生物行移动版

导语：多年来，神经科学家一直关注最强的10%大脑信号，将其余部分视为“噪声”而忽略。然而，一项新研究揭示，另外90%通常被丢弃的脑连接可以以同等或更高的精度预测行为。研究表明，预测信息广泛分布在大脑中，这意味着对于特定行为，不存在唯一的“正确”网络，而是存在多个网络。该研究发表于《自然·人类行为》。

研究背景：特征选择与忽略的“噪声”

当前实践

• 脑连接组数据维度高，解释困难。
• 常用方法：特征选择（聚焦于最强的10%脑连接）来简化数据。
• 隐含假设：所选特征网络唯一代表给定表型，其它可忽略。

问题

• 被特征选择丢弃的信号能否揭示关于大脑和行为的有意义见解？

核心发现：被忽略的90%连接同样预测行为

研究设计

• 数据：超过12,000名参与者（四个美国主要数据集）。
• 方法：
  1. 计算每个参与者的脑连接与预测结果之间的关联强度。
  2. 将所有连接从最强到最弱排序。
  3. 分成10个非重叠组：组1：前10%连接（科学家通常选择的）；组2-10：剩余90%连接（通常被当作噪声丢弃的）。
  4. 为每组构建一个预测模型。

关键结果

解释

• 预测信息广泛分布在脑连接中，并非仅集中在最强连接内。
• 即使完全排除通常依赖的网络，使用“被留下的所有东西”仍能达到几乎相同的精度。

对精神病学的影响：个体差异与治疗靶点

多种通路

• 对于抑郁等精神疾病，不同个体可能依赖完全不同的神经通路来达成相同的行为结果。
• 如果多个脑回路能达到相似的预测精度，则治疗靶点不应局限于“顶级”网络。

治疗抵抗的解释

“虽然传统上被干预措施靶向的网络可能对大多数患者有效，但这些被忽视的网络可能对某些个体子集更有用。这可以帮助解释为什么有些人对对其他人有效的治疗没有反应。”
— Brendan Adkinson，耶鲁大学医学院，研究第一作者

临床应用

• 通过更好地反映大脑的复杂性和个体差异性，提高基于大脑的生物标志物的临床疗效。
• 创建更好的“生物标志物”：不是寻找单一的“抑郁信号”，而是观察整个“冰山”，看哪条特定通路对特定个体造成问题。