生物行移动版

在瞬息万变的世界中，学习新知识和摒弃过时的旧知识同样重要。然而，个体间的学习能力存在巨大差异：有些人能快速习得新技能，而有些人则慢得多；在恐惧消退（暴露疗法的核心机制）中，这种差异更为显著。尽管已知杏仁核、海马、前扣带回（ACC）、腹内侧前额叶（PFC）和小脑是学习和消退的核心脑区，但这些区域间的连接模式如何决定个体的学习能力，一直是个黑箱。2026年4月23日发表于 Nature Communications 的一项研究中，德国波鸿鲁尔大学的研究者整合了超过500名参与者的多模态脑成像数据（静息态功能连接、有效连接和结构连接），并结合多种经典条件学习范式（恐惧条件化、预测学习），发现了令人信服的三重分离：功能连接预测习得效率，以ACC和海马为核心；结构连接预测消退学习水平，以ACC和杏仁核为核心；而有效连接（定向因果影响）则预测复燃程度。这些预测不仅在恐惧学习和认知预测学习范式间可泛化，还能从静息态功能连接迁移到任务态功能连接。该研究为理解焦虑症等情感障碍的个体差异及个性化治疗提供了神经连接层面的生物标志物。

研究亮点速览

1. 样本量大：共纳入509名（静息态功能磁共振成像）和467名（弥散张量成像）参与者，来自6个不同的研究，涵盖经典的恐惧条件化和预测学习范式。
2. 多模态连接：同时分析三种类型的脑连接：
   • 功能连接（FC）：无向、线性统计依赖，反映共激活。
   • 结构连接（SC）：白质纤维束密度，反映解剖“硬连线”。
   • 有效连接（EC）：有向、因果影响，反映一个脑区对另一个脑区的驱动作用（基于动态因果模型DCM）。
3. 三重分离发现：
   • 习得：主要由FC预测，关键连接涉及ACC-海马、ACC-PFC、杏仁核-ACC，及小脑连接。
   • 消退：主要由SC预测，关键连接涉及ACC（与海马、杏仁核、小脑）和PFC-杏仁核。
   • 复燃：主要由EC预测，关键为PFC对海马的去抑制及杏仁核→海马的兴奋性连接。
4. Hub角色：ACC在所有三种学习中均作为核心枢纽出现；PFC在有向连接中尤其突出。
5. 范式泛化：在恐惧学习（FL）和预测学习（PL）间训练的模型可互相预测，且在模拟数据和任务态功能连接（task-fMRI）中得到验证。

背景：学习和消退的脑网络

已知：

• 厌恶习得：杏仁核存储CS-US关联；海马编码上下文信息；ACC参与威胁评估；PFC在消退中抑制杏仁核；小脑提供预测信号。
• 消退学习：在新环境中呈现CS但不伴随US，形成新的抑制性记忆，但原始记忆并未被擦除，因此复燃可能发生（回到习得环境时恐惧反应恢复）。

未知：

• 个体学习能力的差异，反映的是静态解剖（SC）差异、共激活模式（FC）差异，还是定向因果流（EC）差异？
• 这些差异是否在恐惧学习和认知学习（如食物-胃痛预测）中共有？
• 能否基于静息态连接来预测未来的学习表现？

本研究的设计：

• 采集所有参与者的静息态fMRI（FC/EC）和弥散张量成像（SC）。
• 在单独的实验日进行恐惧条件化或预测学习任务。
• 使用LASSO回归（最小绝对收缩和选择算子）从多个ROI对中筛选最能预测个体学习表现的连接。

核心结果

1. 核心学习网络的基线连接特征

功能连接：海马-杏仁核连接最强，其次是海马-PFC和杏仁核-PFC。ACC-海马、ACC-杏仁核也较强。

结构连接：海马-杏仁核的纤维束最多，然后是ACC-PFC、杏仁核-PFC和海马-PFC。值得注意，小脑与其他ROI的连接最弱。

有效连接：网络大多为抑制性连接（负参数），唯一的例外是海马→杏仁核为兴奋性。这提示在静息态，大脑主动抑制核心学习网络的活动，以保持能量平衡。

2. 习得的预测

关键连接：

• 双侧海马-ACC，双侧ACC-PFC，右侧杏仁核-ACC，右侧小脑-左侧海马，左侧小脑-右侧PFC。
• 功能连接主导：LASSO模型在全部样本中筛选出的相关连接均为FC，SC和EC无显著预测力。

Hub分析：ACC和海马是最常出现的枢纽（Poisson回归显著），提示这些区域的功能共激活模式是习得个体差异的基础。

机制解释：ACC-海马连接可能反映了新记忆形成中的情境-威胁整合；ACC-PFC连接参与威胁评估和认知控制；小脑-海马连接可能与预测时机的编码有关。

3. 消退学习的预测

关键连接：

• 右侧海马-右侧ACC，左侧小脑-右侧ACC，双侧杏仁核-ACC。
• 结构连接主导：LASSO模型筛选出的全部为SC连接，FC和EC无显著预测力。

Hub分析：ACC是最核心的枢纽，其次杏仁核也频繁出现。

机制解释：SC代表相对稳定的“特质”因素。消退学习能力可能更多地依赖于解剖通路的完整性，而非状态依赖的共激活。ACC-海马和ACC-杏仁核的纤维密度可能决定了情境依赖的抑制性记忆能否有效形成。