摘要：理解人类大脑的复杂功能如何从其解剖学结构中产生，一直是神经科学领域研究中的重要议题。近日，Nature Reviews Neuroscience上发表了一篇综述文章，为我们提供了一个全新视角，探讨了大脑结构和功能耦合的机制、影响因素，以及未来的发展方向。

关键词：复杂脑网络，结构-功能耦合，神经动力学，多模态

理解人类大脑的复杂功能如何从其解剖学结构中产生，一直是神经科学领域研究中的重要议题。近日，Nature Reviews Neuroscience上发表了一篇综述文章，为我们提供了一个全新视角，探讨了大脑结构和功能耦合的机制、影响因素，以及未来的发展方向。

大脑的结构与功能：什么是耦合？

人类大脑拥有复杂的解剖结构和功能网络，这些网络之间的协作是我们日常行为、认知和感知的基础。结构网络主要反映连接不同脑区之间的白质纤维束数目，由扩散加权磁共振序列得到，提供“大脑的硬件基础”。而功能网络则是“硬件上的运行程序”，反映不同脑区之间的动态信息交流，来自静息状态或任务态下的功能磁共振成像。结构–功能耦合（Structure–Function Coupling）指的是结构连接和功能连接之间的关系程度。例如，两个解剖连接较强的脑区是否也会表现出功能活动的强相关性。二者之间的耦合研究可以有助于揭示大脑如何同时实现稳定性与灵活性。

图1. 脑区结构-功能耦合计算方法。由相应磁共振序列得到结构、功能原始数据，经过纤维束重建、活动信号提取等处理后，计算不同脑区之间的结构、功能连接强度值。最后计算结构、功能连接之间的相关性，得到二者之间耦合强度，即为SFC。

结构-功能耦合研究的科学进展

文章总结了近年来在人类大脑结构与功能耦合研究中的几个重要进展：

(1) 空间维度的分层耦合

研究发现，大脑的结构–功能耦合并非均匀分布。大脑处理单一模态数据的区域具有较强的耦合，如初级视皮层、感觉运动皮层，皮层下的壳核和尾状核；而大脑的跨模态关联区则表现出弱耦合，如顶叶、岛叶、前扣带和颞叶皮层，以及边缘和默认模式网络，即功能活动并不严格依赖解剖连接。一个大脑区域的自发活动与底层白质的联系程度可能反映了一个区域在认知表征层次上的专门化，从较低（更专一）的表征到较高（更灵活）的认知功能表征。这一分层现象揭示了大脑在高效传输信息和灵活处理复杂任务时的协同机制。

(2) 耦合的动态特性

传统研究多关注静态的结构和功能关系，而近年来的研究表明，结构–功能耦合是动态变化的。功能耦合可以在不同时间尺度上调整，以适应环境变化和认知需求。例如，当执行高需求任务时，某些区域的功能耦合可能会短暂增强，以提高效率；而休息时耦合减弱以增强灵活性。

(3) 个体差异与发展变化

耦合强度的个体差异可以反映个体的认知能力、行为特征，甚至与某些疾病状态相关，例如，前额叶与其他区域的耦合减弱可能是阿尔兹海默症的早期生物标志。结构–功能耦合随着年龄增长会发生变化，儿童时期解剖结构尚未完全成熟，功能活动更多依赖动态交流，二者耦合程度相对较弱，而成年后逐渐增强，衰老的退化又会使得耦合减弱。

结构–功能耦合的调控因素

文章进一步分析了影响耦合强度和模式的关键因素：（1）解剖结构的限制：大脑的解剖连接决定了功能活动的“可能性空间”。解剖连接越强的脑区，其功能活动更容易同步。（2）神经动力学的作用：功能连接不仅依赖解剖结构，还受到神经动力学的调控。例如，神经元之间的信号传播速度和神经振荡频率可以影响耦合模式。（3）学习与经验：学习可以增强某些脑区的功能耦合，从而促进技能掌握。（4）疾病状态：如抑郁症、精神分裂症等脑疾病可能导致耦合模式异常。

应用与未来展望

结构–功能耦合的研究为神经疾病诊断和治疗提供了新思路：耦合模式的异常可以作为阿尔茨海默病、自闭症等疾病的潜在生物标志物。非侵入性神经调控技术，如经颅磁刺激 TMS 有望通过调节功能网络活动恢复正常耦合模式。

未来可结合多模态脑成像技术（如结构 MRI、功能 MRI 和扩散 MRI）深入探讨结构和功能之间的关系。通过分析不同时间尺度上的耦合变化，开展跨时间尺度的研究，理解大脑的动态调节机制。还可以应用机器学习等人工智能技术预测结构–功能耦合模式，揭示复杂脑网络的工作原理。

彭晨| 编译

计算神经科学读书会

详情请见：

1.

2.

3.

4.

5.

6.

来源：小戴的科学讲堂