自我从何而来？过往的神经科学研究关于自我在大脑中的表征有两种相异的观点：早期观点即高阶自我假设（higher-order self hypothesis）认为自我是大脑中最高级的功能，它是所有低级功能的聚合；近期观点即基本自我假设（fundamental self hypothesis）则认为大脑中始终存在着独立且基础的自我成分，它可以调控各类低级功能。目前关于基本自我假设的直接证据支持仍然不足。验证基本自我假设最佳的证据之一是，大脑即使在静息状态的活动也能预测随后自我相关行为。清华大学心理学系王非副教授课题组从此角度入手，使用新兴的机器学习技术，尝试在个体水平预测一种常见的自我偏向——自我优势效应（self-prioritization effect，即个体会优先知觉与处理自我相关刺激），并解码其神经机制。

348名年轻健康被试完成了静息态功能核磁共振成像（rs-fMRI）的扫描与自我优势效应的行为任务。研究者计算了每个被试的功能连接矩阵和自我优势程度，前者作为机器学习模型中的特征，后者作为机器学习模型中的标签。模型的稳健性使用嵌套交叉验证策略得到保障，泛化性则使用另一批独立样本进行测试。

研究方法流程图

结果显示，个体静息状态下的大脑自发活动可以预测自我偏向行为。模型识别的自我优势脑网络在另一批独立样本中也得到了验证。在预测过程中，部分脑区（如前额叶和丘脑）与功能网络（如默认模式网络）的贡献突出，表明其可能是自我优势加工背后的神经机制。

预测结果（左）与自我优势脑网络（右）

功能网络间功能连接的贡献程度（左）与单个功能网络的影响程度（右）

本研究提供了证实基本自我假设的初步直接证据。自我优势效应强度的预测特征遍及全脑，其中皮下结构等区域的贡献在以往研究中较少涉及。为了整合所发现的结果与过往研究提出的相关理论框架，研究团队创新性地提出了一个新的自我神经模型：内在自我加工网络模型（intrinsic self-processing network model），希望能为后续自我领域的神经科学研究提供一定启发。

内在自我加工网络模型

基于上述研究，王非副教授课题组在神经科学国际期刊《神经成像》（Neuro Image）在线发表题为“从静息态功能连接解码自我优势效应的个体差异”（Decoding individual differences in self-prioritization from the resting-state functional connectome）的相关论文。论文第一作者为心理学系2022级博士研究生张永发，通讯作者为心理学系王非副教授，论文合作者包括英国阿伯丁大学隋洁教授。

论文链接：

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

供稿：心理学系