生物行移动版

人脑在静息态下并非静止，而是在多个功能网络配置间不断切换（如默认模式网络、突显网络、注意网络）。这种动态过渡被认为受到底层结构连接（白质纤维束）的约束，并遵循一种“能量景观”——其中低能量状态（吸引子）是大脑更倾向停留的稳定配置。2026年4月23日发表于 Nature Communications 的一项研究中，西奈山伊坎医学院的B. Ülgen Kilic、Jenna Jubeir及同事，整合了静息态功能磁共振成像（fMRI） 和弥散加权成像（DWI） 的结构连接数据，构建了抑郁患者与健康对照的大脑能量景观。他们发现：抑郁患者更频繁、更短暂地访问一个以突显网络为主的主导配置，这种异常与快感缺失相关。更重要的是，从视觉-注意网络配置到边缘-默认模式网络配置的状态转换减少，且当转换发生时，抑郁患者倾向于选择比结构连接“建议”的更高能耗的路径。这种“系统被困于源样与汇样吸引子之间”的模式，为抑郁相关的认知僵化和情绪固着提供了一种新的物理数学解释。

研究亮点速览

1. 整合框架：用能量景观（来自统计物理的模型）将大脑的动态状态转换与底层结构连接的成本联系起来。每个功能配置（即某一时刻全脑的共激活模式）被视为景观中的一个“谷”（吸引子）；状态转换需要克服能量壁垒。
2. 数据驱动聚类：对健康对照和抑郁患者的静息态fMRI数据进行时间点聚类，识别出一组重复出现、离散的全脑共激活模式（即“配置”，states）。例如：默认模式网络为主（DMN）、突显网络为主（SAL）、视觉网络-注意网络（VIS-ATT）等。
3. 核心发现1（频率与停留时间）：抑郁组中，一个突显网络主导的配置（SAL） 出现的频率显著更高，但每次访问的停留时间更短（即快速、反复跳入该配置）。这种模式与快感缺失（hedonic tone降低） 严重程度呈正相关。
4. 核心发现2（状态转换不对称–“被困”现象）：
   • 健康对照组中，从VIS-ATT → DMN+边缘系统（Limbic） 的转换频率 ≈ 反向转换频率（对称）。
   • 抑郁组中，VIS-ATT → Limbic-DMN 的转换频率显著低于反向转换（即一旦进入Limbic-DMN，就很难跳回视觉-注意网络）。
   • 与此平行，抑郁组从 Limbic-DMN → VIS-ATT 的转换，比结构连接的能耗预测要高得多——意味着它们选择了一条比可用的最短“能量路径”更昂贵的路。
   • 这种不对称性与抑郁症状严重程度（HAMD评分） 显著相关。
5. 机制解释：抑郁状态下，大脑被捕获在一个“源吸引子”（Limbic-DMN） 和一个“汇吸引子”（VIS-ATT） 之间，但向源吸引子的流入更容易、流出更困难，形成一种“陷入反刍/消极情绪”的神经基础。

方法学核心：构建大脑的“能量景观”

步骤1：识别功能配置（Functional States）

• 将每个被试的静息态fMRI时间序列（每个时间点对应全脑100个皮层/皮层下区域的平均信号）进行时间点聚类（使用Louvain算法或k-means）。
• 确定一组重复出现的共激活模式（例如DMN高激活，其他网络抑制）。
• 本研究识别了5个稳定配置：DMN、SAL（突显）、VIS-ATT、Limbic（边缘）、SM（感觉运动） 及其混合态。

步骤2：构建能量景观

• 从扩散加权成像（DWI） 构建结构连接矩阵（纤维束数量或各向异性分数加权）。
• 基于结构连接，计算从一个功能配置（对应一组区域激活向量）到另一个配置所需的“最小能量成本”（模拟为激活模式之间转换需要克服的“神经活动变化量”，并加权结构支持的效率）。
• 也可直接从fMRI状态转换数据中估计转移概率和能量壁垒（运用最大熵模型或逆Ising模型）。

步骤3：量化不对称性

• 对于每一对配置（A → B），计算转换概率（P） 和平均能量成本。
• 不对称指数 = (P(A→B) - P(B→A)) / (P(A→B) + P(B→A))。
• 能量异常指数 = 实际转换的平均能耗 - 结构连接所支持的最低可能能耗。

结果详解：抑郁中的“不对称陷阱”

▶ 发现1：突显网络（SAL）的“快速闪烁”

解释：突显网络负责检测内外环境中的重要刺激并切换大脑状态。在抑郁患者中，突显网络可能被过度但无效地频繁激活——不断标记“负面”，但无法有效转换到执行控制或奖赏处理状态，导致快感缺失（无法从愉悦刺激中获得期待感）。

▶ 发现2：从视觉-注意到边缘-默认模式网络转换的不对称性

健康对照组中，从VIS-ATT到Limbic-DMN的转换概率与反向转换概率大致相等，表明大脑能够灵活地在外部注意和内部情绪处理之间切换。然而，在抑郁患者中，从VIS-ATT到Limbic-DMN的转换概率显著低于反向转换，意味着一旦进入Limbic-DMN（涉及情绪和默认模式网络），大脑就难以脱离，导致反刍和消极情绪固着。此外，当抑郁患者从Limbic-DMN转换回VIS-ATT时，实际能耗高于基于结构连接预测的最低能耗，表明他们选择了更昂贵的神经路径，进一步阻碍了灵活的状态切换。

临床意义与未来方向

这项研究为抑郁症的神经机制提供了新的视角，将大脑动态状态转换的物理模型与临床症状联系起来。未来，能量景观模型可能用于预测抗抑郁治疗的反应，或作为神经反馈训练的目标，帮助患者重新训练大脑状态转换的灵活性。此外，结合经颅磁刺激（TMS）或深部脑刺激（DBS）等神经调控技术，可能通过调节特定网络配置的能量壁垒来改善抑郁症状。