当前位置：首页 > news >正文

Paper reading - 03. Speech sequencing in the human precentral gyrus

news 2025/9/8 8:27:32

Speech sequencing in the human precentral gyrus

这篇文献一直没来得及细读，关于speech sequencing的研究一直都存在一些疑问，所以通过这篇文献再一次了解speech sequencing的不同阶段以及涉及到的解刨区域

speech-motor sequencing

本文献中，作者认为语言产生过程有三个阶段：Higher level speech planning, Speech-motor sequencing, direct motor control
原文描述：“Speech-motor sequencing is an intermediate stage between higher level speech planning, involving lexical representations, and direct motor control to generate desired speech sounds.”

这是我第一次听speech-motor sequencing这个词，作者为什么觉得会有这三个阶段而不是“准备发音+发音”两个阶段，因为“语音失用症（Apraxia of Speech, AOS）” 这一临床疾病，证明 “Speech-motor sequencing” 是可独立受损的阶段（而非与其他语音加工阶段绑定）：

AOS 的核心症状：患者能理解词汇、知道要发的音（即 “更高层级规划” 正常），也能控制发音器官完成单个简单动作（如单独发 “p” 或 “í”，即 “直接运动控制” 基本正常），但无法将多个发音动作按正确顺序串联 —— 导致 “发音错误随音节复杂度增加而增多”（如说单音节 “pí” 正常，说双音节 “píng” 就混乱，说多音节 “píng guǒ” 错误更严重）。

发音规划和发音涉及的解刨学区域以及有很多研究，但是Speech-motor sequencing是如何在大脑中实现的（即哪些脑区、哪种神经活动模式支持该过程），目前仍不清楚。

作者提出了“中央前回中部（mPrCG）是语音运动排序核心脑区” 的研究假设

作者如何提出假设的？我觉得这一部分的逻辑很值得学习！！！

文中首先梳理了当前主流 “语音感知 - 规划 - 产生模型” 的共性与分歧，为后续脑区功能讨论铺垫框架：
- 模型共性：所有模型均认同 “不同解剖脑区负责语音加工的不同环节”—— 即存在专门脑区分别支持 “感知（如聆听语音）”“规划（如词汇 / 音系目标确定）”“产生（如发音动作执行）”（参考文献 4、5、17）。
- 模型分歧：
  - 串行级联模型（serial cascade）（参考文献 18）：认为语音加工是 “感知→规划→产生” 的线性流程，前一环节完成后才启动后一环节；
  - 并行反馈模型（parallel + feedback）（参考文献 5、19）：认为 “感知、规划、产生” 存在并行激活的表征，且后一环节会向前一环节提供反馈（如发音动作的感觉信号反过来调整规划）；
  - 关键缺口：两种模型均未明确 “各环节的严格时间动态”（即不同脑区的活动何时启动、如何衔接），这为后续通过 “时间维度分析神经活动” 提供了研究空间。
核心争议点：布罗卡区（Broca’s area）的功能被重新质疑 —— 它不负责语音运动排序（speech motor sequencing）
- 最新反驳证据：
  - 功能定位偏差：近年研究发现，布罗卡区实际更偏向 “更高层级的语音规划”（如词汇选择、音系目标确定），而非 “语音运动排序” 或 “发音控制”（参考文献 10、11、22、23）；
  - 损伤后结果不支持：布罗卡区损伤不会导致 “长期语音产生缺陷”（参考文献 24-26）—— 若其真负责语音运动排序（核心产生环节），损伤后应出现持续的发音 / 排序障碍，但实际并非如此。
- 关键问题引出：既然布罗卡区不负责语音运动排序，那么 “语音运动排序究竟由哪个脑区实现？”—— 这成为后文脑区定位的核心问题。
线索：语音失用症（AOS）关联的其他脑区 —— 缩小核心脑区范围
文中通过 “语音失用症（AOS，语音运动排序障碍的典型疾病）的脑损伤定位”，筛选出可能负责语音运动排序的候选脑区，排除争议、聚焦关键区域：
- AOS 关联的候选脑区：除布罗卡区外，AOS 还与以下脑区损伤相关：
  - 岛叶（insula）（参考文献 27）；
  - 中央前回腹侧（vPrCG）（参考文献 28、29）；
  - 中央前回中部（mPrCG）（参考文献 30-33）；
- 争议与聚焦：上述脑区中，“岛叶”“中央前回腹侧” 的定位证据存在较多争议（不同研究结果不一致），但中央前回中部（mPrCG）的证据逐渐清晰：
  最新研究明确提出，mPrCG 中存在 “对语音运动排序有用的音系表征”（参考文献 34）；且神经影像研究发现，“音节水平的语音排序加工” 会激活 mPrCG（参考文献 15、35）—— 这些证据直接指向 mPrCG 的核心作用。
最终假设：中央前回中部（mPrCG）是语音运动排序的关键脑区
综合上述所有线索（模型缺口、布罗卡区功能排除、AOS 关联脑区证据），作者明确提出本研究的核心脑区假设.

妙啊妙啊~！

显著电极筛选

最近显著电极筛选一直让我非常困惑，尝试了多种筛选方法都没有合理的解决显著电极筛选的问题，阅读该文献了解到了FDR矫正，我之前使用的是Bonferroni 矫正，漏掉了许多真实的显著电极，因为Bonferroni 矫正更加严格控制假阳性的出现。尝试FDR之后终于解决了漏掉很多显著电极的问题。

筛选显著电极流程

利用这篇文献，重新梳理一下筛选显著电极的流程。
该研究通过 “非参数统计检验 + 多重比较校正” 筛选显著电极，具体步骤如下：

核心检验方法：采用单侧 Wilcoxon 秩和检验（non-parametric one-sided Wilcoxon rank-sum test）
实验前会先筛选合理有效的trials
- 统计值计算：
  - 对每个电极，分别计算 “任务相关活动的试次平均值” 和 “基线活动的试次平均值”（也就是erp），形成两组分布（任务组 vs 基线组）。
  - 通过 Wilcoxon 秩和检验比较两组分布，得到每个电极在每个任务阶段的原始 p 值。
- 检验逻辑：单侧检验的原假设（H₀）为 “任务相关活动≤基线活动”，备择假设（H₁）为 “任务相关活动＞基线活动”—— 仅当任务引发的神经活动显著高于基线时，该电极才被视为 “显著电极”。
- 多重比较校正：
  - 采用FDR 校正（False Discovery Rate correction），对 “所有电极 ×4 个任务阶段” 的组合进行校正（控制整体假阳性发现率）。
  - 校正后 p 值显著（通常 p<0.05）的电极，被判定为 “显著电极”（即该电极在对应任务阶段的神经活动显著高于基线）。
基线（baseline）的定义
基线活动的选取严格控制 “无任务干扰”，具体标准：
- 时间窗口：每个试次之间的 1 秒间隔（inter-trial windows）。
- 环境条件：该窗口内 “无额外噪音、无参与者发声、任务笔记本屏幕无任何内容”—— 确保基线仅反映 “纯静息状态” 的神经活动，排除感知输入或运动输出的干扰。
任务时间窗口定义

FDR矫正

这里使用的FDR 校正（False Discovery Rate correction，假发现率校正）是一种多重比较校正方法，核心目的是控制 “在多次统计检验中，错误判定为‘显著’的结果（假阳性）占所有‘显著’结果的比例”，而非像 Bonferroni 校正那样控制 “至少出现 1 次假阳性的概率（FWER）”。

为什么需要 FDR 校正？
当进行多次检验（如文中 “多个电极 ×4 个任务阶段” 的检验）时，即使所有原假设（H₀）都为真（即无真实显著效应），仅靠随机概率也会有部分检验的 p 值小于 0.05（假阳性）。例如：
若进行 1000 次检验，按 p<0.05 的标准，约 50 次会误判为显著（假阳性）；

传统 Bonferroni 校正通过将阈值设为 0.05/1000=0.00005，虽能严格控制假阳性，但会大幅提高 “漏判真实显著结果” 的概率（假阴性），尤其在检验次数多、效应量小时极不友好。
FDR 校正的优势在于平衡假阳性与假阴性：允许少量假阳性存在，但确保假阳性在所有 “显著结果” 中的占比不超过预设水平（通常设为 0.05），更适用于脑科学、基因组学等需大量检验的场景（如文中的电极筛选）。

“sustained electrodes” 中单个电极的神经活动探究

作者发现了一些在四个任务种都持续活动的电极，但是这些电极分布在大脑不同区域。
作者使用聚类将这些电极分为四个cluster，这些电极存在不同的活动模式，但每种模式都不是存在单一脑区的电极，只不过每个cluster内的主导电极的解剖学区域不同

接下来分析核心是探究 “持续神经活动” 的功能意义——即这种活动是反映 “单一神经过程”（如全程维持序列信息），还是 “随任务阶段动态变化的多功能过程”。

分析方法：统计检验 + 电极分类对比

统计检验 —— 用 Friedman 检验 + 事后检验判断 “电极能否区分任务阶段”
目的是量化 “单个电极的持续活动在 4 个阶段是否存在显著差异”
- Friedman 检验（非参数 ANOVA）
  - 初步判断 “单个电极在 4 个阶段的活动是否存在整体差异”
  - 对每个电极，计算其在 “4 个任务阶段” 的 HGA（高频 gamma 活动，反映神经激活强度）均值，检验这 4 组均值是否存在显著差异（即活动是否随阶段变化）
  - 原假设：4 个阶段的 HGA 无差异（活动是单一功能）；
  - 备择假设：至少 2 个阶段的 HGA 有差异（活动随阶段变化）；
  - 显著性阈值：P<0.05，FDR 校正（控制多重检验假阳性）。
- 事后 Wilcoxon 符号秩检验
  - 进一步定位 “哪些阶段之间存在差异”，并筛选 “能区分所有 4 个阶段的电极”
  - 对 Friedman 检验显著的电极，进行 “两两阶段” 的事后比较，筛选出 “在所有 4 个阶段间均存在显著差异” 的电极
  - 双侧检验（two-sided），同样用 FDR 校正；
  - 目的：从 “有阶段差异的电极” 中，进一步筛选出 “差异最显著、能完整区分所有阶段” 的子集。
组间对比 —— 持续电极 vs 非持续电极的 “阶段区分能力” 差异
计算 “区分能力指标”：对每个电极，用 Friedman 检验的卡方统计量（chi-square statistic）衡量其 “阶段区分能力”—— 卡方值越大，说明该电极在 4 个阶段的活动差异越显著，区分能力越强。
- 统计对比：用Wilcoxon 秩和检验（two-sided） 比较 “持续活动电极” 与 “非持续活动电极” 的卡方统计量中位数：
  - 检验目的：判断两类电极的 “阶段区分能力” 是否存在显著差异；
  - 统计细节：P<0.001，z=4.80（强统计显著性，说明差异可靠）。

结论

持续活动不是 “单一功能”：大部分持续活动电极（蓝色标记）能区分至少 2 个任务阶段，部分电极（橙色三角形）甚至能区分所有 4 个阶段，说明其活动随阶段动态变化，支持 “多功能过程”（编码→维持→运动准备→执行的功能转换）。
持续电极的 “功能动态性” 更强：持续电极的卡方统计量中位数显著高于非持续电极，说明其在 “适应不同任务阶段需求” 上的能力更突出，这可能是持续活动的核心功能价值。

“sustained electrodes” 的群体水平的神经活动探究

既然大多的单电极无法准确区分四个任务，这种 “单个电极能力不足” 是否是因为 “信息分散在多个电极中”？那群体水平的电极是否能区分四个任务呢？

实验设计

作者使用了最常用的数据解码范式，训练了一个logistic regression分类器取预测不同阶段的活动。但是可视化的结果具有参考意义
可以参考：

统计所有持续活动电极的HGA强度，计算mean erp。每个时间窗口对应的时间点都会有一个阶段标签（0-4）
使用所有电极的活动作为输入训练分类器，优化目标就是，最小化 “预测阶段标签” 与 “真实阶段标签” 的交叉熵损失
训练完成后，用测试集验证分类器性能，并通过 “概率时间序列” 可视化解码结果

结果

作者得到了四个阶段的解码概率随时间变化的曲线，展示了分类器如何根据任务进程预测阶段。直观反映 “分类器能否跟随任务进程动态预测阶段”—— 概率变化与任务阶段切换高度同步。
支持 “持续活动的多功能性”：群体解码能准确区分 4 个阶段，说明持续活动的群体模式随阶段动态变化，进一步佐证 “持续活动不是单一功能，而是服务于不同阶段的多功能过程”。
在这里插入图片描述
除此之外，作者也统计了不同解刨学区域的解码准确率对比，以及持续电极和非持续电极的解码准确率对比，最后发现，The ==mPrCG == was found to have the closest accuracy relative to that when using all sustained electrodes (closely followed by the vPrCG)。也就是说mPrCG的持续电极可能在解码种占主导地位的电极。

“sustained electrodes” 的表征空间探究

既然前面证明了，持续活动的电极确实能够区分不同任务，那这些电极在不同任务阶段是否反映相似的神经过程，还是独立的processing？也就是说，这些电极再不同任务中的神经表征是否独立？是否存在独立的表征空间？

实验设计—— “PCA 降维 + 状态空间轨迹分析”

轨迹与表征的关系：在低维状态空间中，“不同阶段的持续活动” 会形成 “时间轨迹”—— 若轨迹位置可区分、且对应不同的 “表征平面”，则说明阶段间的神经加工过程是独特的；若轨迹重叠或共享平面，则说明加工过程相似。

数据预处理 —— 提取 “试次平均的持续活动数据”
- 这一步就是针对每个持续活动的电极，计算所有试次在单个电极上的mean HGA，最终得到 时间点x电极数 的2维矩阵
PCA 降维 —— 构建 “低维神经状态空间”
- 将上一步得到的2维矩阵降维，选择前3个主成分——解释了82.7%的方差
- 降维后的数据变成 时间点x3 的低维矩阵
绘制 “阶段轨迹”—— 观察状态空间中的阶段差异
- 将不同任务阶段的 “神经状态点” 按时间顺序连接，形成 “阶段轨迹”
拟合 “表征平面”—— 量化阶段轨迹的空间独立性
3 维空间中，一条连续轨迹可被近似为 “2 维平面内的曲线”（若轨迹复杂度低）；拟合的平面代表 “该阶段持续活动的核心表征空间”；用 “调整后 R²” 评估平面拟合优度 ——R² 越接近 1，说明轨迹越贴近平面
- 平面关系计算：计算两个拟合平面的 “夹角”—— 这是判断表征是否独立的关键指标：
  - 正交平面（夹角 90°）：代表两个阶段的表征空间完全独立（加工过程无重叠）；
  - 平行平面（夹角 0°）：代表两个阶段的表征空间完全共享（加工过程相似）；
对不同解剖学区域的电极做同样的分析，并拟合到同一个平面内

结果

最后得到拟合和平面如下图，可以看到encoding（紫色）和speech production（绿色）两个阶段产生的轨迹是位于两个不同的平面的，且编码期平面 R²=0.96，产生期平面 R²=0.86，均接近 1，说明拟合有效；两条曲线夹角 58.4°，更接近正交（90°）而非平行（0°），说明表征空间是独立的而非完全共享。
在这里插入图片描述
第五步的结果可以得出结论：

mPrCG 是持续活动网络的核心脑区：
mPrCG 的持续活动轨迹与全脑轨迹高度相似（平面拟合 R²≈0.97，夹角最小），且在 “阶段区分能力” 上与全脑网络一致 —— 说明 mPrCG 能代表整体持续活动网络的功能，是网络中的 “关键节点”；
持续活动的动态性反映 “跨阶段功能转换”：
全脑与 mPrCG 的轨迹在不同阶段分布在不同平面，且随任务进程平滑切换 —— 证明持续活动不是 “重复同一过程”，而是随 “刺激感知→计划→执行” 的阶段转换动态调整，服务于跨阶段的功能衔接；