《Frontiers in Human Neuroscience》：Higher integration of the whole-brain resting state theta band network is associated with spatial working memory
编辑推荐：
本研究通过图论方法揭示青少年静息态脑电功能连接与空间工作记忆的关联，发现θ频段网络全局整合度（低特征路径长度/模块化、高参与系数）可预测认知表现，为脑网络效率假说提供了基线神经标记。
1 引言
工作记忆（WM）支持信息的临时保持与操纵，而空间工作记忆（SWM）作为其核心组分，负责空间位置的短时保持。神经影像学证据表明SWM依赖于包括前额-顶叶区域、海马、丘脑及小脑在内的分布式网络协同工作。由于SWM涉及多脑区协调活动，采用网络水平视角能更有效解析WM性能差异的神经机制。
图论方法已被广泛应用于静息态神经影像数据，通过构建脑区节点与功能连接边来量化脑网络属性与认知过程的关联。人脑网络通常呈现"小世界"拓扑特征，平衡了局部专业化（分离）与全局整合，确保信息传输的低成本与高效率。工作记忆尤其依赖全局网络整合，任务态研究中发现WM负荷会促使网络从局部分离向全局整合动态重组。
现有研究多聚焦任务态下的网络动态重构，而基线静息态网络组织如何约束WM性能尚不明确。区分脑网络固有结构（特质效应）与任务诱发改变（状态效应）有助于厘清WM能力是稳定特质抑或临时状态。静息态脑电（EEG）因不受认知活动干扰，能直接反映基线神经功能，特别适用于此类研究。
尽管已有研究提示静息态活动与WM性能相关，但针对健康人群的图论研究仍较少，且多集中于临床样本。值得注意的是，脑网络组织具有频率特异性，θ振荡 consistently 被证实参与WM控制，而β节律则与运动及维持过程相关。连接强度阈值选择也会影响网络度量结果。本研究旨在探究青少年静息态全脑网络拓扑是否预测空间工作记忆表现，重点考察θ频段在50%阈值下全局整合度（特征路径长度、模块化、参与系数）与SWM的关联，为理解内在脑组织支持认知效率的机制提供新证据。
2 材料与方法
2.1 参与者
最终样本为63名16-17岁青少年（38名女性，平均年龄16.8±0.47岁）。研究经俄罗斯教育科学院心理学研究所伦理委员会批准，所有参与者签署知情同意书。
2.2 测量工具
采用计算机化柯西块敲击任务（CBT）评估视觉空间工作记忆。任务包含12个试次，难度从4到9个项目递增。准确度以正确回忆的最长序列长度作为主要绩效指标。
2.3 脑电数据采集与预处理
使用32通道无线干电极帽（Cognionics Quick-32r）采集10分钟静息态脑电，采用标准10-20导联布局。预处理通过MNE-Python和autoreject工具包进行，包括坏道插值、公共平均参考（CAR）、1-40 Hz带通滤波、分段为1秒epochs，并采用RANSAC传感器修复算法与AutoReject自动清理流程，最终剔除约40%的epochs。
功能连接计算使用frites包中的高斯 copula 互信息（GCMI）方法，该指标对线性和非线性依赖均敏感，且对EEG非高斯分布具有鲁棒性。分析覆盖四个频段：θ（4-8 Hz）、α（8-13 Hz）、低β（13-20 Hz）、高β（20-30 Hz）。对每个频段的连接矩阵分别按50%和80%分位数阈值进行稀疏化，构建加权无向图。
图度量计算使用igraph库，包括特征路径长度（CPL）、聚类系数、特征向量中心性、介数中心性、参与系数、模块化及富俱乐部系数均值。其中CPL、模块化和参与系数作为核心整合度指标。
2.4 统计分析
采用Python 3.14进行稳健线性回归（10000次bootstrap）检验图度量与CBT准确度的关系。通过k均值聚类（k=2）将参与者分为网络整合型（低CPL/模块化、高参与系数）与分离型（高CPL/模块化、低参与系数）两组，并使用ARI指数和置换检验评估聚类稳定性。组间CBT准确度差异采用Mann-Whitney U检验验证。
3 结果
图度量与CBT准确度的显著关联仅见于θ和低β频段。特征路径长度和模块化与CBT准确度呈负相关，参与系数呈正相关。聚类系数仅在θ频段50%阈值下显示弱负相关。
由于CPL、模块化和参与系数高度相关（r=0.66–0.84），后续分析聚焦于此三项指标。k均值聚类形成整合型与分离型网络组别，所有频段与阈值条件下聚类均显著（p<0.001）。虽然β频段聚类质量更高（轮廓系数0.42–0.43），但仅θ频段整合型组别的CBT准确度显著高于分离型（50%阈值：U=262.0, p=0.005；80%阈值：U=284.5, p=0.015）。
多元稳健回归证实，当同时纳入θ和β频段聚类结果时，仅θ频段网络结构对CBT准确度有预测作用（50%阈值：β=0.43, p=0.002）。θ频段网络整体整合度显著高于β频段，表现为更低CPL和模块化、更高参与系数。
4 讨论
本研究表明，静息态脑网络全局整合度（特别是θ频段）可作为青少年空间工作记忆表现的有效预测指标。特征路径长度缩短、模块化降低与参与系数升高共同提示信息传输效率提升，支持神经效率假说——高认知能力者往往表现出更低能耗的脑激活模式。这一发现将基线网络完整性确立为支持工作记忆加工的特质性神经框架。
θ频段的主导作用与其在WM协调中的已知功能一致：θ振荡是前额叶-海马网络同步的关键媒介，在任务态研究中 consistently 显示与编码、保持过程相关。静息态θ活动可能通过调节认知需求下的脑激活基线水平影响行为表现。相比之下，β频段效应在控制θ频段后消失，反映其可能更涉及局部感觉运动处理，与SWM的全局整合需求关联较弱。
跨阈值一致性（50%与80%）表明结果不受特定网络密度选择驱动。50%阈值下更强的预测力提示保留中等强度连接能更好捕捉个体认知效率变异，符合弱连接在分布式协调中的作用理论。
研究局限性包括横断面设计无法推断因果关系、样本量较小、传感器水平分析受容积传导影响等。未来结合纵向设计、任务态脑电及源水平分析将有助于阐明基线整合度如何约束任务诱发重构的灵活性。
总之，θ频段静息态网络整合度为青少年空间工作记忆差异提供了有前景的神经标记，深化了对内在脑组织支持认知效率机制的理解。
