《Communications Biology》：Neurogenetic phenotypes of learning-dependent plasticity for improved perceptual decisions
編輯推薦：
為探究成人腦內遺傳與支持學習及靈活行為的腦機制間互作，劍橋大學團隊以視覺辨別任務訓練參與者，結合基因表達與多模態腦成像，發現枕葉和前額葉基因表達關聯學習誘導的皮層微結構（如髓鞘化）和功能連接變化，tDCS 刺激可調節功能連接，為理解學習的神經遺傳機制提供新視角。
論文解讀
在復雜環境中精準識別目標（如從雜亂場景中分辨偽裝的獵物）依賴大腦的學習可塑性。過往研究已知經驗可通過改變腦結構（如髓鞘化）和功能連接（FC）提升感知技能，遺傳因素（如 BDNF、ERK 通路）也參與學習調控，但成人腦中基因表達與學習相關可塑性的宏觀神經機制互作仍不明確。為此，英國劍橋大學（University of Cambridge）的研究團隊開展了一項多模態研究，旨在揭示基因表達與感知學習相關腦可塑性的關聯，研究成果發表于《Communications Biology》。
研究背景與目的
感知學習（Perceptual Learning）是通過訓練提升感知決策能力的關鍵過程，但遺傳如何通過腦結構（如皮層微結構）和功能（如網絡連接）的可塑性影響這一過程尚不清楚。團隊聚焦視覺辨別任務（信號 - 噪聲任務，SN task），結合全腦基因表達數據（艾倫人腦圖譜，AHBA）與多模態神經影像技術（定量 MRI 多參數映射（MPM）檢測髓鞘化標記 MTsat、靜息態 fMRI 檢測功能連接），通過梯度分析（Gradient Analysis）解析皮層微結構和功能連接的空間變化模式，探究基因表達與學習誘導的可塑性之間的關聯。
關鍵技術方法
- 行為訓練與數據采集：22 名參與者完成 6 次行為 session（基線、預訓練、后訓練及 3 次帶反饋的訓練），通過 SN 任務檢測準確率變化。
- 多模態腦成像：利用 MPM 獲取皮層微結構（髓鞘化）數據，rs-fMRI 獲取功能連接數據，基于 Sch?efer 腦區劃分提取 200 個皮層節點的特征。
- 基因表達分析：基于 AHBA 數據，提取左半球 200 個腦區的 16651 個基因表達譜，通過偏最小二乘回歸（PLS）分析基因表達與腦成像特征（微結構和功能連接梯度）的關聯。
- 經顱直流電刺激（tDCS）干預：在另一組 45 名參與者中，通過陽極 tDCS 刺激視覺皮層，比較刺激組與假刺激組的功能連接和行為表現差異。
研究結果
1. 行為表現：訓練顯著提升感知能力
重復測量 ANOVA 顯示，訓練后（Post-training）準確率顯著高于預訓練（Pre-training）（F(2,38)=35.49, p<0.001），基線與預訓練間無顯著差異，表明行為改善特異性源于訓練。
2. 枕葉和前額葉基因表達與學習可塑性的關聯
- PLS 分析：前三個 PLS 成分（PLS1-3）顯著解釋學習相關的微結構和功能變化（p<0.05），其中 PLS1 富集的基因主要表達于枕葉（p<0.001）和前額葉（p=0.032），涉及認知靈活性（如 APOE）、學習記憶（如 Arc、FOXP2）等通路。
- 梯度分析：視覺網絡（VN）與額頂網絡（FPN）間的微結構協方差（MPC）梯度離散度降低（結構連貫性增強）與更快學習速率相關；FPN 內功能連接梯度離散度增加（功能分離增強）與學習速率正相關。
3. tDCS 干預增強學習并調節功能連接
陽極 tDCS 刺激視覺皮層組（Anodal）訓練后準確率顯著高于假刺激組（Sham）（p=0.019），且功能連接分析顯示：VN 內 FC 離散度降低（區域連貫性增強），FPN 內 FC 離散度增加（功能分離增強），VN-FPN 間 FC 離散度降低（跨網絡連接增強），但微結構無顯著變化。
結論與意義
研究揭示了感知決策網絡中學習相關可塑性的神經遺傳表型：枕葉和前額葉的基因表達通過調控皮層微結構（髓鞘化）和功能連接的空間模式影響學習效率。早期學習階段，功能連接的靈活性（如 FPN 內功能分離）起主導作用；長期訓練則依賴微結構可塑性（如 VN 內結構分離）。陽極 tDCS 通過增強功能連接而非微結構促進短期學習，為解析學習的神經機制提供了跨尺度證據。該研究整合基因表達、宏觀腦網絡和行為數據，為理解遺傳 - 環境互作在成人腦可塑性中的作用開辟了新方向，有望為神經調控技術（如 tDCS 優化學習）和神經發育 / 神經退行性疾�。ㄈ缈伤苄援惓Ｏ嚓P疾�。┑难芯刻峁├碚摶A。
研究首次在成人腦中建立了基因表達與感知學習相關的結構 - 功能可塑性的直接關聯，強調了額頂 - 視覺網絡交互在學習中的核心作用，并驗證了非侵入性腦刺激對功能可塑性的調控潛力，為 “基因 - 腦網絡 - 行為” 的跨層次研究提供了典范。
