情景记忆使我们能够重温在特定地点和时间发生的过去事件。关于情景记忆提取的神经生物学研究大多集中在海马和内侧颞叶(MTL)皮层，但一般认为海马通过整合新皮层分布区域所代表的信息来支持记忆。与这一观点一致的是，记忆提取的功能磁共振成像(fMRI)研究显示，由内侧和外侧顶叶、外侧颞叶和内侧前额叶新皮质区域组成的皮质-海马网络的活动和连通性与内侧颞叶新皮质区域一致，损伤研究表明，这个网络中的损伤会导致健忘症。

在情景性检索中被招募的这组分布的皮层区域与构成默认模式网络(DMN)的区域广泛重叠。DMN是一个大型网络，通常在对fMRI数据进行内在功能连接(FC)分析的研究中被识别出来，一些研究表明DMN可以被划分为不同的子网。划分DMN的一种方法是将DMN子网视为MTL内连接差异的扩展。在啮齿动物和非人灵长类MTL连通性神经解剖学研究的指导下，fMRI数据中固有FC的研究区分了优先隶属于周边皮质和海马前部的皮质区域和优先隶属于海马旁皮质和海马后部的皮质区域。

第二种分割DMN的方法使用了数据驱动的方法，这些研究也发现了部分冲突的网络描述。这些研究一般将DMN划分为3个亚网络:MTL亚网络、后扣带回和内侧前额叶皮层(mPFC)中线亚网络和由背侧MP、外侧颞叶和腹外侧前额叶皮层组成的第三个网络，但主要集中在皮质区域。然而，目前尚不清楚这些数据驱动的皮层网络分块是否与情景记忆或与任务相关的皮质-海马网络的补充有关。

一项研究试图使用以前用于描述大规模皮层网络的数据驱动方法，来提供有助于情景记忆的皮质-海马网络的全面特征。使用全脑数据驱动的方法来检测静置状态fMRI中的FC，该研究旨在寻求(1)识别和划分DMN子网，并检查这些子网是否与PM/AT框架收敛;(2)检测海马体与识别网络的连接;(3)确定这些皮质-海马网络是否在情景记忆中发挥不同的作用。

该研究的第一个目标是使用数据驱动的方法来识别大规模静息状态网络。利用40名参与者25分钟的静息状态功能磁共振成像数据，使用最先进的技术将大脑划分为标准的静息网络。

研究者们从最近发表的人类新皮质图谱中提取了混淆校正后的平均时间序列，并计算了每个皮质区域和每个其他皮质区域的时间序列之间的Fisher z-transform Pearson相关性。然后，创建了一个群体平均FC矩阵，用于社区检测。计算海马到图谱中每个皮层区域的连通性，并根据网络隶属关系将同一网络内皮层区域的FC权重平均。对所有参与者进行相同工作内容。

1-样本t检验显示，该研究的样本中有2个网络连接到每个海马感兴趣区(ROI)，即DMN和MTN (DMN范围:t(38) = 10.7 ~ 12.9，均p < 0.001;MTN范围:t(38) = 4.2 ~ 9.3，均p < 0.01)。语言网络和躯体运动网络均表现出显著的前海马连通性，但后海马连通性不明显。MTN和DMN与海马体的强大连接证实了之前的海马体连接研究。

DMN可进一步划分为3个亚网络:由后扣带和外侧顶叶皮质组成的“后内侧”亚网络;由颞极和背内侧前额叶皮层区域组成的“前颞叶”亚网络;“内侧前额叶”(MP)亚网络主要由内侧前额叶皮层(mPFC)的区域组成。这些神经网络在海马长轴上具有不同的功能连通性(FC)，在记忆引导决策过程中代表不同的信息类型。

结论：对功能磁共振成像研究的分析提出了关于MTN和DMN子网络功能的新假设，为未来的情景记忆的神经结构研究提供了一个框架。

医博士编译自：Barnett AJ, Reilly W, Dimsdale-Zucker HR, et al. Intrinsic connectivity reveals functionally distinct cortico-hippocampal networks in the human brain. PLOS Biology. 2021; 19(6):e3001275. doi:10.1371/journal.pbio.3001275

原文链接：https://pubmed.ncbi.nlm.nih.gov/34077415/