认知需求下脑结构-功能网络耦合模式揭示智力相关的神经通讯策略

本研究通过整合扩散加权成像(DWI)和功能磁共振成像(fMRI)数据，创新性地探究了764名受试者在静息态与认知任务中脑结构-功能网络耦合(SC-FC coupling)与一般智力的关系。研究人员采用相似性和通讯测量方法，发现任务诱导的SC-FC耦合模式能显著预测个体智力水平，尤其在认知需求高的任务中预测效果最佳。该研究揭示了大脑通过区域特异性信号调整支持高效信息处理的神经机制，为理解智力差异的生物学基础提供了新视角。

　　

人类智力作为影响认知表现的核心能力，其神经机制一直是脑科学研究的焦点。传统理论如顶额整合理论(P-FIT)和多需求系统(MD)强调了特定脑区的重要性，而新兴的网络神经科学观点则关注全脑网络特性。然而，现有研究多局限于单一模态分析，对结构(SC)与功能(FC)网络动态协同机制的探索不足，特别是任务状态下SC-FC耦合如何支持智力差异仍不清楚。

德国维尔茨堡大学等机构的研究团队在《Communications Biology》发表研究，通过Human Connectome Project(HCP)和Amsterdam Open MRI collection(AOMIC)的1070名受试者数据，首次系统评估了静息态与7种认知任务中SC-FC耦合的智力预测效能。研究采用多模态分区方案(358脑区)，计算余弦相似性(CoS)、路径长度(PL)、通讯能力(G)和搜索信息(SI)四种耦合指标，结合双因子模型提取的g因子，开发了节点-测量分配预测框架(NMA)。

关键方法

1. 基于HCP的DWI和fMRI数据构建个体化SC/FC网络
2. 采用四种通讯策略模型量化SC-FC耦合强度
3. 通过双因子分析从12项认知测试提取潜在g因子
4. 开发Basic/Expanded NMA预测模型进行5折交叉验证
5. 在锁箱样本和独立队列(AOMIC)中进行重复验证

结果

最高结构-功能耦合出现在静息态
全脑平均分析显示，静息态的SC-FC耦合强度显著高于所有任务状态(p<0.001)，而情绪处理任务耦合最低。相似性指标CoS的预测效能最优，通讯指标SI表现最弱，证实不同脑区存在信号传递策略异质性。

跨任务一致的耦合空间模式
静息态耦合呈现"单模态区高耦合-多模态区低耦合"的典型分布，该模式在不同任务中保持高度相似(平均r=0.91)。但任务诱导的耦合模式与静息态差异显著大于任务间差异(p<0.001)，提示任务调整主要基于固有架构的精细修饰。

情绪任务耦合与智力显著相关
全脑水平上，仅情绪处理任务的SC-FC耦合与g因子呈正相关(r=0.11-0.15, p<0.0125)，支持神经效率假说在低认知负荷任务中的适用性。

区域特异性预测效能
Basic NMA模型显示，工作记忆(r=0.25)和社会认知任务(r=0.22)的预测效能显著优于运动任务(p<0.05)。整合所有任务的Expanded NMA模型达到最佳预测(r=0.27, R²
=0.07)，验证了多任务协同的优势。

讨论与意义
该研究首次揭示了SC-FC耦合存在"默认-任务"双模式组织：静息态反映解剖约束的最大化耦合，而认知任务诱发智力相关的区域特异性调整。高智力个体在低负荷任务中更依赖固有结构通路，而在复杂任务中则灵活切换通讯策略，这种动态重组能力可能是高效信息处理的神经基础。方法学上，通过特征层面的多模态整合(NMA框架)克服了传统模型级联的过拟合风险，为脑行为预测提供了新范式。

研究局限性包括样本年龄范围较窄、任务复杂度有限等。未来可结合自然范式电影和纵向设计，探索SC-FC耦合在发育和衰老中的演变规律。这项研究为理解智力差异的神经机制提供了全新视角，证实全脑网络动态重组能力是认知适应性的关键生物学标记。