)境進(jìn)行傳播，我們大腦的感覺(jué)系統(tǒng)在神經(jīng)元注意網(wǎng)絡(luò)的支持下，有節(jié)奏地從環(huán)境中采樣信息，并能夠檢測(cè)到這些行為。將一個(gè)人的行為與另一個(gè)人的感知同步，反之亦然，可能會(huì)導(dǎo)致大腦振蕩的人際同步。rTPJ可以作為大腦處理注意信息的樞紐，并將這些信息整合到更廣泛的環(huán)境中，與控制選擇性注意、反應(yīng)行為、精神狀態(tài)推斷和情感反應(yīng)相關(guān)的大腦網(wǎng)絡(luò)進(jìn)行通信。在神經(jīng)生理學(xué)上，這些人際同步振蕩可能源于GABA介導(dǎo)的E/I平衡，接受來(lái)自丘腦傳入的感覺(jué)輸入。了解INS的工作原理也將有助于我們理解其機(jī)制是如何失效的，這可能對(duì)我們?nèi)绾卧趥€(gè)人和社會(huì)層面上看待和對(duì)待無(wú)序的社會(huì)互動(dòng)產(chǎn)生重要影響?？偠灾?，本研究的方法證明了多模態(tài)關(guān)聯(lián)分析的價(jià)值，不僅對(duì)精神病學(xué)研究，而且對(duì)推進(jìn)典型發(fā)展人群的當(dāng)前認(rèn)知模型都非常有意義。研究者在設(shè)計(jì)這項(xiàng)研究時(shí)也考慮到了資源的再利用，為類似的未來(lái)研究/工作提供了一條途徑。

原文：Revealing the Neurobiology Underlying Interpersonal Neural Synchronization with Multimodal Data Fusion.

https://doi.org/10.1016/j.neubiorev.2023.105042

小伙伴們點(diǎn)星標(biāo)關(guān)注茗創(chuàng)科技，將第一時(shí)間收到精彩內(nèi)容推送哦～