传统神经科学主要关注小脑在运动协调中的作用。然而，近年来，小脑在高级认知功能、情绪调节以及大规模脑网络整合中的重要作用日益受到重视。尽管如此，相较于大脑皮层复杂的时空动态，小脑是否存在简洁、低维的组织原理，以及这种组织原理能否解释个体间的行为差异，仍是一个未解之谜。
2026年5月8日，北京理工大学和北京大学的研究团队在《自然-通讯》上发表了一项重要研究。他们利用人类连接组项目的静息态功能磁共振成像数据，通过复主成分分析，成功揭示了小脑中三个占主导地位的低维时空模式。这些模式不仅能够重构小脑的功能连接结构，更重要的是，基于这些模式提取的个体化特征能够准确预测性别以及多种认知、情绪和人格特质。
核心发现：小脑的三维组织原理
该研究的核心突破在于首次将复杂的大规模小脑动态简化为三个易于理解的时空基序，并证明了这些基序在个体行为表征中的重要性。
-
三种核心的时空模式
研究通过复主成分分析，从小脑的静息态功能磁共振成像数据中识别出三个最主要的、具有生物学意义的时空模式：- 单模态-跨模态梯度：小脑的功能组织沿着一个主梯度展开，一端是与感觉运动皮层紧密相连的单模态区，另一端是与默认模式网络和额顶叶网络相连的跨模态区。这一梯度反映了小脑从具体的感觉运动控制到抽象的认知与情感处理的连续谱。
- 功能拮抗：某些小脑区域表现出相反的时间活动模式，这可能反映了小脑在执行“促进”与“抑制”或“启动”与“监控”等相反计算中的角色切换。
- 半球不对称：小脑左右半球在功能活动上存在固有的不对称性，这与大脑皮层的偏侧化（如语言、空间注意）相对应，揭示了小脑在偏侧化认知功能中的参与。
-
模式的稳健性与生物学相关性
由这三种简洁模式重构出的功能连接图谱，能够全面且稳健地再现已知的小脑网络结构。这证明了即使是如此稀疏的时空动态，也足以捕捉小脑功能组织的核心骨架。这些模式并非统计假象，而是与已知的准周期性模式、功能连接梯度和网络动力学层级等经验观察高度相关，这证实了它们的生物学真实性。 -
个体行为解码
这是本研究最具有应用价值的发现。通过对每个个体提取其在小脑这三种模式上的“参与系数”作为个体特征，研究者建立了一个预测模型。这个模型能够以高准确率预测个体的性别。此外，模型还能预测多种行为特征，包括认知能力、情绪状态、警觉性以及人格特质分数。这表明，小脑的时空动态不仅是个体大脑功能组织的稳定指纹，也编码了丰富的、与日常生活息息相关的行为信息。
意义与展望
该研究极大地拓展了我们对小脑功能的认识，并具有重要的方法论意义。
- 将小脑重新定位为主动整合者：该研究挑战了小脑仅仅是运动指令中继站的传统观念，将其定位为一个主动的、对特质敏感的大脑全脑时空组织整合器。小脑并非被动接收信息，而是通过其固有的时空动态，主动参与塑造和同步大脑皮层的活动。
- 简化的维度揭示复杂性：复杂的个体行为差异可能源于相对简单的、低维的大脑组织原理。小脑通过调节其在单模态-跨模态轴、功能拮抗轴和半球不对称轴上的活动水平，产生了大脑功能多样性的“变奏”。
- 生物标志物的开发潜力：识别出的小脑模式为开发精神疾病的生物标志物提供了新的候选靶点。许多神经精神疾病（如自闭症、精神分裂症）都伴随有小脑结构和功能的异常。通过量化患者在这些模式上的偏差，或许能够实现早期诊断或疗效评估。
- 未来方向：未来的研究需要验证从静息态数据中识别的模式在任务态（如执行认知任务）中如何动态改变；利用动物模型探究这些模式背后的细胞和环路机制；以及将分析框架应用于患者群体，检验其临床诊断和预后价值。
参考文献
- Lv, S., Li, J., Yang, R. et al. (2026). Three parsimonious spatiotemporal patterns in cerebellum reveal individual traits in function and behavior. Nature Communications. https://doi.org/10.1038/s41467-026-72931-6