近年来，全脑关联研究（BWAS）被广泛用于考察个体间行为、环境差异与大脑功能或结构变异之间的联系。然而，既有工作多围绕单一行为或临床变量展开，对不同环境暴露与表型变量所对应的全脑关联模式缺乏系统比较，其神经生物学可解释性和跨样本泛化性也有待进一步检验。在此背景下，本文以儿童青少年为对象，尝试将大规模非成像变量与脑功能连接和皮层厚度进行关联映射，并对所得全脑关联图谱进行比较分析。
本文题为“Patterns of brain-wide associations reflect socioeconomics”，作者为来自美国的科研团队，发表于《Science》。文章利用青少年大脑认知发展研究等大样本数据，将数百个环境与行为变量映射到儿童大脑，并借助多种神经生物学参考图谱对全脑关联模式进行解读与泛化性检验。其研究重点在于考察不同变量与大脑变异之间的关联结构，以及这些关联模式在神经生物学上的意义和在不同样本条件下的稳定性。
研究背景
全脑关联研究（brain-wide association studies, BWAS）旨在通过大样本人群数据，将行为、环境或临床变量与脑功能或结构指标联系起来，以揭示个体差异的神经基础。早期研究多聚焦于单一变量，如认知能力或精神病理指标，并常以关联效应量大小作为主要评价标准。随着样本规模扩大和分析方法改进，BWAS的可重复性有所提升，但其神经生物学解释力和跨群体泛化性仍面临挑战。
人脑功能与结构受遗传、发育、环境暴露和日常经验等多重因素影响。社会经济条件、睡眠、压力等环境因素可能通过神经内分泌和生理通路影响脑发育，并进一步与认知和行为差异相关。然而，既有研究对不同环境与行为变量的相对贡献缺乏系统比较，也较少考察全脑关联模式之间是否共享共同的神经生物学基础，以及这些模式在不同样本和社会经济背景下的稳定性。因此，如何从大量变量中识别稳健的脑关联模式，并理解其可解释性与泛化边界，成为该领域的重要问题。
研究策略
研究主要使用青少年大脑认知发展（ABCD）研究的基线数据，并划分为预注册的发现集（n=2316）和复制集（n=2263）；同时使用ABCD第二年随访数据、人类连接组计划（HCP，n=877）和英国生物银行（UK Biobank，n=32,572）进行外部验证。所有样本均采用严格的头动控制标准，并保留兄弟姐妹和双生子结构以检验稳健性。
非成像变量共649个，覆盖社会经济学、屏幕时间、认知、人口学、身体健康、心理健康、文化环境、社会适应、物质使用、人格、养育方式和病史等12类。脑指标包括静息态功能连接（RSFC）和皮层厚度：RSFC基于333个皮层感兴趣区之间的边，皮层厚度基于59,412个皮层顶点。影像数据经过统一的ABCD-HCP处理流程，包括运动校正、去噪、带通滤波和表面投影等步骤。
对每个非成像变量与每个脑特征分别进行单变量相关分析，得到全脑关联图谱（rBWAS），并按99%置信区间等指标排序。多变量分析采用岭回归、典型相关分析（CCA）和基于连接组的预测建模（CPM），通过主成分分析降维，在发现集中训练模型，在独立复制集中评估样本外预测关联（roos）。
对所有649个BWAS图谱进行主成分分析，提取第一主成分作为共同脑关联模式，并与SES等变量的脑图进行空间相关比较。为解释该模式，研究引入任务fMRI元分析图谱、PET神经递质受体密度图、EEG睡眠图谱以及兴奋剂药物fMRI图谱等非BWAS参考模式，并使用旋转零模型检验空间相关的显著性。
采用交叉情境验证框架，分别在全SES、高SES和低SES子样本中训练脑-IQ模型，再在独立复制样本中测试泛化性。通过连续改变训练样本的SES组成，考察模型泛化性与SES-IQ相关的关系。同时，在单变量和多变量模型中调整SES后重新估计脑-IQ关联，并采用混淆隔离交叉验证、训练IQ模型测试SES、训练SES模型测试IQ等方式检测捷径学习。还通过改变遗传祖先、性别和精神病理组成进行对照分析。
单变量和多变量模型均使用线性混合效应模型或相关方法控制年龄、性别、头动和站点等协变量。显著性检验采用参数与非参数方法，并对多重比较进行FDR或Bonferroni校正。研究还通过ComBat harmonization、仅保留单胎样本、替换效应量阈值和改变模型超参数等方式检验结果的稳健性，并报告效应量与置信区间。
研究发现
在649个环境与行为变量中，社会经济地位（SES，尤其是儿童机会指数的社会与经济维度）与静息态功能连接（RSFC）和皮层厚度的关联最强。其与RSFC的最大单变量关联为r=0.24，比IQ强约50%，比总体精神病理因子（p-factor）强约130%。在RSFC关联最强的40个变量中，37个属于社会经济类；多变量分析中，SES的样本外预测关联也最高（RSFC：roos=0.40，解释约16%方差；皮层厚度：roos=0.36）。该结果在ABCD复制样本、第二年随访、更大基线样本及英国生物银行成人样本中均稳健复现。
SES的BWAS图谱主要由初级运动、感觉及邻近网络主导，而非额顶认知区域。对所有649个BWAS图谱做主成分分析后，第一主成分解释了34%的方差，且与SES脑图几乎完全相同（空间相关r=0.97）；即使排除所有社会经济变量后重新计算，该共同模式仍几乎不变（r=0.99）。这表明，在数百个变量中存在一个共同的全脑关联模式，而它最能反映儿童的社会经济状况。
该“暴露组脑图”与去甲肾上腺素受体密度（r=0.34）、EEG睡眠模式（r=0.44）和兴奋剂药物效应（r=0.49）正相关，与工作记忆（r=-0.15）、推理（r=-0.17）和认知控制（r=-0.16）等任务fMRI激活模式负相关。IQ的BWAS图谱也与此唤醒模式相似（r=0.78），却与已知的高阶认知脑解剖不匹配。儿童期压力复合指标的脑图与SES脑图相关达r=0.50，提示SES可能通过睡眠剥夺、慢性压力和屏幕使用等途径嵌入大脑。
调整SES后，95%的脑-IQ单变量关联减弱，约70%不再显著；原本最强的脑-IQ关联减弱最多。IQ脑图与兴奋剂模式的空间相关从r=0.42降至-0.08，与额顶认知模式的相关从-0.04升至0.16。多变量脑-IQ关联也下降30%–40%（RSFC：roos从0.36降至0.23；皮层厚度：0.23降至0.13）。相反，脑-SES关联在调整IQ后仅下降约20%，仍保持较强。这表明，此前报告的脑-IQ关联在很大程度上受SES混淆。
仅在高SES儿童中训练的脑-IQ模型无法泛化到全SES样本（roos=0.01，P=0.45）；仅在低SES儿童中训练的模型则可泛化（roos=0.30）。连续改变训练样本的SES组成时，脑-IQ模型只有在训练样本中SES与IQ的相关达到一定水平（rvars>0.10）时才表现出泛化。而且，这些模型在预测SES时比预测IQ时表现更好，说明它们学到的更多是社会经济背景这一“捷径”，而非IQ的神经基础。相比之下，脑-SES模型在不同IQ组成、遗传祖先和性别条件下均较稳健，预测SES始终优于预测IQ。
儿童大脑的个体差异与社会经济环境的关系最为密切，SES可能通过睡眠不足、慢性压力等可改变因素影响神经内分泌系统，进而留下运动与感觉皮层为主的脑关联模式。尽管SES关联最强，其多变量模型最多仍只解释约16%的脑差异，且群体水平效应不能预测个体命运。研究进一步表明，IQ测试所声称的“本质化智力”缺乏神经生物学基础，而环境因素——尤其是社会经济机会——对儿童大脑发育具有重要影响。
讨论总结
首先，作者认为SES脑模式集中于运动和感觉皮层，并与去甲肾上腺素受体密度、睡眠EEG模式及兴奋剂药物效应高度重合，而与高阶认知任务激活模式相悖。这提示SES可能通过睡眠不足、慢性压力和屏幕使用等途径影响神经内分泌系统，进而在大脑中形成可观测的关联模式。该模式在儿童和成人样本中均可复现，说明其并非某一发育阶段所特有。
其次，研究对脑-IQ关联的神经生物学地位提出根本性质疑。调整SES后，脑-IQ关联大幅减弱，IQ脑图从唤醒相关模式转向额顶认知模式；多变量脑-IQ模型仅在训练样本包含低SES儿童时才泛化，且预测SES优于预测IQ，表明模型存在“捷径学习”。作者将这一现象与Scarr-Rowe效应类比，认为IQ分数并非稳定、本质化的智力指标，其脑关联高度依赖社会经济背景。
最后，研究强调环境对儿童大脑发育的核心影响。SES虽为最强关联变量，但多变量模型最多解释约16%的脑差异，且群体水平效应不能预测个体命运。作者提出睡眠和慢性压力是成本效益较高、可快速干预的候选靶点，但需纵向临床试验验证。文章也指出局限：研究为相关性设计，无法确立因果；SES-脑关联出现的时间窗口尚不明确；样本主要来自美国儿童，外部泛化仍有限。
总体而言，本文通过将BWAS模式与神经生物学参考图对比，论证了社会经济环境可能通过睡眠、压力等可改变因素与儿童大脑广泛关联，并挑战了以IQ为核心的本质化认知观。其核心结论是：环境对儿童大脑的影响可能比既往认为的更为根本，但社会经济机会并非个体命运。
