空间工作记忆策略在控制网络和默认模式网络中的激活差异

摘要

空间位置可以通过不同的表征方式和策略在工作记忆中进行编码和维持。精细的表征方式提供了详细的刺激信息，但对认知要求较高，并且容易出现不准确的情况。精细表征中的不确定性可以通过使用粗略但稳健的类别表征来补偿。本研究采用个体差异法来识别空间工作记忆中精细表征和类别表征的大脑活动相关性。结合来自六项fMRI研究的数据，共纳入155名(77名女性，年龄25±5岁)健康参与者执行空间工作记忆任务。研究结果显示，个体工作记忆中的空间表征差异与不同的大脑活动模式有关。更高的精细表征精度与整个任务过程中注意力和控制系统的更大激活相关联，同时在刺激编码期间默认网络的去激活更强。相比之下，类别表征与编码期间较低的默认网络活动和维持期间较高的额顶网络激活相关。这些结果可能表明，与类别表征相比，精细表征需要投入更多的注意资源以及需要较强的抗干扰能力。

引言

关于工作记忆的研究表明，为了支持正在进行中的任务，个体在短时间内会调用各种不同的表征和策略来编码和维持信息。心理表征描述了工作记忆中编码的信息内容，而认知策略则是指个体在执行工作记忆任务时所选择的心理表征和过程。工作记忆中使用的具体表征和策略取决于多种因素，例如需要保留的信息类型、生成响应的类型和可预测性、注意资源的可用性以及行为相关性。越来越多的研究表明，即使面对相同的任务要求，个体也可能使用不同的表征和策略来完成任务。在这里，本研究使用功能磁共振成像(fMRI)以及多个研究和多个站点的数据，来探讨个体在使用工作记忆策略时的神经相关性差异。

空间工作记忆能够在短时间内存储空间信息，比如刺激的位置。大量研究表明，刺激位置的记忆会受到系统性偏差的影响。这些系统性偏差被认为揭示了空间表征的层级组织。根据类别调整模型，刺激位置的编码和维持分为两个层级——第一，作为精确的、细粒度的表征，存储实际位置的信息；第二，作为类别表征，将刺激位置分配到有限数量的空间类别(例如象限)之一。该模型认为，刺激位置的估计是通过结合两个层次的信息来实现的，其中类别表征有助于补偿精细表征中的精确度损失。尽管这一过程引入了系统性偏差，但它被认为可以通过降低反应的变异性来提高整体反应的准确性。在神经层面，动态场理论认为，空间边界通过侧向抑制效应影响记忆引导的行为反应，使得工作记忆中的目标刺激激活向相反方向偏移。

对空间位置的精细编码和类别编码的依赖程度与个体认知资源的可变性有关。在先前的研究中，我们分别估计了精细表征和类别表征在执行空间工作记忆任务时的使用情况，同时测量了瞳孔反应。我们假设瞳孔扩张的增加反映了在形成和维持精细或类别表征时所投入的认知努力。该研究结果与个体对精细和类别表征的补偿性使用一致，当注意力资源减少影响精细表征时，个体会在任务后期更多地依赖类别表征。此外，那些精细表征能力较差的个体也通常更多地使用类别表征，这表明在特定表征和策略的使用方面存在稳定的个体差异。

尽管精细和类别空间编码具有广泛的行为和计算特征，但对其潜在的神经生理机制仍知之甚少。根据非人类灵长类动物的电生理记录和人类fMRI测量结果发现，空间工作记忆均表现为前额叶和顶叶脑区的持续激活。这种活动被认为反映了这些脑区在工作记忆过程中的积极参与；然而，这种活动的具体功能则较难确定。将大脑活动与工作记忆任务的行为表现联系起来的一项fMRI研究表明，大脑活动会随反应精度、特定策略使用、一般记忆负荷和行为优先级的变化而变化。

在之前的fMRI研究中，我们调查了视觉工作记忆任务中反应准确性与大脑活动之间的关系。研究结果显示，在刺激编码期间，颞顶交界处(TPJ)和默认网络的去激活程度越强，工作记忆表现的准确性越高。由于在进行需要更高认知努力的任务或者需要抑制干扰信息时，TPJ和默认网络的激活会显著减少，这表明这些脑区的抑制可能与确保良好的记忆准确性和防止干扰所需的认知努力增加有关。然而，这项研究使用了非空间视觉刺激和匹配样本反应，因此无法估计精细表征和类别表征对行为反应的独立贡献。总的来说，精细和类别空间编码所涉及的大脑系统及其相关机制还有待确定。

为此，本研究使用fMRI测量考察了个体在执行空间工作记忆任务期间的大脑活动。大脑-行为关系的个体差异研究所面临的一个方法学挑战是效应量较小，这需要使用较大的样本量来进行检测。为了克服这一挑战，本研究结合了来自两个不同记录站点的六项fMRI研究。共纳入了155名(77名女性，平均年龄25±5岁)健康个体的数据，这大大超过了类似研究的平均样本量(约25名参与者)。通过分析参与者在任务中的行为表现，本研究评估了每个参与者对精细表征和类别表征的整体依赖程度。然后，将个体使用精细和类别表征的情况与大脑活动水平的差异相关联。

材料和方法

参与者

本研究结合了六项研究的数据(图1A)。其中三项研究(研究I-III)的数据是在卢布尔雅那大学进行采集，另外三项研究(研究IV-VI)的数据在耶鲁大学进行采集。每项研究有11到37名参与者，总共有166名参与者。所有参与者均为健康成人，当前或既往无神经、精神或药物使用障碍。排除标准还包括MR禁忌症(如体内存在金属植入物或任何其他金属颗粒、癫痫发作史、震颤或其他运动障碍以及妊娠)。所有参与者的视力正常或矫正至正常。由于存在数据收集不完整(N=5)、数据收集过程中未遵循指令(N=1)、数据质量差或在数据收集过程中移动过多(N=2)的因素，一些参与者的数据被排除在进一步分析之外。为了确保样本的同质性，本研究剔除了与组平均年龄相差较大的参与者(即大于3倍标准差，N=2)。此外，还排除了一个异常的神经影像数据(N=1)。剩余的155名参与者(77名女性，25±5岁)用于进一步分析。大多数参与者为右利手(90.9%)，其余参与者为左利手(11名参与者，7.14%)或左右利手(3名参与者，1.95%)。所有参与者在执行行为任务时使用其惯用手。在完成空间工作记忆任务的同时，使用fMRI测量参与者的大脑活动。

图1.数据集结构和行为方法概述。

空间工作记忆任务

这些研究在空间工作记忆任务的具体细节上略有不同，每项研究包含不同的任务条件。出于本文的目的，本研究仅分析了各研究中最具可比性的任务条件。重点关注要求参与者记住一个短暂呈现的目标位置，并在短暂延迟后使用操纵杆将探头移动到该位置的任务条件(图1B)。尽管各研究的任务设计略有差异，但任务的目标始终相同——每个试次中必须记住、保持并用操纵杆重现单个刺激的位置。任务在一个与MRI兼容的屏幕上显示，参与者通过头部镜子可以从MRI扫描仪中看到这个屏幕。具体的屏幕尺寸和分辨率根据记录地点和研究而异。使用自定义脚本编写任务，并在PsychoPy(研究I-III)或E-Prime 2.0(研究IV-VI)中运行。参与者使用与MRI兼容的操纵杆(Hybridmojo LLC，Washington，USA)进行响应。

不同研究的空间工作记忆任务在任务事件的时间进程和目标位置的精确范围上存在差异。在三项研究(研究I-III)中，试次以屏幕中心的固定点呈现(2.5s)开始，随后短暂呈现一个目标圆盘刺激。在另外三项研究(研究IV-VI)中，试次直接以目标圆盘刺激的呈现开始。目标刺激的呈现时间在0.1-2s之间，具体视研究而定。目标刺激被呈现在不同的位置，这些位置是伪随机选择的，从20到36个不同的可能位置。目标位置的选择使得每位参与者从屏幕中心的目标幅度(即径向距离)是恒定的，而屏幕中心的目标角度在同一参与者的不同试次之间是不同的。目标刺激从未出现在主要轴线上。要求参与者记住目标刺激的确切位置。在一项研究(研究I)中，目标刺激呈现之后会跟随一个掩蔽模式(0.05s)，目的是干扰图像的视觉记忆。在所有研究中，目标呈现之后都跟随一个延迟期(8-10.4s)，在此期间屏幕中心呈现一个注视点，要求参与者注视该点。在三项研究(研究IV-VI)中，要求参与者在注视十字的颜色发生变化时按下按钮，颜色变化随机出现在50%的试次中。在延迟之后，屏幕中心会出现一个探针(即大小与目标刺激相同但颜色不同的圆盘刺激)，参与者被指示使用操纵杆将探针移动到之前呈现的目标刺激位置上，尽可能准确。各试次之间的间隔(ITI)要么是固定时长(研究IV-VI)，要么是随机变化(研究I-III)，以便更好地进行任务相关的fMRI信号分解。各研究中的参与者完成了20到80个任务试次，这些试次被分成了1到4个block。

fMRI采集、预处理和分析

fMRI数据使用Philips Achieva 3TX(研究I-III)、Siemens Tim Trio(研究IV)和Siemens Prisma(研究IV-VI)扫描仪采集。使用T2*加权回波平面成像序列获取了T1和T2加权结构图像以及一些BOLD图像。此外，还收集了具有反向相位编码的自旋回波图像对，以便在数据预处理过程中进行畸变校正。不同研究中特定图像的采集参数不同，详见补充材料表S3。

采用定量神经成像环境与工具箱(QuNex)对MRI数据进行预处理和分析。分析和可视化的多个步骤是使用R(Team 2022)、Matlab(R2021a，Natick，Massachusetts，USA)和Connectome Workbench(HCP，Washington University，St. Louis，Missouri，USA)进行编写的。使用人类连接组计划(HCP)最小预处理管道对MR图像进行预处理。具体来说，对结构图像进行磁场畸变校正并与MNI图谱配准，将脑组织分割为白质和灰质，并重建皮层表面。对功能BOLD图像进行时间层对齐、空间畸变校正、运动校正、与MNI图谱配准，将BOLD信号映射到联合表面体积表示(CIFTI)并进行空间平滑(σ=4mm)。对“密集”的全脑数据(即每个灰度坐标)进行了进一步分析。

本研究使用一般线性建模方法进行激活分析，其中事件回归量与假定的双γ血流动力学响应函数卷积。对于每位参与者，分别对任务试次的每个阶段进行建模。具体而言，本研究估计了编码、延迟和反应阶段的β系数。对于研究IV-VI，本研究还分别对出现在延迟中期的注意线索进行了建模。根据行为数据分析的离群反应试次，这些试次被建模为独立事件，并使用非假设建模方法，将其从fMRI数据的组水平统计分析中排除。此外，本研究对运动参数、其一阶导数以及平方运动参数进行了建模，以校正由于运动引起的信号伪影。为了识别基于脑活动的离群数据，本研究计算了每位参与者的编码、延迟和反应活动β图与相应的组平均β图之间的Pearson相关系数。识别出一名偏离组平均β图超过3倍标准差的参与者，并将其排除在进一步分析之外。

为了确定任务期间的显著激活和去激活情况，接下来使用PALM中的置换检验(500次置换) 在组水平上分析β估计值。为了检验灰质坐标数据的β估计值的显著性，本研究使用TFCE(H=2，E=0.5，C=26)进行双侧单样本t检验，并进行FWE校正。为了检验基于分区数据的β估计值的显著性，本研究进行了双侧单样本t检验，并使用FDR校正。校正后的P值图在全脑校正显著性水平α＜0.05下进行阈值处理。

脑-行为关系的估计

为了估计特定网络中的脑活动与行为测量之间的关系，本研究进行了贝叶斯双层线性建模，并考虑了记忆不准确性和原型偏差因素。模型通过使用R中的概率编程语言Stan进行数值估计。为了获得标准化的β系数，并便于比较行为因素、脑活动估计、记忆不准确性和原型偏差之间的结果，本研究对所有参与者的数据进行了标准化处理(μ=0，σ=1)。为了研究样本量对脑-行为关系检测的影响，本研究对样本大小范围从15-155名参与者的数据进行了贝叶斯线性建模。通过从所有参与者中进行有放回抽样生成了1000个样本。然后，对每个单独样本执行贝叶斯双层正态线性模型。

结果

使用空间编码策略的个体差异

本研究首先检查了在不同目标角度下的反应错误模式，以识别空间工作记忆表现过程中是否存在使用类别表征的行为指标。研究结果发现，参与者的反应系统性地偏向最近的对角线，而偏差在目标角度离对角线更远时更为明显(图2A-B)。这一发现表明，参与者使用了类别表征，他们根据屏幕的四个象限来定义空间类别，这些象限由垂直和水平轴划分。

图2.空间工作记忆表现的系统偏差和个体差异。

为了分别测量精细表征和类别表征在空间工作记忆中的贡献，本研究接下来根据响应建模得出了两个行为测量指标——记忆不准确性和原型偏差。本研究使用记忆不准确性作为精细表征精度的衡量指标，使用原型偏差作为衡量参与者依赖类别表征程度的指标。对于每个行为测量指标，计算了每个参与者的平均估计值，这个估计值反映了他们对精细和类别表征的使用情况(图2C)。然后，使用Pearson相关系数来评估这两个测量指标在不同参与者之间的相关性。结果显示，记忆不准确性与原型偏差之间存在显著正相关(P＜0.001；图2D)，这表明，那些在空间工作记忆中更多依赖类别表征的参与者，其精细表征的精确度较差，反之亦然。

不同脑区的任务相关激活

在分析fMRI数据时，首先检查了任务试次不同阶段(即编码、延迟和反应阶段)中激活或去激活的脑区。在试次的所有阶段，额叶、顶叶和枕叶皮层等多个脑区存在显著激活(即多重比较校正后的P＜0.05)。在小脑、丘脑、壳核、尾状核和脑干等皮层下区域也观察到了激活。阶段特异性激活主要体现在初级和腹侧流视觉区域，在这些区域只有在编码和反应阶段才观察到广泛的激活。在所有阶段中均观察到后扣带皮层、内侧前额叶和额下回出现了显著的去激活。在延迟和反应阶段还观察到外侧颞叶皮层的去激活，而仅在延迟阶段观察到下顶叶皮层、初级和腹侧流视觉区域的去激活。皮层下去激活主要发生在小脑、海马体和杏仁核的延迟和反应阶段。

为了研究功能脑区和网络内活动的整合及其对任务的平均响应，本研究还对fMRI数据进行了激活分析。具体来说，本研究分析了基于HCP-MMP1.0分区的皮层区域以及基于Cole-Anticevic网络划分的皮层下区域。基于分区数据的结果显示了与任务相关的显著激活和去激活(图3A)。在编码阶段，观察到初级和次级视觉网络、躯体运动网络、扣带盖网络、背侧注意网络、额顶叶网络、语言网络以及后部和腹侧多模态网络的活动增加。去激活仅在默认网络中观察到。在延迟阶段，次级视觉、躯体运动、扣带盖、背侧注意和后部多模态网络中显示出显著激活。相反，在延迟阶段，默认网络、腹侧多模态网络和眶额情感网络的活动减少。最后，反应阶段的特征是初级和次级视觉网络、躯体运动、扣带盖、背侧注意、额顶叶、听觉、后部和腹侧多模态网络具有明显的激活。同样，仅在默认网络中观察到显著的去激活。

图3.与个体空间工作记忆表现相关的平均脑网络活动。

个体在空间编码策略上的差异反映在大脑活动中

接下来，本研究考察了个体在使用精细和类别表征方面的差异是否反映在大脑活动中。为此，本研究使用贝叶斯线性模型并基于记忆不准确性和原型偏差的测量来预测感兴趣的脑网络活动(图3B)。本研究重点关注网络内的平均活动，(i)以识别在使用不同空间编码策略时大脑系统的参与情况，(ii)并增加分析的效应大小和统计功效。具体来说，本研究在不同的任务阶段(图3C)分别考察了扣带盖网络、背侧注意网络、额顶叶网络和默认网络的脑-行为关系。

在任务的编码阶段，结果显示，记忆不准确性与扣带盖网络和背侧注意网络活动之间呈负相关的后验概率分别为98.2%和100%。这些结果表明，扣带盖网络和背侧注意网络中的编码相关活动增加与记忆不准确性降低有关，即与记忆精确度的提高有关。本研究还发现，记忆不准确性与默认网络活动之间呈正相关的后验概率为96.2%，这表明默认网络活动减少与记忆精确度提高相关。将编码相关活动与原型偏差关联时，发现原型偏差与默认网络活动之间呈负相关的后验概率为98.5%，表明默认网络活动减少与原型偏差增加有关。

在延迟阶段，结果显示记忆不准确性与扣带盖网络、背侧注意网络和额顶叶网络活动之间呈负相关的后验概率分别为98.8%、99.9%和95.1%。这一结果再次表明，在空间工作记忆表现过程中，记忆精确度的提高与这些网络活动的增加有关。另一方面，原型偏差与额顶叶网络和默认网络活动之间呈正相关的后验概率分别为96.4%和90.9%。这些关系表明，额顶叶网络的活动增加以及默认网络的去激活减弱与空间工作记忆任务中的原型偏差增加相关。

将反应阶段相关活动与记忆不准确性进行关联的结果显示，记忆不准确性与扣带盖网络和背侧注意网络活动之间呈负相关的后验概率分别为98.5%和98.8%。结果还显示，原型偏差与扣带盖网络活动之间呈正相关的后验概率为92.6%。这些结果表明，这些网络中反应相关活动的增加与记忆精确度的提高以及原型偏差的增加相关。本研究还观察到原型偏差与默认网络活动之间呈负相关的后验概率为92.7%，这表明该网络活动的减少与原型偏差的增加相关。

结论

本研究发现个体在使用精细表征与类别表征来编码和维持工作记忆空间位置的程度上存在差异，这些差异与任务试次的编码、延迟和反应阶段所涉及的大脑网络激活有关。从行为上看，那些精细度较低的个体更多地依赖于类别表征，从而导致了更高的类别偏差。在整个任务试次中，注意力和控制网络的激活程度增加，以及默认网络的去激活，可能反映了注意力资源在成功编码、维持和回忆精细表征中的重要性。相反，使用类别表征与编码阶段的默认网络活动较低，以及延迟阶段的额顶叶网络激活较高有关。这些结果强调了在研究复杂认知功能(如工作记忆)时，需要考虑个体在使用特定表征和策略上的差异，这种个体差异方法可以在研究脑行为关系时提供有价值的见解。

参考文献：Nina Purg Suljič, Aleksij Kraljič, Masih Rahmati, Youngsun T Cho, Anka Slana Ozimič, John D Murray, Alan Anticevic, Grega Repovš, Individual differences in spatial working memory strategies differentially reflected in the engagement of control and default brain networks, Cerebral Cortex, Volume 34, Issue 8, August 2024, bhae350, https://doi.org/10.1093/cercor/bhae350

小伙伴们关注茗创科技，将第一时间收到精彩内容推送哦～