编辑推荐：
在研究人类大脑皮质功能网络发展时，研究人员面临用成人模型描述婴儿功能连接（FC）不准确的问题。为此，华盛顿大学和北卡罗来纳大学等机构人员开展研究。结果发现部分婴儿皮质区域有成人样网络模式，这为研究婴儿 FC 提供新方法，有重要意义。
大脑，这个人体最为神秘且复杂的 “器官指挥官”，一直是科学家们探索的焦点。其中，大脑皮质的功能网络就像精密的 “电路系统”，支撑着人类从感知外界信息，到控制身体运动，再到进行复杂思考和产生情感等一系列高级功能。随着研究的深入，科学家们发现，这个 “电路系统” 从婴儿期开始就踏上了漫长的发育之旅，逐渐从 “雏形” 发展为成人的成熟模样。
然而，在探索婴儿大脑功能网络的过程中，研究人员遭遇了难题。以往研究常用成人网络模型来解读婴儿的神经成像数据，这一做法虽有促进交流等好处，但弊端也很明显。直接套用成人的 “电路布局” 去理解婴儿大脑，就像给婴儿穿上不合身的衣服，不仅容易混淆不同功能网络的信号，还会降低研究的准确性和统计效能。另外，还有一种数据驱动的方法，可以为每个发育阶段构建特定的功能网络模型，但这些模型缺乏生物学验证，就像没有经过校准的仪器，其实际作用和可解释性都不明确。在这样的背景下，开展一项深入研究，明确成人网络模型与婴儿大脑的契合程度，找到更合适的研究方法，就显得尤为迫切。
为了解开这些谜团，华盛顿大学、北卡罗来纳大学等研究机构的研究人员展开了一项严谨的研究。他们的研究成果发表在《Developmental Cognitive Neuroscience》杂志上，为该领域带来了新的曙光。
研究人员收集了 120 名健康年轻成人（19 - 32 岁）和 181 名典型发育婴儿（8 - 60 个月）的功能磁共振成像（fMRI）数据。在数据处理方面，针对成人和婴儿数据的特点，分别采用了优化的预处理流程，以确保数据的高质量。之后，通过特定的算法将大脑皮质划分为多个区域，并构建功能连接矩阵，以此来量化不同区域之间的功能连接强度。为了评估网络模型与实际功能连接的匹配程度，研究人员引入了轮廓系数（SI）等指标 。
下面来看看具体的研究结果：
- 成人和婴儿功能连接聚类的最佳描述模型：研究发现，成人网络（“Gordon”）和婴儿网络（“Kardan”）在描述各自群体的功能连接聚类时各有优势。成人网络更适合描述成人的功能连接模块化组织，而婴儿网络在描述婴儿的功能连接时表现更优。不过，即使在婴儿数据中，成人网络也能捕捉到部分特征，只是相对较弱。
- 部分区域在发育过程中呈现成人样网络组织：研究人员筛选出了部分在婴儿期就呈现出成人样网络组织的区域，这些区域跨越了多个成人网络。使用这些区域进行分析时，发现其功能连接在婴儿和成人中都具有更高的一致性，而且受年龄的影响较小。这表明这些区域可能是成人网络早期发育的 “基石”。
- 1 - 2 岁婴儿功能连接组织的变化：通过对 1 - 2 岁婴儿的研究发现，随着年龄增长，成人网络和婴儿网络在描述婴儿功能连接时的差异逐渐减小。这一变化趋势反映了婴儿大脑功能网络在这一阶段逐渐向成人模式发展的过程。
- 成人样网络组织区域与高共识区域的空间关系：研究人员还发现，具有成人样网络组织的区域在空间上更接近成人个体中网络身份一致性高的区域。这一发现暗示了这些区域在大脑功能网络发育中的重要性和稳定性。
- 功能连接的可靠性和一致性：对功能连接的测试重测信度分析显示，基于上述特定区域定义的功能连接在扫描内和扫描间的可靠性更高，而且在不同个体之间也表现出更高的一致性。这说明这些区域的功能连接模式更为稳定，有助于提高研究的可靠性。
在讨论部分，研究人员深入探讨了这些结果的意义。一方面，明确了成人和婴儿网络组织存在相似性和差异，婴儿的功能连接数据并非杂乱无章，而是有着独特的模块化组织。另一方面，确定的这部分稳定区域为研究大脑发育提供了新的视角，它们可能构成了成人网络的早期框架。此外，研究还发现功能网络稳定性的区域差异可能与大脑成熟的先后顺序、兴奋性和抑制性特征的表达差异等有关，这对于理解大脑发育的机制以及寻找潜在的生物标志物具有重要意义。
从研究方法上看，研究人员主要运用了以下关键技术：首先是数据采集技术，收集了华盛顿大学 120 名成人和婴儿连接组项目（BCP）中 181 名婴儿的 fMRI 数据；其次是数据预处理技术，针对不同数据集进行优化处理；然后是网络划分和量化技术，使用特定算法划分区域、构建矩阵并计算 SI 等指标；最后是统计分析技术，如计算 ICC 评估可靠性等。
总体而言，这项研究意义重大。它打破了以往对婴儿大脑功能网络研究的局限性，为后续研究提供了更科学、更可靠的研究方法和思路。未来，研究人员可以进一步探究这些区域的生物学特性，以及它们在神经发育相关疾病中的潜在作用，为揭示大脑发育的奥秘和防治相关疾病奠定坚实基础。
