NC最新：容易焦慮和抑郁的大腦長什么樣？基于400人大樣本的fMRI預(yù)測研究

認(rèn)知神經(jīng)科學(xué)前沿文獻分享

基本信息

Title:The functional neurobiology of dispositions towards negative emotions

發(fā)表時間:2026-06-27

發(fā)表期刊:Nature Communications

影響因子:18.1

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

在日常生活中，人們體驗負面情緒的傾向存在巨大差異。這種差異在心理學(xué)中通常被概括為“神經(jīng)質(zhì)”（Neuroticism）或“負性情緒特質(zhì)”（Negative affectivity），它不僅是人格分類的核心維度，也是理解抑郁、焦慮等精神病理學(xué)現(xiàn)象的關(guān)鍵基石。

長期以來，認(rèn)知神經(jīng)科學(xué)領(lǐng)域存在一個主流假設(shè)：神經(jīng)質(zhì)源于大腦對負面刺激的“跨情境高反應(yīng)性”。順著這個邏輯，研究者們自然而然地將目光鎖定在了杏仁核、前腦島、背側(cè)前扣帶回（dACC）以及突顯網(wǎng)絡(luò)（Salience network）上。然而，這些基于“短暫情緒狀態(tài)（State）”得出的神經(jīng)標(biāo)記，真的能直接等同于“穩(wěn)定人格特質(zhì)（Trait）”的神經(jīng)基礎(chǔ)嗎？

為了回答這個根本性問題，Sicorello 等人開展了一項極具野心的大規(guī)模預(yù)注冊研究，并將其成果發(fā)表于 Nature Communications。他們利用最經(jīng)典的兩種情緒 fMRI 任務(wù)（觀看負性場景和負性面孔），在數(shù)百人的大樣本中，從單一腦區(qū)、靜息態(tài)網(wǎng)絡(luò)、已驗證的情緒神經(jīng)印記，一路測試到全腦機器學(xué)習(xí)模型。這項研究不僅試圖檢驗經(jīng)典理論的真?zhèn)危噲D為“如何用大腦數(shù)據(jù)預(yù)測復(fù)雜心理特質(zhì)”建立新的標(biāo)尺。

Fig 1. 研究設(shè)計與分析流程圖。研究系統(tǒng)性地評估了從單一腦區(qū)、大尺度網(wǎng)絡(luò)、多變量神經(jīng)印記到全腦機器學(xué)習(xí)模型對負性情緒特質(zhì)的預(yù)測能力。

研究核心總結(jié)

這項研究并沒有停留在單一的假設(shè)檢驗上，而是根據(jù)大腦信號的復(fù)雜程度，層層遞進地拆解了負性情緒特質(zhì)的神經(jīng)基礎(chǔ)。

一、 經(jīng)典“情緒腦區(qū)”與神經(jīng)質(zhì)缺乏實質(zhì)性關(guān)聯(lián)

研究者首先測試了領(lǐng)域內(nèi)最廣為流傳的假設(shè)：神經(jīng)質(zhì)是否與杏仁核、前腦島或突顯網(wǎng)絡(luò)的高反應(yīng)性有關(guān)。結(jié)果出人意料——無論是單一腦區(qū)的平均激活、七大經(jīng)典靜息態(tài)網(wǎng)絡(luò)的任務(wù)態(tài)響應(yīng)，還是目前最先進的負性情緒多變量神經(jīng)印記（如 PINES、VIFS），都無法有效預(yù)測個體的神經(jīng)質(zhì)得分。

貝葉斯因子分析進一步提供了支持“零假設(shè)”的強有力證據(jù)。這意味著，在面對標(biāo)準(zhǔn)的負面視覺刺激時，那些傳統(tǒng)意義上的“情緒熱點腦區(qū)”的活躍程度，并不能解釋為什么有些人天生更易體驗到負面情緒。這一發(fā)現(xiàn)直接挑戰(zhàn)了神經(jīng)質(zhì)源于“跨情境杏仁核高反應(yīng)性”的經(jīng)典理論。

Fig 2. 神經(jīng)質(zhì)與文獻中經(jīng)典神經(jīng)指標(biāo)的關(guān)聯(lián)。無論是腦區(qū)（a）、網(wǎng)絡(luò)（b）還是多變量印記（c），其與神經(jīng)質(zhì)的相關(guān)性均極低，置信區(qū)間基本排除了具有實際意義的效應(yīng)量。

既然經(jīng)典腦區(qū)失效了，全腦分布式的信號能否捕捉到蛛絲馬跡？在排除了寬泛的“神經(jīng)質(zhì)”大類后，研究者將目光轉(zhuǎn)向了神經(jīng)質(zhì)的子維度。通過全腦支持向量回歸（SVR）模型，他們成功在“觀看負性場景”任務(wù)中預(yù)測了神經(jīng)質(zhì)的一個核心子維度：壓力脆弱性（Stress vulnerability），并且該模型在獨立的驗證集中得到了穩(wěn)健的重復(fù)（r ≈ 0.20）。

更有意思的是這個預(yù)測模型的神經(jīng)權(quán)重分布。虛擬損傷分析（Virtual lesion analyses）表明，該模型最依賴的并非邊緣系統(tǒng)，而是視覺網(wǎng)絡(luò)和軀體運動網(wǎng)絡(luò)。這提示我們，高壓力脆弱性的人在面對負面場景時，大腦的差異可能主要體現(xiàn)在對刺激的“知覺-動作”準(zhǔn)備上（即如何評估并準(zhǔn)備應(yīng)對威脅），而不是單純的“情緒感受”強度上。

Fig 3. 神經(jīng)質(zhì)子維度的機器學(xué)習(xí)預(yù)測結(jié)果。在所有子維度中，僅有“壓力脆弱性”在場景任務(wù)中表現(xiàn)出穩(wěn)健的跨樣本預(yù)測能力，且其神經(jīng)權(quán)重廣泛分布于全腦。

Fig 4. 圖像中心化（Centering）對神經(jīng)指標(biāo)相關(guān)性的影響。研究發(fā)現(xiàn)，只有在去除全腦全局信號的個體差異后，杏仁核才與壓力脆弱性表現(xiàn)出微弱的相關(guān)，提示了全局信號在個體差異研究中的潛在混淆作用。

為了更全面地理解哪些因素決定了大腦預(yù)測心理特質(zhì)的成敗，研究者進行了一項包含 1176 個模型的“多宇宙分析”（Multiverse analysis），涵蓋了 14 種不同的情緒特質(zhì)和多種數(shù)據(jù)處理策略。

結(jié)果清晰地表明，決定預(yù)測準(zhǔn)確率的最重要因素是“心理構(gòu)念（Construct）”與“實驗任務(wù)（Task）”的選擇。寬泛的人格特質(zhì)（如整體神經(jīng)質(zhì)）很難被通用的負面刺激任務(wù)所預(yù)測；而當(dāng)任務(wù)的心理學(xué)內(nèi)涵與特定特質(zhì)（如場景任務(wù)之于“壓力脆弱性”）高度契合時，穩(wěn)健的腦-行為關(guān)聯(lián)才會浮現(xiàn)。

Fig 5. 1176 個模型的多宇宙分析結(jié)果。預(yù)測準(zhǔn)確率呈現(xiàn)出明顯的梯度：與任務(wù)直接相關(guān)的情緒狀態(tài)最容易被預(yù)測，而越是寬泛、與當(dāng)前任務(wù)脫節(jié)的特質(zhì)（如積極情緒、抑郁癥狀），預(yù)測效果越差。

Fig 6. 實驗設(shè)計因素對預(yù)測準(zhǔn)確率的方差分解。心理構(gòu)念的選擇和任務(wù)類型的選擇是解釋模型表現(xiàn)差異的最核心變量。

研究意義

這項工作為認(rèn)知神經(jīng)科學(xué)中關(guān)于“人格與情緒特質(zhì)”的研究提供了一次重要的糾偏。

首先，它在理論上打破了“神經(jīng)質(zhì)=杏仁核/突顯網(wǎng)絡(luò)高反應(yīng)性”的簡單映射。研究提示，負性情緒特質(zhì)的個體差異，可能更多地體現(xiàn)在大腦如何賦予負面事件以“知覺與行動的意義”，而非單純的情緒喚醒。

其次，在方法學(xué)上，該研究確立了“構(gòu)念-任務(wù)對齊（Construct-assay alignment）”原則。未來的研究不能再指望用一套通用的“看負面圖片”任務(wù)來測量所有復(fù)雜的心理特質(zhì)。想要找到特定人格的神經(jīng)基石，必須設(shè)計在計算層面上與該特質(zhì)高度匹配的專屬任務(wù)。

最后，這項研究也為領(lǐng)域劃定了現(xiàn)實的預(yù)期邊界。在跨模態(tài)的腦-問卷關(guān)聯(lián)研究中，真實的效應(yīng)量（r 值）通常在 0.20 到 0.30 之間。承認(rèn)并接受這種適度的效應(yīng)量，放棄對單一腦區(qū)夸大其詞的解讀，才是腦科學(xué)走向精準(zhǔn)化與個體化預(yù)測的必經(jīng)之路。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關(guān)注，點亮星標(biāo) ? 前沿不走丟！

一鍵分享，讓更多人了解前沿