在全球范围内，共有2500万自闭症患者，他们被称为“星星的孩子”。其中，一小部分自闭症患者表现为超高的智商和在某些方面超长的能力，而绝大部分自闭症患者智商较低，基本没有社交能力，需要在他人的陪伴下度过一生。自闭症的发病机制并不明确，至今也没有有效的治疗方法。自闭症属于神经系统疾病，因此，关于自闭症的脑功能研究层出不穷，这让我们能够逐渐了解自闭症患者大脑的与众不同之处，并帮助医生和神经科学家找到治疗自闭症的方法。我们的大脑是一个动力学系统，今天，我们就要介绍一个关于自闭症患者大脑动力学特性的研究。
该研究共招募了24名自闭症患者和26名年龄、智商无显著差异的健康对照志愿者，所有志愿者均为男性。研究者采集了所有志愿者的静息态功能磁共振图像，并分析了大脑中七个网络（default mode network, DMN; fronto-parietal network, FPN; salience network, SAN; attention network, ATN; somatosensory and motor network, SMN; visual network; auditory network）的能量地图。研究者把每个体素的神经元活动信号提取出来，计算每个网络的平均活动，然后把神经活动二值化，即分为active和inactive两个状态。计算每个网络在不同状态下的能量，利用梯度下降的方法得到局部极小值，即能量最低点，这一点也被称为吸引子。研究者共发现了四个大脑中主要的状态，并计算了状态之间的转换频率。
研究发现，自闭症患者在两个主要状态之间的直接状态转换跟健康人无异，但在经由中间状态的间接状态转换中表现出了异常的低频，这是由于自闭症患者中间状态不稳定导致的，因此自闭症患者会比较长时间的停留在主要状态上。研究者进一步发现，间接状态转换的频率降低与自闭症的严重程度有关，在主要状态停留的时间与自闭症患者的智商得分相关。而自闭症患者大脑动力学系统的过度稳定与不同大脑网络的异常功能连接相关。这些研究结果表明，在自闭症患者中，大尺度的脑系统之间的异常平衡与过度稳定与他们的自闭症症状和一般的认知能力相关。
值得注意的是，该研究招募的自闭症患者均为高能力的自闭症患者，仅能说明高能力自闭症患者的大脑动力学特征。
这种基于能量地图的研究方法不仅可以用于自闭症患者的研究，还可以用于精神分裂症、抑郁症等精神疾病的研究。
参考文献：
Takamitsu Watanabe, Geraint Rees. Brain network dynamics in high-functioning individuals with autism [J]. Nature Communications, 2017.
本文为原创编译，转载请注明出处