自我從何而來？過往的神經科學研究關于自我在大腦中的表征有兩種相異的觀點：早期觀點即高階自我假設（higher-order self hypothesis）認為自我是大腦中最高級的功能，它是所有低級功能的聚合；近期觀點即基本自我假設（fundamental self hypothesis）則認為大腦中始終存在着獨立且基礎的自我成分，它可以調控各類低級功能。目前關于基本自我假設的直接證據支持仍然不足。驗證基本自我假設最佳的證據之一是，大腦即使在靜息狀态的活動也能預測随後自我相關行為。beat365心理學系王非副教授課題組從此角度入手，使用新興的機器學習技術，嘗試在個體水平預測一種常見的自我偏向——自我優勢效應（self-prioritization effect，即個體會優先知覺與處理自我相關刺激），并解碼其神經機制。

348名年輕健康被試完成了靜息态功能核磁共振成像（rs-fMRI）的掃描與自我優勢效應的行為任務。研究者計算了每個被試的功能連接矩陣和自我優勢程度，前者作為機器學習模型中的特征，後者作為機器學習模型中的标簽。模型的穩健性使用嵌套交叉驗證策略得到保障，泛化性則使用另一批獨立樣本進行測試。

研究方法流程圖

結果顯示，個體靜息狀态下的大腦自發活動可以預測自我偏向行為。模型識别的自我優勢腦網絡在另一批獨立樣本中也得到了驗證。在預測過程中，部分腦區（如前額葉和丘腦）與功能網絡（如默認模式網絡）的貢獻突出，表明其可能是自我優勢加工背後的神經機制。

預測結果（左）與自我優勢腦網絡（右）

功能網絡間功能連接的貢獻程度（左）與單個功能網絡的影響程度（右）

本研究提供了證實基本自我假設的初步直接證據。自我優勢效應強度的預測特征遍及全腦，其中皮下結構等區域的貢獻在以往研究中較少涉及。為了整合所發現的結果與過往研究提出的相關理論框架，研究團隊創新性地提出了一個新的自我神經模型：内在自我加工網絡模型（intrinsic self-processing network model），希望能為後續自我領域的神經科學研究提供一定啟發。

内在自我加工網絡模型

基于上述研究，王非副教授課題組在神經科學國際期刊《神經成像》（Neuro Image）在線發表題為“從靜息态功能連接解碼自我優勢效應的個體差異”（Decoding individual differences in self-prioritization from the resting-state functional connectome）的相關論文。論文第一作者為心理學系2022級博士研究生張永發，通訊作者為心理學系王非副教授，論文合作者包括英國阿伯丁大學隋潔教授。

論文鍊接：

https://doi.org/10.1016/j.neuroimage.2023.120205

供稿：心理學系