《Nature Communications》：The network architecture of general intelligence in the human connectome
编辑推荐：
本研究针对传统局部化智力理论的局限，通过整合人脑结构拓扑与功能共变模式，系统揭示了一般智力（g）依赖于全脑分布式处理、弱长程连接优化、模态控制节点协调及小世界架构的整体机制。该研究基于人类连接组计划831名健康青年数据，为智力形成的网络神经科学理论提供了实证支持，推动了从局部定位到全局网络范式的转变。
长久以来，人类智力的生物学基础一直是神经科学领域的核心谜题。传统理论倾向于将高级认知功能归因于特定脑区或单一网络的活动，例如前额叶皮层常被视为“智能中枢”。然而，这种局部化视角难以解释智力行为表现出的高度适应性和复杂性。随着网络神经科学的兴起，研究者开始从全局脑网络组织的角度重新审视一般智力（general intelligence， g）的起源。Network Neuroscience Theory （NNT， 网络神经科学理论）提出了一种颠覆性的假说：g并非产生于某个孤立的“智能中心”，而是孕育于全脑大规模网络协调运作的全局架构之中。这一理论将大脑视为一个复杂的系统，强调智力是系统整体拓扑属性的涌现特征。然而，这一宏大的理论需要坚实的实证证据支持。究竟g是否真的依赖于全脑的分布式处理？其背后的网络效率优化机制是什么？是否存在关键的“枢纽”区域负责协调全局活动？整个系统的通信架构又遵循何种原则？这些问题的答案，对于深刻理解人类智能的本质至关重要。
为了回答这些问题，一个研究团队在《Nature Communications》上发表了他们的研究成果。他们利用人类连接组计划（Human Connectome Project）提供的831名健康年轻成年人的多模态脑影像数据，对大脑的结构连接（structural connectivity）和静息态功能连接（functional connectivity）进行了联合建模，旨在精准捕捉大脑的全局拓扑组织（global topological organization）。研究人员通过计算分析，将个体的脑网络特征与其在认知任务中表现出的一般智力g分数进行关联，从而严格检验了NNT的四大核心预测。
本研究的关键技术方法主要包括：利用人类连接组计划大样本队列（n=831）的弥散张量成像（DTI）数据构建脑结构网络，结合静息态功能磁共振成像（rs-fMRI）数据构建功能共变模式，采用图论（Graph Theory）方法量化脑网络的全局拓扑属性（如小世界属性、模块化、效率等），并通过多变量统计模型关联网络特征与一般智力（g）行为表型。
研究结果
一般智力（g） engages multiple networks, supporting the principle of distributed processing （一般智力（g）涉及多个网络，支持分布式处理原则）
分析结果表明，一般智力g的高分表现并非与某一个或少数几个脑网络的活动强度简单相关，而是与多个大规模脑网络之间的协同模式密切相关。这些网络包括默认模式网络（Default Mode Network， DMN）、额顶控制网络（Frontoparietal Control Network， FPCN）以及突显网络（Salience Network）等。这意味着更高的智力水平依赖于信息在全脑范围内的广泛分布与灵活整合，有力地支持了智力源于“分布式处理”的原则，而非特定脑区的孤立贡献。
一般智力（g） relies on weak, long-range connections, emphasizing an efficient and globally coordinated network （一般智力（g）依赖于弱的、长程的连接，强调了一个高效且全局协调的网络）
研究发现，对g有显著贡献的网络连接特征并非我们通常认为的强而稳固的短程连接。相反，那些强度较弱但连接距离较远的长程连接（long-range connections）扮演了更为关键的角色。这些“弱连接”虽然信号强度不高，但它们如同信息高速公路，能够实现不同脑区模块之间的快速、高效整合，减少了全脑通信的总体能量消耗，从而支持了一个高效且全局协调的神经网络系统。
一般智力（g） recruits regions that orchestrate network interactions, supporting the role of modal control in driving global activity （一般智力（g）征募了协调网络相互作用的脑区，支持了模态控制在驱动全局活动中的作用）
研究进一步识别出一些特定的脑区，这些脑区在脑网络中处于拓扑学上的关键位置，充当着连接不同网络模块的“枢纽”（hubs）。这些枢纽区域（例如，前额叶皮层和顶下小叶的某些部分）被认为具有“模态控制”（modal control）功能，即它们能够根据任务需求，灵活地调节不同网络之间的相互作用强度，从而引导全局脑活动的动态重组。g分数较高的个体，其大脑往往在这些控制枢纽上表现出更优化的连接模式。
一般智力（g） depends on a small-world architecture for system-wide communication （一般智力（g）依赖于小世界架构以实现系统范围内的通信）
最后，研究证实了高效智力功能所依赖的底层网络架构——小世界架构（small-world architecture）。这种架构的特点是同时具备高度的局部聚类（形成功能专精的“社区”）和较短的特征路径长度（保证社区间信息传递的快捷）。分析显示，大脑确实呈现出典型的小世界属性，并且该属性的个体差异与g分数相关。这表明，智力活动的高效进行，得益于大脑网络这种在功能 specialization（专门化）与功能 integration（整合）之间取得最佳平衡的拓扑结构。
结论与意义
本研究通过大样本脑连接组学分析，为Network Neuroscience Theory （NNT）提供了强有力的实证支持。结论明确指出，人类的一般智力（g）根植于大脑的全局拓扑架构，其实现依赖于四个相互关联的核心原则：分布式信息处理、弱长程连接的高效整合、模态控制枢纽的灵活协调以及小世界网络结构的优化通信。这项工作促使我们对智力本质的理解发生根本性转变：从将智力定位於特定脑区的“局部主义”模型，转向将其视为整个大脑连接组（connectome）复杂系统涌现属性的全局网络视角。这一范式转移不仅深化了基础科学认知，也为未来理解各类认知障碍相关的脑网络异常提供了新的理论框架和研究思路。
