全球范围内老龄化程度在持续加重，我国也已进入老龄化社会。认知控制衰退是脑老化在行为层面的重要表现，严重损害老人的目标-导向能力等高阶认知功能。核磁共振成像研究发现，认知控制老化伴随了额、顶、枕等一系列脑区的激活改变。然而，这种“脑区定位”的研究无法完整揭示认知控制老化的神经机制。为此，陈安涛课题组从多模态网络的角度出发，系统梳理了认知控制老化的跨脑区神经协同基础，发现老化关联了功能网络分离、协同和拮抗的异常；而且，功能网络的去分化、信息协同加工损伤以及内源性干扰增强多种因素共同作用于认知控制老化（图1）。相关成果以Understanding Cognitive Control in Aging: A Brain Network Perspective为题，近期发表在重要神经老化刊物Frontiers in Aging Neuroscience（IF = 5.750；中科院大类二区）上。

                                     图1.认知控制老化相关的功能网络交互异常

老化导致大脑网络功能分离损伤。伴随老化，静息态下任务正相关网络(Task positive network, TPN)的功能分离程度逐渐下降，表现为网络内连接密集程度下降以及网络间连接增强（图1A）。静息态下的功能分离反映了脑网络的分化水平，是脑网络组织良好的表现。这种自发活动下的功能分离损伤提示了任务加工中的网络功能异常，并因此与认知控制衰退存在关联(Chan et al., 2014; Zonneveld et al., 2019)。

老化导致大脑网络功能协同损伤。额顶网络到任务特异性脑区的功能协同损伤与认知控制老化有关。在字母N-back任务中，年轻组表现出了负荷依赖的功能连接增强，而老年组并未表现出脑区协同加强，提示了老化相关的功能协同受损（图1B）。这种功能协同损伤通常发生在额顶网络的枢纽脑区(e.g.,dorsolateral prefrontal cortex，dlPFC)到任务特异性脑区之间(Nagel et al., 2011)。

老化导致大脑网络功能拮抗损伤。相对于年轻人，老人的默认网络(defaultmode network, DMN)与TPN间表现出功能拮抗损伤（图1C）。TPN和默认网络间的功能拮抗能够降低内源性信息的干扰，确保外源性信息按目标加工(Buckner & DiNicola, 2019; Fornito et al., 2012; Kelly et al., 2008; Menon, 2011)。因此，功能拮抗损伤的证据提示，认知控制老化或与任务加工中的默认网络干扰增强有关。

功能层面的网络交互受到结构连接的支持和约束(Laura et al., 2020)，并调控了复杂的控制加工过程。因而，本研究结合多模态网络研究指出：结构连接受损通常能够削弱功能连接，并引发认知控制老化(图2A，上部分)。然而，该领域存在一个未被很好解释的现象：结构连接损伤并不必然削弱功能连接，有时也会出现功能连接的补偿性增强(图2A，下部分)。

为了解释这一现象，研究引用了多模态网络研究中的经典发现：功能网络和结构网络在宏观水平相似，但在特定连接上存在差异(图2B)。对于老人而言，当结构网络损伤轻微时，功能连接能够依赖于第三方结构通路维持，并使得认知控制功能尽可能维持。然而，当结构网络损伤严重时，这种功能性维持将缺少物质基础，并使老人表现出认知控制衰退。

                                       图2.认知控制老化的多模态网络神经基础

总之，本研究从多模态网络的视角，系统阐述了认知控制老化的网络神经机制。这一研究有助于我们系统地理解大脑宏观尺度的脑区协同模式异常如何参与并引发了认知控制的衰退。未来应积极引入网络神经科学方法，积累因果性和多模态证据，考察不同认知控制成分老化网络神经机制的共性和特性。陈安涛课题组近期开始关注认知控制老化的多模态网络神经机制，并对该领域展开系列综述和实证性研究，本文为该领域的系统梳理和理论性思考。

论文信息：

Xia, H., He, Q., & Chen, A. Understanding Cognitive Control in Aging: A Brain Network Perspective.Frontiers in Aging Neuroscience, 1299.https://doi.org/10.3389/fnagi.2022.1038756.

参考文献：

Buckner, R. L., & DiNicola, L. M. (2019). The brain's default network: updated anatomy, physiology and evolving insights.Nat Rev Neurosci,20(10), 593-608.https://doi.org/10.1038/s41583-019-0212-7

Chan, M. Y., Park, D. C., Savalia, N. K., Petersen, S. E., & Wig, G. S. (2014). Decreased segregation of brain systems across the healthy adult lifespan.Proc Natl Acad Sci U S A,111(46), E4997-5006.https://doi.org/10.1073/pnas.1415122111

Fornito, A., Harrison, B. J., Zalesky, A., & Simons, J. S. (2012). Competitive and cooperative dynamics of large-scale brain functional networks supporting recollection.Proc Natl Acad Sci U S A,109(31), 12788-12793.https://doi.org/10.1073/pnas.1204185109

Kelly, A. M., Uddin, L. Q., Biswal, B. B., Castellanos, F. X., & Milham, M. P. (2008). Competition between functional brain networks mediates behavioral variability.Neuroimage,39(1), 527-537.https://doi.org/10.1016/j.neuroimage.2007.08.008

Laura, E. S., Markello, R. D., Betzel, R., & Mišić, B. (2020). Linking Structure and Function in Macroscale Brain Networks.Trends in Cognitive Sciences,24, 302-315.https://doi.org/10.1016/j.tics.2020.01.008

Menon, V. (2011). Large-scale brain networks and psychopathology: a unifying triple network model.Trends Cogn Sci,15(10), 483-506.https://doi.org/10.1016/j.tics.2011.08.003

Nagel, I. E., Preuschhof, C., Li, S. C., Nyberg, L., Backman, L., Lindenberger, U., & Heekeren, H. R. (2011). Load modulation of BOLD response and connectivity predicts working memory performance in younger and older adults.J Cogn Neurosci,23(8), 2030-2045.https://doi.org/10.1162/jocn.2010.21560

Zonneveld, H. I., Pruim, R. H., Bos, D., Vrooman, H. A., Muetzel, R. L., Hofman, A., Rombouts, S. A., van der Lugt, A., Niessen, W. J., Ikram, M. A., & Vernooij, M. W. (2019). Patterns of functional connectivity in an aging population: The Rotterdam Study.Neuroimage,189, 432-444.https://doi.org/10.1016/j.neuroimage.2019.01.041