编辑推荐：
本研究探讨了COMT Val158Met基因多态性如何通过影响前额叶皮层（PFC）多巴胺可用性，导致个体在传递性推理（TI）任务的学习效率和认知灵活性上出现差异。研究人员通过行为实验与漂移扩散模型（DDM）分析发现，Val纯合子个体在任务学习阶段需要更多练习，且在规则反转任务中证据积累效率（漂移率v）更低。该成果为理解遗传因素如何塑造高阶推理与决策的神经机制提供了新见解。
在纷繁复杂的世界中，我们每天都在进行着看不见的“逻辑体操”。比如，你知道A比B优秀，B比C优秀，那么即使从未直接比较过A和C，你也能推断出A比C更优秀。这种基于已知关系推导出新结论的能力，被称为传递性推理（Transitive Inference, TI）。它是人类和动物进行高效决策、避免“试错”风险的认知基石。然而，一个令人好奇的现象是：为什么有些人学得快、思维转变得灵活，而另一些人则需要更多时间，在规则变化时显得吃力？这背后，是否隐藏着由基因书写的“认知密码”？
以往研究指出，大脑的前额叶皮层（Prefrontal Cortex, PFC）是进行此类高级推理的“司令部”，而其中的神经递质多巴胺（Dopamine, DA）则是影响司令部工作效率的关键“信号兵”。一种名为儿茶酚-O-甲基转移酶（Catechol-O-MethylTransferase, COMT）的基因，其上一个微小的变异（Val158Met单核苷酸多态性），就像给信号兵的“清除效率”设定了不同档位：携带Met等位基因的个体，COMT酶活性较低，使得PFC中的多巴胺能被更久地保留，信号较强；而携带Val等位基因的个体，酶活性高，多巴胺被快速清除，信号相对较弱。这种由遗传决定的神经化学环境的差异，被认为是导致个体在高级认知功能上表现不同的潜在驱动力。那么，这种基因差异是否会具体影响到传递性推理这种需要构建心理序列并进行灵活比较的能力呢？这正是发表于《Experimental Brain Research》的这项研究试图解答的核心问题。
为了探寻答案，研究团队设计了一项精巧的传递性推理任务，并招募了83名已进行COMT基因分型（Met/Met, Val/Met, Val/Val）的健康参与者。研究主要结合了行为实验分析与计算建模方法。首先，通过经典的TI任务范式，让参与者先学习一个隐形的等级序列（A>B>C>D>E>F），然后在测试阶段推断所有可能项目对的高低关系。其次，为了探究认知灵活性，一个子集的参与者还被要求完成一个“规则反转”阶段，即按照相反序列（F>E>D>C>B>A）进行判断。最关键的技术在于应用了漂移扩散模型（Drift Diffusion Model, DDM），这是一种将行为反应时和准确率分解为多个潜在认知过程参数的计算模型，其中“漂移率”（drift rate, v）参数被用来量化证据积累的效率。通过比较不同基因型组在这些任务中的行为表现及DDM参数差异，研究人员得以窥见遗传变异如何塑造深层的决策动力学。
COMT genotype impacts the progression of learning but does not impact performance in the test phase
（COMT基因型影响学习进程但不影响测试阶段表现）
一旦通过努力学习并达到了设定的准确率阈值，所有基因型组在最终的测试阶段都表现相当，他们的准确率和反应时都同样受到符号距离（Symbolic Distance, SD，即项目在等级序列中的距离）效应的显著影响：距离越远，判断越快越准。这表明，一旦掌握了等级关系，不同基因型个体的推理能力没有差异。然而，回溯学习过程时，差异浮现了：Val纯合子（Val/Val）个体需要经历显著更多的学习区块才能达到与其他组相同的掌握程度。这暗示Val/Val基因型在初始构建心理序列时效率较低。
The difficulty level of the test phase modulates the drift rate underlying decision making
（测试阶段的难度水平调控决策背后的漂移率）
通过DDM分析发现，在测试阶段，一个“仅漂移率”模型（即假设漂移率v随符号距离SD线性变化）最能解释所有参与者的行为数据。漂移率随SD增大而线性增加，这与行为上“距离越远表现越好”的SD效应完美对应。这意味着，在传递性推理决策中，证据积累的速度直接受到项目间心理距离（难度）的调节，且这一过程可以用与感知决策相似的计算模型来描述。不过，在此阶段，不同基因型组间的漂移率没有显著差异。
Progressive learning of item relationships influences the decision drift rate
（项目关系的渐进式学习影响决策漂移率）
将DDM应用于学习阶段最后一块的数据发现，漂移率同样能解释行为，但其在不同项目对间的分布呈“U”型（序列位置效应），即对序列两端的项目对（A>B, E>F）判断时证据积累最快。分析学习进程发现，随着练习的推进，准确率上升，标志极端对与中间对证据积累速度之差的“曲率指数”也随之增加，并且漂移率参数在大多数参与者学习的早期就开始主导其决策过程。这表明，学习不仅提高了整体准确率，也优化了证据积累的效率，特别是加强了对序列端点关系的内部表征。
The COMT genotype groups perform differently when the comparisons depend on a novel rule
（当比较依赖于新规则时，COMT基因型组表现不同）
在更具挑战性的“规则反转”阶段，基因型差异变得明显。虽然所有组在反转阶段的整体准确率与初始测试阶段相似，但Val/Val组在判断符号距离较小的项目对时准确率更低，反应时更长。更关键的发现来自DDM分析：在对漂移率进行标准化处理后，Val/Val组的漂移率显著低于Met/Met和Val/Met组，尤其是在较大的符号距离（SD4, SD5）上。这表明，当需要根据新规则灵活重组已有的心理序列时，Val/Val个体证据积累的效率明显受损。
综合研究结果与讨论，本研究的结论清晰而有力：COMT Val158Met基因多态性确实塑造了传递性推理中的个体差异，但其影响主要体现在学习效率和认知灵活性上，而非最终的推理能力本身。Val纯合子个体由于前额叶多巴胺可用性较低，在初始学习构建关系层级时需要更多练习，并且在需要根据新信息更新已有心理结构（规则反转）时，表现出更低的证据积累效率。这从计算层面揭示了其认知灵活性相对不足的机制。
这项研究的意义是多层次的。在理论层面，它将遗传变异（COMT）、神经化学（前额叶多巴胺）、计算过程（证据积累效率）和高级认知功能（推理与灵活性）串联起来，为理解“基因-脑-行为”链条提供了实证模型。在方法学上，成功地将漂移扩散模型拓展至非感知性的关系推理任务，证明了不同领域决策可能共享相似的证据积累计算原理。在临床意义上，该发现为理解一些精神神经疾病（如精神分裂症、注意缺陷多动障碍ADHD）中常见的执行功能、关系推理及认知灵活性缺损提供了线索。这些疾病常伴有前额叶多巴胺系统的异常，且COMT基因亦是其重要的风险基因之一。因此，本研究揭示的机制可能部分解释了这些疾病患者在处理复杂关系和适应变化时所面临的困难，为未来的干预研究指明了潜在靶点。当然，研究者也坦承了样本量等限制，呼吁未来在更大规模人群中验证和深化这些发现。总之，这项研究如同打开了一扇窗，让我们得以窥见遗传密码是如何通过微调大脑的化学环境，潜移默化地影响着我们逻辑思维的效率与敏捷度。
