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

常见问题解答

Q：如果“弱”信号如此重要，为什么我们这么久一直忽略它们？

A：这是数据管理问题。大脑有数十亿连接。为了理解数学，科学家通过寻找房间中最响亮的“声音”来“简化”大脑。这项研究表明，背景中的“低语”实际上在讲述同样的故事，只是方式不同。

Q：这是否意味着当前基于大脑的治疗是错误的？

A：不是错误，只是不完整。当前治疗（如TMS或某些药物）靶向“最响亮”的网络。这项研究解释了为什么这些治疗对某些人有效而对其他人无效——有些人的大脑可能正在使用被忽视的网络之一。

Q：这能帮助更准确地诊断精神疾病吗？

A：是的。通过在模型中包含更多大脑的复杂性，可以创建更好的“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。

研究信息

• 原始论文：Adkinson, B.D. et al. "Feature selection leads to divergent neurobiological interpretations of brain-based machine learning biomarkers." Nature Human Behavior (2026). DOI: 10.1038/s41562-026-02447-y

• 作者：Colleen Moriarty（耶鲁大学）

• 通讯作者：Dustin Scheinost博士（耶鲁大学医学院放射学与生物医学成像副教授）

• 第一作者：Brendan Adkinson（耶鲁大学医学院MD-PhD学生）

结语

这项研究发现，在预测行为方面，被特征选择丢弃的较低排名（“较弱”）脑连接（组2-9）持续达到与最强10%连接相似的预测精度，有时甚至更优。预测信息广泛分布在大脑中，存在多个非重叠网络能同等良好地预测同一行为。对于精神疾病，不同个体可能依赖完全不同的神经通路，这解释了为何某些人对标准治疗无反应（“治疗抵抗”）。研究者呼吁治疗靶点不应局限于“顶级”网络，而应考虑被忽视的网络，以反映大脑的复杂性和个体差异。