编辑推荐：
本综述运用网络控制理论（NCT），深入探讨了大脑高度互连的“富俱乐部”（Rich Club）区域在调控功能状态中的核心角色。研究挑战了富俱乐部作为“控制中心”的传统观点，发现其在维持和切换脑状态时的作用远低于由同等数量的低连接度外围区域组成的对照组。研究通过分析人脑连接组计划（HCP）的静息态与任务态fMRI数据，揭示了视觉初级网络和额顶网络腹外侧亚区等外围区域才是控制过程的关键。该工作为理解大脑整合与分离功能的动态平衡提供了新视角，并对网络控制理论的方法学扩展提出了方向。
1 引言
人类大脑通过在不同功能状态间灵活转换以适应多变的需求。这些脑状态由遍布全脑的、由生理与认知过程引起的重复性活动模式所表征，并被认为直接影响行为。然而，神经活动的这种“编排”源自何处？现有证据表明，大脑底层网络结构约束了脑状态的动态。大脑的“治理”是一种协作努力，而非传统的集中式控制中心。其中，富俱乐部组织是一个关键特征：它涉及一些高度互连的枢纽区域，这些区域优先相互连接，形成了一个被称为“富俱乐部”的密集互连子网络。尽管维持富俱乐部因需要长距离、代谢需求高的神经纤维而代价高昂，但它对全局整合与通讯至关重要。
网络控制理论（NCT）提供了一个数学框架，用于量化维持脑状态以及在状态间转换所需的能量。最初在工程领域发展起来的NCT，通过大脑特定的结构连接矩阵、脑状态向量、控制矩阵和控制能量输入来线性近似大脑动态，并求解状态转移所需的最优控制能量。该能量与特定状态（如2-back工作记忆条件）的认知需求相关。NCT或可用于量化认知努力和评估疾病导致的损伤。本研究利用NCT，通过人类连接组计划（HCP）提供的七个任务的数据，探究富俱乐部在控制行为约束的脑状态转换中的具体角色，并假设富俱乐部在网络控制中扮演关键角色。
2 材料与方法
研究数据来自HCP中100名无亲缘关系参与者的子集，涵盖七个任务：情绪匹配、n-back工作记忆、赌博、语言、运动、关系判断和社交任务。使用基于任务的fMRI对比数据定义脑状态，并与扩散加权MRI数据重建的参与者特异性结构连接组相结合。结构连接组使用CATO工具箱处理，基于Lausanne子分区图谱定义了219个皮层区域，并以分数各向异性（FA）进行加权。此外，还探索了基于流线数量（NOS）加权和未加权的连接组。
脑状态定义基于每个任务的两个主要实验对比，通过计算区域平均激活值得到。为探究富俱乐部的作用，采用Riedel等人描述的程序定义富俱乐部制度，最终确定22个区域构成组水平的富俱乐部。
控制能量和稳定性分析在线性框架下进行。通过操作控制矩阵来探究三种情况：1）全局控制（所有区域均可施加控制）；2）排除富俱乐部区域或大小匹配的随机参考集区域后的控制；3）排除单个脑区域以探究其个体贡献。计算了维持状态（稳定性）和在状态间转换所需的最优控制能量。所有分析在最优控制框架下进行，重点关注特定预定义脑状态之间的控制过程。
3 结果
3.1 全局与区域控制能量及稳定性
除语言任务外，每个任务内的两个脑状态在稳定性上均存在显著差异。从更稳定状态向较不稳定状态的转换，比反向转换需要显著更多的控制能量。在探究各脑区域贡献时发现，对任务通用脑状态维持有贡献的区域，也促进了任务通用的状态转换。存在一个子集的节点在所有任务中持续不参与对脑状态的控制。
3.2 富俱乐部区域的区域控制能量与稳定性
确定的22个组水平富俱乐部区域，在任务通用控制度量上的排名处于中到高位。富俱乐部区域对稳定性和控制能量的贡献显著低于偶然预期，表明其贡献确实少于外围区域。节点度与区域排名呈正相关，证实高连接度区域对状态维持和转换的贡献都较少。在参与者个体水平上分析，绝大多数参与者的富俱乐部区域贡献显著低于偶然预期。
3.3 作为网络的富俱乐部的控制能量与稳定性
将富俱乐部所有区域排除在可能控制区域之外的分析进一步证实了上述发现。与排除一组随机区域相比，排除富俱乐部导致稳定脑状态和状态间转换所需的控制能量显著更低。这表明，与任何其他脑区域组相比，富俱乐部对稳定脑状态和受控状态转换的贡献更少。
3.4 不同连接组加权方案与参数设置的重复验证
研究系统性地改变了NCT中的时间范围参数T，主要发现在除关系任务中少数状态转换外的所有情况下保持一致。当使用NOS加权的连接组时，结果依然显著；但使用未加权的二值矩阵时，结果的一致性有所下降。
3.5 基于参与者水平富俱乐部和参考集定义的重复验证
即使考虑富俱乐部成员定义的个体间差异，并使用参与者特异性定义重复分析，相对于随机参考集的所有差异仍然显著。即使对零模型施加额外约束（如匹配连接性轮廓或连接总和），差异在绝大多数情况下仍然显著。
3.6 任务间转换的重复验证
对于任务之间的状态转换，研究再次发现，从控制集中移除富俱乐部对脑状态稳定性和转换的影响，显著小于移除大小匹配的随机区域组。这种影响的效应大小和显著性因目标状态而异。
3.7 区域控制角色与其他节点中心度量的关系
除了节点度，研究还发现，一个区域的参与系数越高，其对状态维持和转换的贡献也越少。节点通信能力与对控制能量的贡献呈负相关。研究进一步探究了区域控制贡献与内在连接网络的关系，发现初级视觉网络（Y1）和额顶网络腹外侧亚区（Y12）对脑状态稳定性和转换的贡献显著高于偶然预期。相反，体感运动网络的背侧亚区（Y3）、额顶网络后侧亚区（Y11）对控制能量贡献较少；额顶网络背外侧亚区（Y13）仅对状态维持贡献较少。
此外，一个区域在视觉-感觉运动皮层梯度上的位置与其区域控制贡献呈显著负相关，而在感觉-跨模态梯度上的位置则无显著关联。这意味着“更视觉”的区域更多地参与控制任务。未发现区域控制贡献与其结构-功能耦合程度之间存在显著关联。
4 讨论
研究发现，富俱乐部区域以及一般的高连接度区域，对控制指标的持续影响低于外围区域。这一发现对高连接度区域（如富俱乐部）构成整合核心并对其功能控制至关重要的传统观点提出了挑战。参与系数高的区域也未成为顶级控制节点。相反，一个区域在控制脑状态转换方面的效力，可能更依赖于其所属的特定内在连接网络亚区或其在大脑皮层功能连接特定梯度上的位置。具体来说，初级视觉网络（Y1）和额顶网络腹外侧亚区（Y12）内的区域表现出特别高的任务通用控制影响力。在视觉-感觉运动梯度上处于较高位置（即“更视觉”的区域）也与高任务通用控制参与度显著相关。
研究在方法学上使用基于统计参数图（beta权重）的脑状态定义，增强了生态效度，但也存在一定局限。同时，线性框架提供了对受控转换的全局视角，但未体现非线性动力学。未来研究需要非线性、时间分辨的NCT方法扩展，并纳入更大的脑状态集和皮层下结构进行探究。
5 结论
本研究探究了大脑富俱乐部在维持认知相关脑状态以及协调状态间转换中的控制理论角色。利用HCP七个典型任务的任务态fMRI数据，研究表明富俱乐部并不能最优地控制状态的稳定性或状态间的转换。结果反而表明，外围区域，特别是那些隶属于中央视觉和腹外侧额顶静息态网络，以及位于视觉-感觉运动皮层梯度较高位置的区域，对控制指标的影响显著高于富俱乐部。这些发现并未否定富俱乐部的重要性或其整合作用，但符合将其描述为大脑的被动“数据高速公路”而非控制中心的观点。富俱乐部区域可能并不主动驱动网络控制，但其反复观察到的整合重要性仍然可以源于其高强度和高度连接所形成的强大网络基础设施。
