《Cognitive Neurodynamics》：Social communication and brain network properties: cognitive predictors and modulation by autistic traits
编辑推荐：
社交沟通（Social Communication, SC）依赖于语言加工、语用推理和心理理论（Theory of Mind, ToM）的整合，但其神经架构仍未得到充分表征。研究人员提出并实证检验了一个统一的SC网络模型，通过整合信息神经图论（Neural G
社交沟通（Social Communication, SC）依赖于语言加工、语用推理和心理理论（Theory of Mind, ToM）的整合，但其神经架构仍未得到充分表征。研究人员提出并实证检验了一个统一的SC网络模型，通过整合信息神经图论（Neural Graph Theory）指标、多领域认知建模及自闭症特质（Autistic Traits）进行分析。45名神经典型（Neurotypical, NT）成人完成了评估语言、执行功能、社会认知、知觉推理及自闭症谱系商数（Autism Spectrum Quotient, AQ）的认知测验电池。分别计算了语言、语用及ToM网络及其联合架构的全局效率（Global Efficiency）、局部效率（Local Efficiency）和聚类系数（Clustering Coefficient）。使用独立样本（n=73，含31名自闭症被试）进行了图指标及其与AQ关系的复制分析。结果显示，语言能力是网络效率最强且最一致的预测因子，特别是在涉及语义整合和语境解释的颞-顶叶节点中。执行功能选择性预测额叶控制区的效率，而知觉推理与楔前叶（Precuneus）的全局效率相关，后者与社会及推理加工有关。重要的是，自闭症特质调节了多种脑-行为关系，表明特质水平的变异性塑造了神经典型群体内认知能力映射到神经效率的方式。复制分析显示图指标与AQ结果存在部分重叠。这些发现推进了SC的网络水平解释，证明交际能力源于语言、执行和推理系统间的动态交互，其神经组织受个体认知轮廓及自闭症特质的调节。该维度框架为理解社会认知功能变异提供了基础，并对沟通的个性化模型具有启示意义。
论文解读：《Cognitive Neurodynamics》刊发研究
一、研究背景与动机
社交沟通（Social Communication, SC）是人类社会交往的核心，依赖于语言加工、语用推理及心理理论（Theory of Mind, ToM）的整合。尽管这些认知过程的大脑基础各有研究，但它们在SC中如何形成一个统一的神经架构仍不清楚。既往研究多孤立看待语言、语用或ToM网络，且自闭症谱系（Autism Spectrum, AS）个体的沟通障碍常被视为疾病分类学结果。然而，自闭症特质（Autistic Traits）在神经典型（Neurotypical, NT）群体中呈连续分布，可能调节脑-行为映射。因此，研究人员开展此项研究，旨在从网络动力学角度，整合图论（Graph Theory）、多域认知及维度化特质（AQ），揭示SC的神经基础及个体差异机制。
二、关键研究方法概要
研究人员采用两阶段设计：主实验招募45名右利手西班牙语NT成人（22女，均值26.69岁），排除精神神经疾患；复制分析选用ABIDE I/II数据库子集（n=73，含31名自闭症者）。所有被试完成多域认知电池：语言（WAIS-IV信息/词汇/相似性、言语流畅性）、执行功能（N-back、伦敦塔、Go/No-go、数字广度）、社会认知（短篇故事任务SST、眼区读心RMET、反语自评SSS、人际反应指数IRI）、知觉推理（积木设计、视觉谜题、矩阵推理）及自闭症谱系商数（AQ）。静息态fMRI在3T GE MR750采集（TR=2s，32通道头线圈），预处理采用fMRIPrep标准流程（去颅、头动校正、配准、标准化至MNI空间），CONN工具箱进行ROI-to-ROI连接及图论计算（全局/局部效率、聚类系数）。ROI共81个（语用网络PN 27个、语言网络LN 28个、ToM网络26个）源自哈佛-牛津图谱及元分析坐标。主分析用逐步多元回归（AIC准则）检验认知对图指标的预测及AQ调节效应；复制分析用混合效应模型（站点为随机效应，性别为固定效应）。多重比较用Bonferroni校正（p<0.001），异常值按IQR×3剔除，Bootstrap（10000次）验证稳健性。
三、研究结果
1. 图指标（Graph-metrics）
- •
网络效应：联合PN、LN、ToM节点的SC网络全局效率、局部效率及聚类系数均极显著（p<0.000001）。LN全局效率最高（0.44±0.04），显著高于PN（0.38±0.06）和ToM（0.37±0.09）；局部效率与聚类系数三网络无统计差异。这表明SC拥有一个共享的高效骨架。
- •
节点效应：全局效率在双侧后颞中回（pMTG）、右后颞上回（pSTG）、额极、颞极、岛叶及颞平面最强（β=0.44–0.51）。局部效率峰值在右前颞上回（aSTG）、内侧额叶皮层（MedFC）及双侧pMTG（β=0.63–0.73）。聚类系数模式类似，右aSTG、pSTG、pMTG及前扣带回、眶额、额极、楔前叶贡献显著。
2. 图理论指标的认知预测因子
- •
全局效率：右后缘上回（pSMG）全局效率由语言能力负向预测（Information子分越高效率越低，β=-0.01，p=0.008），符合神经效率假说——语言专长自动化减少扩散性连接。楔前叶全局效率由知觉推理（矩阵推理β=-0.05，p<0.001）及AQ（β=-0.04，p=0.005）负向预测，但AQ×视觉谜题交互正向预测（β=0.003，p=0.009）。
- •
局部效率：左aSTG局部效率由言语流畅性（β=0.04，p=0.02）、词汇（β=0.04，p=0.04）及AQ×言语流畅性交互（β=-0.009，p=0.03）预测；左pMTG由言语流畅性（β=-0.02，p=0.012）及AQ（β=-0.04，p=0.006）预测。右额极局部效率由AQ正向预测（β=0.17，p=0.02）；右前颞中回（aMTG）由AQ负向及AQ×Go/No-go交互正向预测。
- •
聚类系数：回归模型未通过多重比较校正。
3. 复制分析
- •
自闭症与NT组间比较：在LN、PN、ToM及联合SC网络上，全局效率、局部效率及聚类系数均无显著组间差异（p-uncorrected>0.05），仅在未校正水平见LN局部效率边缘差异（p=0.008）。
- •
图指标与AQ关系：混合效应模型显示，低AQ关联左pSMG（β=-1.94，p=0.01）及右额下回岛盖部（IFGop，β=-2.34，p=0.03）全局效率降低；高AQ正向关联左Heschl回（β=6.93，p=0.01）、颞平面（β=5.35，p=0.02）局部效率，以及左aSTG（β=6.55，p=0.041）、Heschl回（β=7.37，p=0.008）、左额中回（MFG，β=3.57，p=0.039）聚类系数。
四、讨论与结论总结
研究人员讨论指出：第一，语用、语言及ToM区域形成高度重叠、高效组织的统一SC网络，核心节点（双侧aMTG/pMTG、IFG、SFG、左pSTG/角回）支持语义控制与整合。第二，语言能力是SC网络效率最核心的预测因子——pSMG全局效率与晶体化语言知识呈负相关（神经效率），左颞区局部效率与词汇/言语流畅正相关，反映互补优化。第三，执行功能选择性关联右额极局部效率，支持社交沟通中的认知灵活性；知觉推理通过楔前叶优化全局整合，服务语用推断。第四，自闭症特质调节多域脑-行为关系（如pSMG、楔前叶、aSTG、pMTG、额极），表明特质连续性重塑神经网络策略，支持维度化而非二分（NT/ASD）视角。复制分析部分印证主样本结果，并将关联扩展至IFGop、Heschl回等。
结论翻译浓缩：
社交沟通源于语言、执行及推理系统在统一网络内的动态交互。语言、执行功能及知觉推理嵌入于受个体认知轮廓与自闭症特质调节的高效动态网络系统中。将语用、语言及ToM网络整合为SC框架，反映了它们在编码语言内容、语境解释及心理状态推断中的联合贡献。特质水平变异性系统性调节行为与脑网络组织的关系。该研究为个性化评估与干预模型奠基，未来应拓展至临床与发展群体，以通过靶向神经效率调制提升交际功能。
