|
在本研究中，我们检测了41名年轻人(24.5±3.6岁)和40名老年人(66.9±5.5岁)DMN和SN的网络内和网络间功能连接。超级老者被定义为在记忆回忆任务——加州语言学习测试(CVLT)中有着同年轻人相当表现的老年群体。参与者接受了静息状态功能性磁共振成像(fMRI)扫描，并进行了单独的视觉语言识别记忆任务。 正如预测的那样，在DMN和SN中，与普通的老年人相比，超级老人具有更强的连通性，与年轻人相比，他们具有相当的连通性。在认知任务上，超级老者的表现与年轻人相似，也优于普通的老年人。每个网络内较强的连接分别预测老年人在CVLT和识别任务中的更好表现。 超级老者网络内连接的差异解释了记忆表现的不同，该方法超越了形态学对记忆表现的预测能力。这些结果完善了我们对超级老者作为成功的神经退化模型的理解。
图1：在超级老者的DMN和SN中有着更强的网络内连接。（A）在DMN和SN（白线区域）内，超级老者相较于一般老人有者更强的网络内连接（红/黄区）。每个网络的超级老者和一般老者的对比结果，对比图阈值P<0.05。我们没有在一般老者中发现任何比超级老者的连接更强的区域。我们排除了左侧楔前叶/后扣带区，因为它们存在过高的自连接。（B）柱状图展示了超级老者在DMN和SN内有着更强的连接（相比一般老者，P<0.05），和年轻人有者相似的连接（P<0.05）。 为了探究老人样本中网络内的功能连接，我们在DMN的左侧PCC (MNI 1,55, 17)和SN的右侧背侧前脑岛(dAI;MNI 36, 21, 1)作4mm感兴趣球形区域(ROIs)。我们获得关于种子点时间序列的和全脑所有体素时间序列做皮尔逊相关的功能连接图，组水平所有被试的连接图平均后，r值作Fisher-Z变换。我们把连接图投射到FreeSurfer的脑模型表面。 对于每个网络，我们在超级老人和普通老年人之间进行了2个样本的voxel水平的的双样本T检验，用其对应的先验网络mask对结果进行范围限定，并以P<0.05（未校正）为阈值。 为了确定超级老人比普通老年人具有更强的连通性的网络目标，我们遵循了我们实验室之前发布的标准程序：对于对比图上的每个灰质团块，我们将z值最高的体素作为峰值点，并将其作为目标中心。为了量化种子区域和目标区域之间的功能连接强度，我们为老年组的所有受试者在每个相关峰值创建了球形ROI (4mm)，并提取每个ROI内的平均时间进程。
之后我们计算每个网络目标点之间的相关连接，并且结合1）回想记忆得分2）物品和相关认知记忆评分进行相关性分析。 为了显示DMN和SN的具体贡献，我们选择了另外两个网络作为对照网络。运动网络种子点位于左侧初级运动皮层(M1: MNI 43, 16, 42)，而视觉网络种子位于初级视觉皮层(V1: MNI 19, 98, 3)。 我们采用与DMN和SN相同的程序来识别运动和视觉网络目标中心，这些目标中心在超级老人中显示出比普通的老年人更强的连通性，并计算每个对照网络种子点和目标靶点之间的连通性强度。最后，我们还计算了对照网络连接强度与3个记忆任务得分之间的皮尔逊相关值 r（图2）。 图3：DMN中的关键节点-海马，同PCC的强连接预示着老年人更好的记忆。（A）两组老年人的海马-PCC连接（橘色圈）。（B）两组老年人对比后发现，超级老者的右侧海马同右侧PCC连接较一般老年人更强（P<0.05）。（C）在整个老年组中，右侧海马和右侧PCC连接强度对原始CVLT的回忆记忆表现(上)在控制右海马容积一致（下)后的记忆残留具有正向预测作用。 我们在当前研究中使用的网络种子点(选自以前发表的论文)和目标靶点(根据超级老人和普通老年人之间的对比确定)与我们以前仅根据神经解剖学确定的区域部分重叠（图4）。我们发现，皮层厚度或皮层下体积的减少并不一定意味着内在连接的减少(反之亦然)，因此结构和功能的变化可以独立地预测记忆表现中的独特行为变化。 图4：超级老者大脑的结构和功能分布。结构部分(红色)是基于范围较大的皮层厚度定义的，而功能部分(蓝色)是基于更强的内在功能连接定义的。重叠区域用紫色表示。绿色字体表示DMN区域，橙色字体表示SN区域。 “成功老龄化”,《认知储备》和《大脑维护》等论著表明，与年龄相关的认知能力下降并不是不可避免的。 在这项研究中，我们发现，在两个核心的脑网络中，超级老人表现出更强的内在连通性，DMN和SN，这种连通性预测了回忆和识别记忆。 总体来说，这些研究表明超级老者有着网络处理和区域整合的记忆优势，更充分地证实了超级老者卓越的记忆能力。超级老者中更强网络内功能连接与更好的记忆能力相关，这与DMN节点(如PCC、HF、mPFC)之间和SN节点之间(如AI、pgACC) 的内在连接的研究一致，预测了年轻人和老年人的记忆表现。 但年轻人的DMN和SN之间的功能连接呈负相关。在普通老年人中，这种负相关关系逐渐减弱，而在超级老人中，这种负相关关系则显著增强。重要的是，我们发现在所有老年人中，网络间负连接越强，记忆力表现越好，这与之前的发现一致，即网络间连接可以预测工作记忆能力和语言能力。 综上所述，这些发现表明，在衰老过程中，较好的记忆表现与DMN和SN中较强的网络内耦合以及这两个关键网络之间较强的负相关有关。 参考文献： Jiahe Zhang, Joseph Andreano, Bradford C. Dickerson et al. Stronger Functional Connectivity in the Default Mode and Salience Networks is Associated with Youthful Memory in Superaging. Cereb Cortex. 2020 Jan 10;30(1):72-84. doi: 10.1093/cercor/bhz071. 作者信息 编译作者： CholeFu（brainnews创作团队） 校审： Simon（brainnews编辑部） 题图： Next Avenue 前 文 阅 读  欢迎加入超过 15000人的 全球最大的华人脑科学社群矩阵 |
|
|
