SOMATO-认知动作网络与运动皮层中的效应区域交替

　　作为研究固定对脑可塑性的研究影响的一部分，从三名健康的右撇子成年参与者（35、25和27岁； 1个女性）中收集了数据（先前发表的数据29,30,69）。所有参与者获得了书面知情同意。该研究得到了华盛顿大学医学学院人类研究委员会和机构审查委员会的批准。此处采用的主要数据是在固定干预之前（参与者1和3）或两年后（参与者2）收集的。干预后立即收集的数据在扩展数据中以参与性内复制图1B。有关数据采集和处理的详细信息，请参见参考。29。 　　对于两个参与者（参与者1和2），我们在执行两个电动机任务的过程中使用相同的序列收集了其他fMRI数据：一个体体映射任务和电动机控制任务。 　　从参考文献中的电动机任务中改编了块设计。31。在每次运行中，参与者都会有视觉提示，这些提示指示他们执行五个特定运动之一。每个块以2.2-S提示开始，指示要进行哪种运动。在此提示之后，一个中央呈现的Caret替换了指令，每1.1 s闪烁一次（无暂时的抖动）。每次镜头闪烁时，参与者都会执行适当的运动。每个街区进行了十二个动作。每个块持续15.4 s，每个任务运行。每种运动类型的2个块以及3个静止固定块。每次运行中进行的运动如下： 　　运行类型1：靠近左（L）手/关闭右（R）手/Flex L脚/移动舌头L和R（参与者1：24跑；参与者2：20跑）。 　　运行类型2：Flex L肘/Flex r肘/Flex L腕部/Flex R Wrist/Lift双边肩部（参与者1：10跑；参与者2：11跑）。 　　运行3型：Flex l臀肌/Flex r臀肌/紧张的腹部/张开和闭嘴/燕子（参与者1：10跑；参与者2：11跑）。 　　运行类型4：Flex l脚踝/弯曲r踝/弯曲l膝盖/弯曲r膝盖/弯曲双侧脚趾（参与者1：10跑；参与者2：11跑）。 　　运行类型5：Lift L眉毛/升降眉毛/眨眼/眨眼/眨眼r眼睑/耀斑鼻孔（参与者1：10跑；参与者2：11跑步）。 　　使用JSP Chyse Toolbox V6.3实施的事件相关设计用于区分肢体运动的计划和执行。有关此任务的说明，请参见图6。在运行中，提示参与者移动一个肢体或同时移动两个肢体。有四个可能的运动：手指或脚趾的闭塞，左手腕或脚踝的右屈曲，手腕或脚踝的顺时针旋转，手腕或脚踝的逆时针旋转 - 可以由四个末端（左上或下端或下肢）中的任何一个执行。每个运动 - 超级性组合可能是孤立需要的，也可能与第二个同时运动结合使用。当参与者看到一个或两个运动符号以灰色（计划阶段）放置在身体形状上时，请提示运动，然后在灰色符号或符号变绿色（执行阶段）时提示以执行运动。使用伪随机抖动，计划阶段可以持续2至6.5 s，然后持续4至8.5 s的运动执行。每个运动试验（计划和执行）之后，最多可搅拌5 s。每12个动作每12个动作实现8.6 s的休息块。任务运行期间请求两个可能的运动，并在任务之前进行练习。每个任务运行都会更改运动对。每次运行都收集了48次试验。每个参与者总共获得了十二次跑步。 　　对于相同的两个参与者以及另一个参与者（参与者8岁，40岁，从中获得了书面知情同意），在执行喉部映射任务期间，使用多型五回波血液氧气依赖性（BOLD）对比敏感的Echo-echo-Planar序列（FLIP = 68 = 68°MM），收集了喉头映射任务。TR = 1,761毫秒，Multiband 6加速度，TE1：14.20 ms，TE2：38.93 MS，TE3：63.66 MS，TE4：88.39 MS和TE5：113.12 ms），每次运行持续3分钟52 s。获得了一对带有相对相位编码方向（前→后（AP）和后→前→前（PA））的自旋回声回声平面图像（EPI），但获得了与粗体序列相同的几何参数。在参与者8中，还使用上面的序列获得了静止状态fMRI的15分钟。 　　收集了从31的适应的另外十个运动任务运行，以定位喉头发音。在每次奔跑中，参与者都会有视觉提示，指示他们执行六个特定动作之一：左手，右手，左脚，右脚，舌头或声音。在语音条件下，要求参与者在不移动下巴的情况下简要发出噪音“ eeee”。每个块以3.0 s的提示开始，指示要进行哪种运动。在此提示之后，一个中央呈现的Caret替换了指令，每1.0 s闪烁一次（无暂时的抖动）。每次镜头闪烁时，参与者都会执行适当的运动。每个街区进行了十项运动。每个块持续15.0 s，每个任务运行均由每种运动类型的2个块以及2个静止固定块。每个参与者完成了10次跑步。 　　作为先前发表的研究70的一部分，从四名健康的成年参与者（29、38、24和31岁的男性）中收集了数据。该研究得到了Weill Cornell医学机构审查委员会的批准。每个参与者提供书面知情同意。 　　有关数据采集和处理的详细信息，请参见参考。70。 　　从出生后13天开始，从一个睡眠，健康的完整新生儿参与者中收集数据，相当于月经后42周。该研究得到了华盛顿大学医学学院人类研究委员会和机构审查委员会的批准。书面知情同意书由父母提供。 　　在华盛顿大学医学校区使用西门子Prisma 3T扫描仪连续4天，在连续4天入睡时扫描参与者。每个会话都包括收集高分辨率T2加权自旋回波图像（TE = 563 ms，TR = 3,200毫秒，翻盖角= 120°，208切片，0.8×0.8×0.8×0.8 mm Voxels）。In each session, a number of 6 min 45 s multi-echo resting-state fMRI runs were collected as a five-echo BOLD contrast sensitive gradient echo-planar sequence (flip angle = 68°, resolution = 2.0 mm isotropic, TR = 1,761 ms, multiband 6 acceleration, TE1: 14.20 ms, TE2: 38.93 ms, TE3: 63.66 ms,TE4：88.39 MS和TE5：113.12 ms）。每个会话中收集的大胆跑步数取决于新生儿在扫描过程中保持睡眠的能力；在这4天中，总共收集了23次运行。每三个BOLD运行或从扫描仪中删除参与者时，都会获取一对具有相反相位编码方向（AP和PA）（AP和PA）（AP和PA）（AP和PA）（AP和PA）（AP和PA）的自旋回波EPI图像。 　　结构和功能处理遵循华盛顿大学数据集的管道，但有两个例外。首先，使用T2加权图像（通过视觉检查评估的单个最高质量的T2图像）而不是T1加权图像进行了分割，表面描述和地图集注册，这是由于在新生儿中观察到的倒数图像。其次，在将多回波大胆数据未经打破并标准化为Atlas空间之后，在滋扰回归并映射到CIFTI空间之前，它是最佳组合的。由于注册异常，排除了扫描第二天的所有功能磁共振成像扫描。 　　从一个11个月的健康睡眠婴儿中收集数据。该研究得到了华盛顿大学医学学院人类研究委员会和机构审查委员会的批准。书面知情同意书由父母提供。 　　在华盛顿大学医学校区使用西门子Prisma 3T扫描仪，在三个课程中睡着时，对参与者进行了扫描。第一届会议包括收集高分辨率T1加权MP-RAGE（TE = 2.24毫秒，TR = 2,400毫秒，翻盖角= 8°，208片，0.8×0.8×0.8×0.8 mm Voxels和T2-tepteptered Spin-Echo图像0.8×0.8×0.8毫米体素）。第二和第三会议包括收集26次静止状态fMRI的总运行，每次都收集为6分钟49 s长的大胆对比度敏感梯度回声序列（翻盖角度= 52°，分辨率= 3.0 mm同进，TE = 30 ms，TE = 30 ms，TR = 861 MS，多型MS，多级别4 ACCELERATION）。对于每次运行，都采集了一对具有相反相位编码方向（AP和PA）但几何参数和相同的几何参数和回声间距的自旋回波EPI图像以纠正空间变形。 　　在ABCD BIDS社区集合（ABCC; NDA Collection 3165）中发现的DCAN Labs处理管道（https://github.com/dcan-labs/abcd-hcp-pipeline)71中，结构处理遵循了DCAN Labs处理管道，我们发现该年龄在此年龄进行了最佳的表面序列。功能处理遵循华盛顿大学成人数据集的管道。 　　数据是从一个9岁的一个健康的清醒男孩中收集的。该研究得到了华盛顿大学医学学院人类研究委员会和机构审查委员会的批准。父母提供书面知情同意书，并由参与者表示同意。 　　在华盛顿大学医学校园内使用西门子Prisma 3T扫描仪，在12个会议的过程中反复扫描参与者。这些会议包括收集14个高分辨率T1加权MP-rage图像（TE = 2.90毫秒，TR = 2,500毫秒，翻转角度= 8°，176个带有1 mm各向同性体素体素的切片），14 t2 t2加权的旋转式ECHO图像（TE = 564 ms，TR = 3200 ms，TR = 3200 MS，FLIP = 120 mm，176米，176个单位，176个lice，176 lice，176 lice，176 lice，176 lice，176 lice，176 lic。体素）和26个静息状态FMRI的总运行，每个静息状态均收集为10分钟的大胆对比度敏感敏感梯度回声序列（翻盖角= 84°，分辨率= 2.6mm istropic，56片，56片，TE = 33 ms，TE = 33 ms，TR = 1,100 ms，多重级别，4加速）。在每个会话中，获取了一对具有相反相位编码方向（AP和PA）但几何参数和回声间距的自旋回波EPI图像，以纠正大胆数据中的空间变形。 　　结构和功能处理遵循DCAN Labs处理管道，在ABCD BIDS社区集合（ABCC; NDA Collection 3165）71（https://github.com/dcan-labs/abcd-hcp-pipeline）中发现。 　　PS1是一名左撇子，13岁的男性，为一支竞争激烈的青年棒球队效力，被转交给了骨科医生，因为难以有效地使用右臂。考虑到尺神经病，被转诊为物理疗法。但是，PS1首先是由儿童神经科医生（N.U.F.D.）看到的，以进行进一步评估。结构性大脑MRI揭示了与围产期梗死一致的意外广泛的双侧囊性病变。对PS1病史的评论表明，伤害发生在围产期。 　　在华盛顿大学机构审查委员会的批准下，从PS1中获取数据。PS1的母亲提供了书面知情同意，并在数据获取时由PS1表示同意。 　　有关临床病史，神经心理学评估，运动评估或MR图像采集或处理的更多详细信息，请参见参考文献。32。 　　从6岁的镇静成年雌性猕猴（Macaca fascicularis）收集数据。根据明尼苏达大学机构动物护理委员会以及国家健康研究所的护理和使用非人类灵长类动物的护理和使用，进行了实验程序。该受试者随意喂食，并在光线和温度控制的菌落室内配对。动物不受限制。该受试者没有任何事先植入或颅骨手术。在成像之前，将该动物禁食14-16小时。在扫描日内，首先是通过肌内注射阿托品（0.5 mg kg -1），氯化氯化氯化物（7.5 mg kg -kg -1）和脱脂托咪定（13μgkg -1）引起的麻醉。该受试者被运输到扫描仪的前房中，并使用气管导管进行插管。使用与氧气混合的1.0％–2％的异氟烷​​（在插管期间为1 l min-1，扫描过程中的2 L m-1）保持初始麻醉，以补偿所用的管道长度的12米长度）。对于功能成像，异氟烷水平降低至1％。通过将立体定向耳条放入耳道，将受试者放在带有集成头部固定的定制线圈床上。动物的位置对应于狮身人面像的位置。通过自由呼吸进行实验。在手术过程中，使用注射器泵连续给药4.5μgkg -1 H -1右美托咪定。直肠温度（〜37.6°C），呼吸（每分钟10-15次呼吸），末端潮汐CO2（25-40），电 - 心电图（70–150 bpm）和外周毛细血管氧气饱和度（SPO2）（SPO2）（SPO2）（SPO2）（> 90％）使用MRI Compatible Monitor Monitor（IRI Compatible Monitor）（IRI Compatible Enmotible Encorpatible）MRAD（IRA）MRAD-380 MRAD 38880。使用循环水浴以及化学加热垫和用于热绝缘的填充来维持温度。 　　数据是在西门子磁铁上获得的10.5 t加。使用定制的内部构建和设计的RF线圈，带有8通道发射/接收的18厘米长的端偶极阵列，并结合了一个闭合的16频道环路接收阵列盖，并在Chin72下方的50×100 mm2尺寸接收阵列。使用供应商提供的翻盖角度映射序列获取B1+（传输B1）场图，然后为每个个体校准功率。Following B1+ transmit calibration, 3–5 averages (23 min) of a T1-weighted MP-RAGE were acquired for anatomical processing (TR = 3300 ms, TE = 3.56 ms, TI = 1,140,​​ flip angle = 5°, slices = 256, matrix = 320×260, acquisition voxel size = 0.5 × 0.5 × 0.5 mm3, in-plane加速grappa = 2）。运行了匹配的T2加权3D涡轮自旋回波序列的分辨率和领域，以促进B1不均匀性校正。在两个相编码方向（R→L和L→R）中获得了五个图像，以进行离线EPI失真校正。Six runs of fMRI time series, each consisting of 700 continuous 2D multiband EPI73,74,75 functional volumes (TR = 1,110ms; TE = 17.6 ms; flip angle = 60°, slices = 58, matrix = 108 × 154; field of view = 81 × 115.5 mm ; acquisition voxel size = 0.75 × 0.75 × 0.75 mm)使用平面内加速性因子grappa = 3，部分傅立叶= 7/8和MB因子= 2。 　　处理遵循DCAN实验室非人类灵长类动物处理管道（http://github.com/dcan-labs/nhp-abcd-bids-pipeline），并进行了较小的修改。具体而言，我们观察到对10T扫描仪的失真是如此广泛，以至于场地图没有完全纠正它。因此，我们使用基于现场图的经过基于字段图的不折叠，而是将基于现场图的翘曲作为合成器的初始起点，该旋转点是一种无字段图的失真校正算法，该算法创建了合成不固定的粗体图像以注册解剖图像76。合成器大大降低了残留的粗体图像失真。 　　从灵长类动物数据交换（Prime-DE）财团的牛津数据集（https://fcon_1000.projects.nitrc.org/indi/indi/prime/oxford.html)7777,78提供了原始结构和功能数据。完整的数据集由19个（年龄4。4.1±0.98岁，体重6.61±2.94 kg）组成，猕猴（Macaca mulatta）。根据1986年的《英国动物（科学程序）法》，进行了动物护理，麻醉和MRI方案。研究中的动物在扫描之前是小组的。氯胺酮（10 mg kg -1）通过肌肉内注射剂进行诱导，以及甲基嗪（0.125-0.25 mg kg -kg -1），咪达唑仑（0.1 mg kg -kg -1）或buprenorphine（0.01 mg kg -kg -kg -1）。此外，还要注射阿托品（0.05 mg kg -1，肌内注射），美洛昔康（0.2 mg kg -1，静脉注射）和ranitidine（0.05 mg kg -1）。在放置在立体定位框架中之前，至少要15分钟，动物还接受了局部麻醉剂（5％利多卡因/priocaine奶油和2.5％的布比卡因在耳朵周围皮下注射）。最后，用异氟烷维持麻醉，扫描开始后1.5-2小时开始。 　　将麻醉的动物放在狮身人面像的位置放入立体定向框架（Crist仪器），并使用四通道阶段阵列盘线圈（Windmiller Kolster Scientific，Fresno，Fresno，CA）在水平3T MRI扫描仪中扫描。每只动物获得了53.33分钟（1,600卷）的静息状态数据，该数据以2.0 mm的各向同性素分辨率（TR = 2,000 ms，TE = 19 ms，Flip Angle = 90°）获取。使用T1加权的MP-RAGE序列来获取解剖学数据（TR = 2,500 ms，TE = 4.01 ms，Ti = 1,100，Flip Anger = 8°，采集体素尺寸= 0.5×0.5×0.5×0.5×0.5 mm，128片）。 　　结构数据的处理遵循DCAN LABS非人类灵长类动物处理管道（https://github.com/dcan-labs/nhp-abcd-bids-pipeline）。在体积和表面空间中使用FWHM = 1.5 mm施加平滑。然后将表面数据向下采样到10K表面，以创建预处理的CIFTI数据。最后，对每只动物的数据进行了仔细检查的质量检查。经过这些检查，由于中央沟中或附近存在伪影，排除了11只动物的数据，在最终数据中留下了8只动物。选择了八个样本量以包括所有可用的无伪影数据。没有进行随机分组或盲目。 　　在五个大型数据集中的每个参与者中，静止状态fMRI数据平均。 　　从https://wwwww.fmrib.ox.ac.uk.uk.uk/ukbiobank/下载了从40-69岁的40-69岁（53％女性）扫描40-69岁（53％女性）的4,100名UKB参与者（53％女性）的最初批次的群体平均加权特征向量档案。该文件由来自组平均主成分分析的前1,200个加权空间特征向量组成。参见参考。79和文档在https://biobank.ctsu.ox.ac.uk/crystal/ukb/docs/brain_mri.pdf上，以获取收购和处理管道的详细信息。该特征向量文件使用Connectome WorkBench81中的功能区约束方法映射到CONTE69表面模板ATLAS80，并将所有表面顶点的特征向量时间课程交叉相关。 　　从3,928 9至10岁的参与者（51％的女性）中收集了20分钟（4×5分钟）的静止状态FMRI数据以及高分辨率T1加权和T2加权图像，他们被选为具有至少8分钟的较大扫描样本的8分钟的参与者。数据收集是在美国境内21个地点进行的，在西门子，飞利浦和GE 3T MRI扫描仪之间进行了协调。参见参考。82有关采集参数的详细信息。使用ABCD BIDS社区收集（ABCC; NDA Collection 3165）中的ABCD-BIDS管道（https://github.com/dcan-labs/abcd-hcp-pipeline)71进行了数据处理。参见参考。83有关详细信息。 　　从https://db.humanconnectome.org下载了HCP 1200参与者版本的fertexwise组平均功能连接矩阵。该矩阵由所有812名22-35岁（410名女性）的参与者的功能连通性的平均强度组成，他们完成了4×15分钟的静止状态fMRI运行，并使用较新的Recon 2软件重建了原始数据。见裁判。81,84,85,86，以获取收购和处理管道的详细信息。 　　在放松的眼睛固定期间，从华盛顿大学社区招募的120名健康的年轻参与者（60名女性，19-32岁）收集了数据。使用西门子三重奏3.0T扫描仪进行扫描，包括收集高分辨率T1加权和T2加权图像的收集，以及平均14分钟的静止状态fMRI。参见参考。87有关采购和处理管道的详细信息。 　　母亲是在华盛顿大学的两个妇产科诊所的第二或第三学期招募的，这是早期生命逆境，生物学嵌入和精神障碍发展前体的风险（ELABE）研究的一部分。这项研究得到了圣路易斯华盛顿大学的人类研究委员会的批准，并获得了母亲的书面知情同意。出生后不久，在完整，健康的新生儿后代进行神经影像学（包括参与者的平均年龄年龄为41.4周，范围为38-45周）。在扫描Elabe的385名参与者中，有262名在当前的分析中（121名女性）中包括。参见参考。88有关参与者的其他详细信息，排除标准，扫描采集协议和参数以及处理管道。 　　对于每个单一参与者数据集，从静止状态fMRI数据计算出顶点或voxelwise函数连接矩阵，因为大脑中所有顶点/体素的时间序列的Fisher转换成对的成对相关性。In the ABCD, Washington University 120, eLABE and PRIME-DE datasets, vertex and voxelwise group-averaged functional connectivity matrices were constructed by first calculating the vertex or voxelwise functional connectivity within each participant as the Fisher-transformed pairwise correlation of the time series of all vertices or voxels in the brain, and then averaging these values across participants at each vertex or体素。 　　我们通过在内侧运动区域最腹侧（大约MNI坐标（-4，-31，54））之间在皮层表面连续直线中选择每个顶点中的每个顶点，从而定义了一条连续的种子线，并在皮层表面连续直线上进行了连续的直线。对于每种种子，我们检查了其功能连通性图，作为该顶点的时间过程与大脑中其他每个顶点或体素的时间过程之间的相关性。 　　To define the somatomotor regions that were visually identified from the seed-based connectivity analysis in an unbiased fashion for further exploration, we entered each individual adult human participant’s data into a data-driven network detection algorithm designed to identify network subdivisions that are hierarchically below the level of classic large-scale networks (for example, those that produce hand/foot divisions in somatomotor cortex;23,37).我们先前已经描述了这种方法如何识别与任务激活区域89和已知神经解剖系统的子网络结构90。 　　在每个成年参与者中，此分析清楚地识别了与脚，手和嘴巴的运动表示相对应的网络结构。它还确定了与先前未知的连接模式完全相对应的网络结构。为了简单起见，我们将所有效果互助子网络手动分组为单个推定的网络结构（标记为间效应器）以进行进一步分析。 　　Finally, to identify classic large-scale networks in each participant, we repeated the Infomap algorithm on matrices thresholded at a series of denser thresholds (ranging from 0.2% to 5%), and additionally identified individual-specific networks corresponding to the default, medial and lateral visual, cingulo-opercular, fronto-parietal, dorsal attention, language, salience, parietal memory, and上下文关联网络遵循参考文献中描述的过程。24。有关这些个体特定网络，请参见图6。 　　在每个成年人的参与者中，我们计算了一个互助连接图作为所有皮质间互造层间顶点的平均时间过程与大脑中其他每个顶点或体素的时间过程之间的平均时间过程之间的相关性。然后，我们重复此过程，以计算脚，手和嘴巴区域的连接图。 　　为了确定与效应器间区域更强连接的大脑区域，而不是与其他运动区域相比，我们计算了互助连接与任何脚，手或嘴连接性之间每个体素或顶点的最小积极差异。也就是说，我们计算了（iNter-the-tempecter - 最大[脚，手，口]）。这代表了一种保守的方法，只能识别出比其他任何运动区域更紧密联系的大脑区域。 　　在每个成年人类参与者以及HCP组平均数据中，我们计算了三个不同的互前间区域（上，中间和下等）中的每个不同的连接图，因为在每个位置和每个其他位置的两个二轮区域中所有皮质的平均时间过程之间的平均平均时间过程之间的平均时间过程之间的相关性是在每个其他位置和vervexel vertex或voxel in vertexel certexel in the vertex或voxel中的相关性之间的相关性。 　　为了确定与其他两个相比，与其他两个区域相比，大脑区域更强地连接到了效应区域之一，我们计算了该区域连通性与其他两个区域连通性之间的每个体素或顶点的最小积极差异。也就是说，我们计算了（高级效应器 - 最大[中，下，摄影剂]），（中间摄影剂 - 最大[上，下，下效应器]）和（下层间摄影剂 - 最大[上，中，中级效果效果]）。这代表了一种保守的方法，该方法仅识别出比其他两个区域中的任何一个区域相互联系的大脑区域。 　　在每个成年人的参与者中，我们计算了每个脚，手，口腔和摄影器区域与con之间的功能连通性。这是计算为（1）运动区域所有顶点的平均时间过程与（2）CON中所有顶点的平均时间过程之间的平均时间过程之间的Fisher转换相关性。我们在对脚，手和口腔连通性强度的每个脚，手和口腔连接强度中进行了比较的主题进行了配对的t检验，对进行的三个测试进行了FDR校正。 　　然后，我们计算了效应器区域与大脑中其他所有大规模皮质网络之间的功能连接性（视觉，听觉，显着性，预运动，前线，额叶，默认模式，背部注意力，语言，上下文关联和顶叶记忆）。比较了构间效果网络与CON之间的连通性强度与使用配对t检验的其他网络的连通性与与每个其他网络的连通性进行了比较，从而为进行的十项测试进行了FDR校正。 　　使用gephi（https://gephi.org/）实现的弹簧式绘图23进行了网络关系的可视化。在每个成年人类参与者中，节点被定义为大于20 mm2的脚，手，口，摄影器和CON网络的一致簇。节点之间的成对连通性计算为其平均时间课程的Fisher转换相关性。出于可视化目的，通过阈值以40％密度（图的一般外观没有在一定范围的密度上变化）来构建图形。 　　在每个成年人的参与者中，我们根据Freesurfer产生的个体特异性Brodmann Areal parcellation定义了中心和后中性GYRI，后者将其变形为FS_LR_32K空间，以匹配功能数据。前中央回被认为是标记为Ba 4a和4p的顶点，并且中心后回到标记为Ba 3b和2。Ba3a（中央沟的基础）的顶点。由于躯体运动皮层的内侧方面（对应于腿和脚的表示）总是由Freesurfer归类为BA 4A，因此我们将内侧的中心回旋定义为Y型坐骨的皮层顶点，该顶点比脚部的中间Y型（从上方的网络映射）。 　　在参与者的前中央回中，我们根据网络映射程序的标签将顶点标记为代表脚，手，口或摄影器。然后，我们将中心后回分为脚，手，嘴和摄影剂区域，具体取决于每个顶点在哪个物理上最接近的中心区域。最后，在每个分区（脚，手，嘴和摄影剂）中，我们计算了中心后和后中心之间的平均连通性，因为在每个区域中所有顶点的平均时间过程之间的Fisher转换相关性。然后，我们对跨受试者进行了配对的t检验，该受试者与邻近的S1与脚/手/嘴连接强度的每个脚/手/嘴连通性强度进行了比较，S1对进行了三个测试的FDR校正。 　　在每个成年人的参与者中，我们使用Destrieux Atlas91基于个体特定的Freesurfer Gyral parcellation定义了中间岛，该杂物将其变形为FS_LR_32K空间以匹配功能数据。中间岛被认为是标记为绝缘圆形或短的岛状回的顶部的顶点。然后，我们计算了双侧脚，手，嘴和摄影器区域与双侧中间岛之间的功能连通性。我们在对脚，手和嘴巴连接强度的每个脚，手和口腔连接强度的中间岛进行比较的受试者进行了配对的t检验，对进行的测试数量进行了FDR校正。 　　在每个成年人的参与者中，我们都使用小脑的每个体素计算了每个脚，手，嘴和效根据区域之间的功能连通性。然后，使用西装工具箱92将这种方式计算出的小脑连接强度映射到小脑平坦地图上。连通性强度在27个地图集区域中的每一个中平均93。对于每个区域，我们进行了三个配对的t检验，以比较脚，手和口腔连接强度的效果间连接强度，对进行的测试总数进行了FDR校正。报告区域互连接强度明显高于所有其他运动区域的连通性强度。 　　在每个成年人的参与者中，我们将每个半球中的每个单侧壳骨分为四分之一，通过基于其Y（前后）和Z（背腹侧）坐标的中位数进行分裂。然后，我们计算了每个脚，手，嘴和摄影器区域以及每个壳骨四分之一之间的功能连通性。 　　对于每种壳骨师，我们进行了跨受试者进行了配对的t检验，将摄影器间连通性与壳壳分裂与每个脚，手和嘴巴连接强度的每个受试者进行了比较，对进行的测试数量进行了FDR校正。我们报道了互助连通性与所有三种效应特异性连接率显着差异的划分。 　　为了研究丘脑的子区域，我们采用了远端Atlas v1.194，其中包含许多由95鉴定的组织学丘脑子区域。将此地图集放到功能数据的2毫米各向同性空间中。计算了每个成年人参与者的脚，手，口腔和效根据区域的功能连通图，并计算了每个地图集区域内的平均连通性值。地图集为许多核指定了多个子区域。为了进行连通性计算，将这些子区域合并为单核。 　　对于每个成年人的参与者，我们平均从摄影机区域以及每个丘脑核中所有体素的脚，手和嘴区域的连通性平均。对于每个丘脑核，我们在比较脚，手和口腔连通性强度的平均值的互助器上进行了t配对的t检验，对所测试的丘脑核的数量进行了FDR校正。 　　我们使用了先前发表的方法来估计fMRI Data34,96中的相对时间延迟（滞后）。简而言之，对于每个成年人参与者的每个会话，我们在运动系统内的每对顶点或体素时间课程中计算了一个滞后的跨交互函数（CCF），并在皮层中的情况下进行了con。通过使用三点抛物线插值来估计会话级CCF的跨互相极值来确定滞后。将所得的滞后组组装成一个反对称矩阵中，该基质捕获了每个会话的所有可能的成对时间延迟（TD矩阵），该会话平均在跨会话中平均以产生参与者级的TD矩阵。最后，将每个参与者的TD矩阵平均划分为行，以总结一个从一个顶点到所有其他顶点的平均时间班。然后将平均时间滞后在所有顶点中平均，每个前中央回，手，嘴和摄影部区域以及con。 　　然后，我们进行了跨受试者进行配对的t检验，以比较（1）摄影器区域的平均滞后与每个脚，手和嘴区域中的平均滞后，以及（2）CON中的平均滞后与每个脚，手和嘴区域的平均滞后滞后。 　　我们沿着每个猕猴的左半球的4p区域连续放置连通性种子，并连续从背扣带运动区域延伸到DACC中的Rostral扣带回运动区域（区域24）。有关内侧种子的所有功能连通图，请参见内侧皮层种子位置和补充图8b的补充图8a。 　　在每个成年人类参与者中，将Freesurfer分割产生的皮质厚度图变形为FS_LR_32K空间，以匹配功能数据。将前回脚，手，嘴和效应器区域定义为上述，并在每个区域内计算平均皮质厚度。然后，我们进行了跨受试者进行的配对t检验，以比较脚，手和嘴厚的每个脚，对进行的三个测试进行校正。 　　使用扩散成像从M1的单独区域跟踪的白质纤维迅速收敛到内部胶囊，并难以解离。因此，我们测试了紧接中心回中心回的白质的分数各向异性差异。 　　为了计算皮层下方的分数各向异性，我们首先构建了成人人参与者的每个灰白色表面下方2 mm的FS_LR_32K空间表面1-3。为此，对于表面上的每个顶点，我们在FS_LR_32K pial和灰白色的表面上计算了3D向量，并将该向量扩展到灰白色表面以外的2 mm范围，以创建较低的表面。然后，我们使用使用的带有的限制方法映射了分数各向异性值，并在灰白色和2 mm的表面之间映射。结果是映射到白色物质内较低表面的分数各向异性值，该值已登记为现有的FS_LR_32K表面，该表面在其上映射了功能数据并定义了电动机区域。 　　前中央回脚，手，嘴和效应器间区域被定义为上述，我们计算了每个皮质区域下方的平均分数各向异性。 　　然后，我们进行了跨受试者进行的配对t检验，比较了摄影剂区域下方的平均分数各向异性与平均分数各向异性的平均各向异性。 　　在每个成年人类参与者中，我们根据参考文献中描述的方法创建了心脏内髓质含量的certexwise图。81,97。前中央回的定义如上上述。在整个参与者中，我们发现在不同数据集中的参与者之间，基线髓磷脂密度值（在前中心回和整个脑髓磷脂密度图中）都大不相同，这可能是基于所采用的T1和T2加权序列的差异。因此，为了最佳的结果可视化，在每个参与者中，我们通过将计算出的在整个前中心回旋中的平均髓磷脂密度除外，通过将计算出的髓磷脂密度归一化。最后，将前中央回脚，手，嘴和摄影剂区域定义为上述，并在每个区域内计算平均归一化的髓磷脂密度。然后，我们在对每个脚，手和口腔髓磷脂密度的每个受试者进行比较的受试者之间进行了配对的t检验，以纠正进行的三个测试。 　　使用参与者内部块设计对运动任务电池数据进行了基本分析。为了计算每种运动的整体激活程度，将每次运行的数据输入FSL的壮举98中的第一级分析，其中每个运动块被作为持续时间15.4 s的事件建模，每个运动条件的组合波形的组合均与在line型中的单独响应效应（在glm syspector中形成单独的回归效应）（GLM）的效果（GLM）的组合响应（GLM）的组合效应（GLM）的模型（glm）的模型（GLM）效应（GLM）。大脑中的每个顶点或体素。为每次运行提取每个条件的β值映射，并输入第二级分析，其中在一个样本的t-t-Test中，对零激活的零假设进行了跑步级别的beta beta测试（在参与者中）。在此二级分析中测试的每个运动条件中的最终T值转换为Z分数。用大地2D（用于表面数据）或欧几里得3D（对于体积数据）σ= 2.55 mm的高斯核对z得分激活图平滑。 　　对于宽阔的中央沟区域内的每个顶点，我们确定了该顶点中产生最大激活强度的运动（从二级分析，z得分），并将该运动分配给该顶点。 　　对于中前回的每个顶点，我们首先沿着左半球M1的背腹轴计算其位置。这是通过识别向下中心回的连续线中的最接近点（以“基于种子的功能连接”定义的），并分配了该线路内的最接方位置到顶点。 　　对于每个运动，我们都绘制了每个顶点中Z分数激活的背腹M1位置。然后，我们将两条曲线适合这些关系。第一条曲线是形式的单高斯模型： 　　激活= A1×EXP（ - （（位置B1）/C1）2）。 　　第二个曲线是该形式的双高斯模型： 　　激活= a1×exp（ - （（位置b1）/c1）2） + a2×exp（ - （（position-b2）/c2）2）。 　　每个模型中的A1和A2参数都被限制为正（以实现正峰值）。曲线拟合受到限制，以在激活区域的一般附近进行，以避免在M1的遥远部分观察到负面激活。对于下肢运动，这意味着不包括M1的底部三分之一；对于上肢运动，M1的底部加上内侧壁；对于面部运动，M1的最高三分之一。 　　最后，我们测试了单峰模型是否更好地适合数据。这是通过在模型之间进行f检验来完成的，该模型计算为： 　　其中SSE表示模型中的平方误差和DF代表模型中自由度的总和。 　　P值是通过在MATLAB中使用F统计连续分布函数（FCDF.M）和使用（DF1PEAK - DF2PEAKS）和DF2PEAKS作为分子和分母自由度来计算的。 　　对于每个运动，通过拟合低丝曲线，可以更清楚地可视化完整的背 - 偏心M1位置与Z分数激活曲线（从上方）。这些低丝曲线概括了两峰激活拟合，同时还揭示了其他任务响应皮层。 　　根据上述获胜者的结果，我们确定了在每个三个效应特异性（脚趾运动，手动运动和舌运动）和摄影部区域（腹部运动，眼睑运动和吞咽）中最受欢迎的运动。选择了最多的运动，以避免在效应特异性和效应器间区域附近扩散，重叠激活问题。对于中上述回的每个顶点，我们比较了该顶点的六个运动中最首选的激活强度与第二首选运动的激活。这些激活强度之间的差异被认为是该顶点的运动选择性。 　　对于中深度回的六个静止状态脚，手，嘴和摄取器区域中的每个区域，我们计算了每个运动中该区域内的平均激活，从而产生了该区域的运动激活强度的特征。我们还计算了每个运动中所有CON顶点的平均激活。为了确定各个区域在各个运动之间共同执行的程度，然后我们将每个脚，手，口和摄影群簇的活化强度谱与所有其他簇相关联，以及与con的群集相关联。注意：激活图的可视化显示一些条纹，表明张开和紧密的嘴和弯曲的膝盖条件因头部运动而部分扭曲。因此，尽管它们的包容没有改变结果，但这些条件被排除在分析之外。 　　与运动任务电池一样，使用参与者内部块设计对喉头映射任务数据进行分析。为了计算每种运动的整体激活程度，将每次运行的数据输入FSL的壮举98中的第一级分析，其中每个运动块被模型为持续时间15.0 s的事件，每个运动状态的组合波形均与在GLM中进行多种调节术语中的单独的回归措施相旋转，以在GLM响应中形成各种效果，以效应的效率或效应，该效应是在GLM中进行效应的效应，该效应效应的效应或在大脑中。为每次运行提取每个条件的β值映射，并输入第二级分析，其中在一个样本的t-t-Test中，对零激活的零假设进行了跑步级别的beta beta测试（在参与者中）。在此二级分析中测试的每个运动条件中的最终T值转换为Z分数。 　　请注意，喉头映射数据不包括在运动任务电池分析中，因为它是在具有不同序列的不同扫描仪上收集的，因此不会直接可比。 　　使用参与者事件相关的设计对动作控制任务进行分析。对于每个单独的运行，在功能98中构建了一个GLM模型，其中单独的回归器描述了（1）规划和（2）执行每种运动的启动（4个运动×4肢）。每个回归器均被构造为具有规范的血液动力学反应的0个长度事件，并估计了大脑中每个体素的每个回归变量的β值。因此，针对每种运行计算了每个条件的这些beta值映射，并进行了第二级分析，其中t检验跨运行与运行级别的计划BETA与运行级执行beta进行了对比。 　　参考文献中报告的每个刺激位置。51分别映射到MNI空间CONTE69 ATLAS PIAL Cortical Surface80中，通过鉴定顶点的欧几里得距离最小到刺激位点的MNI坐标。每个地点产生的运动都被归类为“下肢”，“上肢”或“面”，并相应地进行了颜色（尽管在显示的左半球中没有报告下肢运动）。 　　有关研究设计的更多信息可在与本文有关的自然投资组合报告摘要中获得。