自闭症谱系中的个体往往在社交和形象化语言方面有困难。由于社会语言往往是形象化的，因此要区分这些困难的认知和神经来源是很困难的。社会认知和语言理解的神经系统在参与检索语言意义（语义）的区域重叠，如前颞叶（ATL）、内外侧前额叶皮质（vmPFC）、后扣带皮质（PCC）和后颞中回（pMTG）。使用形容词-名词短语，我们操纵了社会/非社会和形象/字面的维度，我们预计这将激活不同但重叠的区域。我们假设自闭症患者（AUT）的激活差异对于更多的社会性和形象性刺激会更大。在fMRI过程中，AUT组（N = 19）和非自闭症对比组（N = 22）的参与者在一个平衡的2×2（社会/非社会x比喻/文字）设计中对192个短语进行了熟悉度判断。社会性短语激活了所有参与者的PCC，但只有NAC组激活了vmPFC。形象性短语被AUT组评为更多的文字，在AUT组，形象性-文字性短语对比没有显示出激活，但在NAC组激活了PCC和右pMTG。一个重要的组级神经差异是在社会-比喻性条件下，预计组间差异最大：AUT组在右ATL的激活更大。AUT组的右ATL和pMTG的差异表明，在处理社会和比喻性语言时，典型语义网络的右同源脑区的参与度有所改变。
Graves et al
自闭症谱系中的个体，包括没有语言延迟病史的个体，在理解某些抽象语言（如隐喻）方面表现出困难。这些困难是否主要与语言来源或自闭症的其他核心特征有关，如社交认知困难，一直是一个难题。这一挑战源于抽象语言和隐喻通常包含社交内容这一事实。与社交加工困难一样，自闭症患者的抽象语言理解困难也存在于行为表现和神经系统差异方面。抽象语言既包含社交内容，也包含不同程度的比喻或文字内容。值得注意的是，根据不同程度的社交内容进行调节的神经系统与在语言理解过程中对不同程度的语义内容作出反应的神经系统基本相同。在本研究中，我们试图通过确定社交和比喻性语言加工背后是否存在不同的神经认知机制，更好地理解自闭症语言理解差异的神经基础。
社会语言加工
一般来说，自闭症患者通常被认为在理解社交内容方面存在挑战，包括社交语言。自闭症患者社交语言挑战的神经基础表明，在中部和侧颞顶叶区域内存在激活以加工社交语言。该区域网络包括前前中回结构，如内侧前额叶皮质（mPFC）、后中回结构，例如后扣带回皮质（PCC）和楔前叶、前颞叶（ATL），以及侧部结构，如后颞中回（pMTG）和角回（AG）。与心理化网络的这些区域有很大重叠的是被一致发现为语言理解（语义加工）而激活的区域，包括mPFC、PCC、ATL、pMTG和AG。本研究的目标有两个。一个是确定当这些因素被正交操作时，对社交或比喻内容做出反应的神经区域是否会有所不同。另一项研究是确定与没有自闭症的被试相比，被试对社交或形象内容操纵的反应神经区域是否会有所不同。
比喻语言加工
在很大程度上独立于孤独症社会理解差异的神经基础研究，还有大量关于孤独症一般语言理解差异神经基础的实证研究，很少有研究关注比喻语言的神经差异，如隐喻或双关语。当前研究的中心问题是确定加工社交内容和加工比喻内容之间是否存在交互作用。更具体地说，对于自闭症成年人来说，社交加工可能是由不同的神经区域中介的，而非自闭症成年人则是如此，特别是当社交信息发生在比喻语境中时。这一发现将有助于澄清自闭症患者抽象语言理解差异的本质。
就比喻内容与文字内容相比的预测而言，研究表明，即使在大脑半球水平上，所识别的神经位点也存在很大差异。这种差异的一个来源可能与不同研究中使用的不同类型的非文字语言有关。对加工比喻（非文字）语言的非孤独症被试的功能性神经成像研究的两个不同的大规模元分析加强了这种可能性。一项研究表明，语义网络的各个区域，如内侧和外侧顶叶和外侧颞叶区域，在加工文字语言时始终处于激活状态，而在整个大脑皮层中，不同类型的非文字语言（如隐喻、反讽和讽刺）的激活区域更具异质性，反过来也更不一致。但是，与文字语言加工相比，图形语言加工激活了一些区域，包括双侧下额叶和前颞叶皮质。另一项元分析类似地结合了各种类型的非文字语言，并将其与文字语言进行对比。他们的研究结果与Bohrn等人的研究结果相似，在额下皮质，与文字语言相比，他们揭示了比喻语言的双侧（但左侧更大）激活。但是，在他们的元分析中，左侧而非右侧的ATL被激活用于比喻语言。结合指出ATL在社会认知和语义认知中的突出作用的研究，尤其是在涉及语言时，如果自闭症患者对社交和比喻语言的加工存在差异，我们可以预测左侧ATL激活的差异。
关于与语义加工相关的典型神经模式，值得注意的是，这些区域位于高阶关联皮层，而不是更多的初级感觉或运动皮层。相反，在少数自闭症语义加工研究中发现的一种模式是，自闭症谱系中的被试激活感觉相关区域，如枕外侧皮质。对于相同的语义加工条件，非自闭症被试的激活仅限于与语义独立相关的关联皮层区域。更普遍地说，最近对自闭症语义加工的神经基础研究进行的元分析表明，跨研究的一致性结果有限。结果的缺乏是否是由于缺乏相关研究（即元分析中的N=11）或自闭症患者功能神经组织的空间异质性，尚不清楚。但是，一个持续出现的发现是，在与颞后上回（pSTG）交界的左侧pMTG中，自闭症组比非自闭症组更活跃。该区域位于包括pMTG的语义网络和包括与语音（语音或听觉词形）加工相关的pSTG的语言网络之间的连接点。与典型读者相比，阅读障碍读者的pSTG也是一直处于激活不足的领域之一，这表明自闭症患者可能比非自闭症患者更依赖音韵学作为语义加工的途径。总之，这些发现 提出了一种可能性，即作为语义基础的典型神经网络至少部分不同于自闭症患者语义加工中涉及的神经基底。
社交和比喻语言加工
社交和比喻语言的使用通常被归入语言语用学的范畴，但是语用学超越了这里所考虑的简单的形容词-名词刺激，还包括更广泛的语言结构，如句子层次的句法、多句子话语和韵律。为了区分社交和比喻内容的神经认知效应，我们使用了相对简单的刺激，我们可以仔细控制，使社交和比喻因素正交化。事实上，在语言认知神经科学中，理清相关因素的独特贡献是一种公认的方法。例如，阅读的认知和计算模型被分解为视觉（正字法）、听觉（语音）和概念（语义）成分。虽然正字法和音韵学在字母语言中高度相关，但研究它们各自的机制对于区分与阅读相关的相应神经系统至关重要。在这里，我们对自闭症语用语言相关的神经系统采取了类似的方法，通过仔细构建和选择刺激来测试其社交和比喻方面的潜在独特神经加工。
在研究不同社交和比喻内容可能产生的独立和交叉的神经效应时，我们注意到，研究操纵这两种因素的神经反应的研究相对较少。我们所知的为数不多的相关研究中，有一项使用了照片刺激来显示社交情境，其中对话气泡（例如，在漫画书中看到的）包含讽刺性陈述或只有在惯用解释的情况下才有意义的陈述。这些刺激在功能磁共振成像中呈现，在组块（block）之间交替，短语将根据图片中的情景上下文进行解释或逐字解释。习语条件仅在社会语境中激活了vmPFC。反讽条件在社会语境中激活了背内侧PFC（dmPFC）和vmPFC，但在字面语境中没有激活，在这两种语境中都激活了右侧ATL。这项研究表明，dmPFC、vmPFC和右侧ATL的激活可能与社交和比喻语境之间的互动程度有关。
另一项相关研究考虑了对社交网络的单独神经激活预测，并将其与对同一个单字或（两个词）短语的语义操作进行了比较。具体而言，林和同事将社交内容的数量与语义相关因素进行了交叉，如可成像性程度（即，单词唤起脑海中图像的程度的主观评级）或语义合理性。他们发现双侧顶下小叶和pMTG区域的社交和语义因素激活相邻且部分重叠，而双侧ATL仅激活社交内容。这些发现与当前的研究相关，因为两者都使用简短、仔细控制的短语，以便能够独立于潜在相关的语言因素操纵社交内容。但是，关键的是，目前的研究除了使用英语而不是汉语短语外，还控制了比喻的程度。通过这种方式，我们可以研究两个因素的影响，这两个因素都与自闭症患者的理解困难有关：社交性和比喻性。目前尚不清楚自闭症患者对这些因素反应的潜在神经差异。
本研究
语用学中涉及更高层次推理意义的问题通常使用更长的刺激进行研究，如段落理解。但是，由于许多原因，在功能性磁共振成像环境中使用此类刺激可能具有挑战性。例如，我们自己的试点调查也显示，刺激感知广度的微小差异，或单个单词、句子或话语层面的形式或意义的不受控制差异，可能会导致意外的神经效应，并难以解释条件之间的对比。因此，挑战在于以一种同时允许对被调查因素进行实验控制的方式引出社会性和比喻性语言加工。
我们通过使用两个词、形容词名词和短语来应对这一挑战。使用短语甚至单个单词的研究表明，自闭症患者和非自闭症患者在语义加工方面存在差异。具体来说，我们使用两个词（形容词和名词）短语，而不是单个词或语篇水平的刺激。我们选择这种方法是因为单个单词不太可能提供足够的上下文来分别操纵社交和比喻内容。相反，语篇水平的刺激提供的控制较少，并且这些刺激的典型长度使得在功能磁共振成像期间很难包含足够数量的刺激，从而对此处使用的相对微妙的操作敏感。此外，对两个词短语进行判断是我们在先前研究中用于探索组合语义加工或概念组合的神经基础的一项既定任务。在先前研究中确定的更广泛的语义网络中，两个词短语的语义加工已被特别显示为激活腹内侧前额叶皮质（vmPFC）和前颞叶（ATL）区域，以及左侧和右侧后部中颞回和角回（pMTG和AG）。
我们设计了当前的研究，以进一步了解社交和比喻性语言域在大脑中的典型组织方式，以及它们在已知但未指定加工差异的人群中的反应。基于上述理论和经验背景，我们预测先前发现的与社会和语义认知相关的颞顶叶前、后中线和外侧区域在孤独症组中存在差异，特别是与这些领域中的概念结合相关的ATL和pMTG区域。当加工社交性和比喻性短语时，预期会出现最大差异，因为这些领域对于自闭症患者来说往往具有挑战性。
方法
被试
被试包括19名自闭症患者（AUT）（N=19，平均年龄=21.3）以及22名健康对照组（NAC）（N=22，平均年龄=21.3）（表1）。两组在年龄（t（39）=0.72）或FSIQ2（t（39）=1.11）上匹配（均p > 0.1）。计算所有被试的言语理解指数（VCI）和知觉推理指数（PRI），两组之间的VCI（t（38）=1.65）和PRI（t（38）=1.32）也没有显著差异（p>0.1）。经 检验，各组间的性别比也没有显著差异（=0.40，p>0.1）。
表1
实验刺激与设计
刺激由两个词、形容词和名词短语组成。每个短语在社交性和象征性方面被评为高或低，并被选择来创建一个完全交叉的2×2设计。社交短语被定义为使用“与人、群体或社会的互动以及与其他人互动的反映有关”的语言。比喻短语被定义成“偏离通常或最基本的词义”。“每个单元格有48个短语（社会比喻、社会字面、非社会比喻、非社会字面），总共有192个短语。表2显示了这些短语的特征，包括它们匹配的示例和相关因素。
为了产生这些刺激，我们首先进行了规范化研究。使用SUBTLEX-US数据库，我们考虑了具有具体性评级且其主要词性为形容词或名词的单词。然后，我们选择了100个最常见的形容词和400个最常用的名词，并对它们进行配对，以获得40000对可能的配对。该列表的初步筛选是通过与谷歌bigrams数据库的交叉引用进行的。在这里，双字词组合指的是两个词的组合，从中我们只选择了那些2006年在互联网上出现超过1000次的词。这导致了5000对词的出现，并对它们进行了手动检查，以确定它们是否完全适合我们2×2设计中的一个单元格。这种数据库驱动方法的使用清楚地表明，这种方法不太可能出现有意义的比喻短语。因此，我们通过查阅免费在线Farlex成语和俚语词典（2017）补充了比喻短语。这产生了一组1084个候选短语，这些短语被提交进行独立评级，如下所述。
为了为功能磁共振成像实验选择最后一组短语刺激，我们从一组使用Amazon Mechanical Turk招募的被试中获得了评分。潜在的评分员被告知只有当他们认为英语是他们的母语或第一语言时才接受这项任务。然后，评分员完成了一份简短的人口调查问卷，任何报告年龄低于18岁或母语不是英语的人都被排除在评分之外。根据罗格斯IRB，被试给予书面知情同意，并获得每半小时4.00美元的补偿。给每位被试一份包含360个独特短语的列表，并要求他们使用1-7 Likert类型量表对其进行比喻性、社交性或具体性评分。给出了未纳入评级的短语示例，并给出了锚定点，说明数字越高，象征性、社会性或具体性的水平越高。通过将每个被试的评分与其他被试对相同项目的平均评分进行比较，检查数据的完整性。被排除在外的被试的评分与平均值的偏差超过2.5 SD。这导致至少27名被试对每个短语进行了评分。
利用这些刺激特征和评级，我们选择了在四种情况下在形象性和社交性方面明显和可靠不同的短语。这些条件在表面特征（字母数）以及与熟悉度（形容词、名词和整个短语出现的频率）和语义（具体性）相关的因素方面也进行了统计匹配。使用刺激随机优化软件选择符合这些标准的短语刺激。最后一组192个短语的特征总结在表2中。
表2
图像采集
所有脑部扫描均在罗格斯大学脑成像中心（新泽西州纽瓦克）使用具有 12 通道头部线圈的3 T S TIM Trio获得。在获取每个轴向、矢状面和冠状面的初始定位器切片后，使用以下参数获取高分辨率三维解剖（MPRAGE）扫描：TR=1900ms，TE=2.52ms，翻转角度9°,图像矩阵=256×256，视野=256 mm，切片数=176，切片厚度=1mm，体素大小=1mm各向同性。接下来的功能磁共振成像数据采集为T2*加权梯度回波单次激发回波平面图像（EPI），参数如下：TR=2000ms，TE=25ms，翻转角度=77°,图像矩阵=64×64，视野=195mm，切片数=35，切片厚度=3.0mm，采用交错采集，体素大小=3mm各向同性。这些数据是在四次每次3分钟28秒的运行中获得的，在此期间，被试执行下面描述的任务。通过安装在头部线圈上的棱镜观察刺激，并使用与MRI兼容的按钮盒记录手指按压反应。
In-scanner任务
由于该实验旨在探索神经系统对正交操纵的短语的社交和比喻内容的反应，我们选择熟悉度判断任务作为一种方式，以促使被试关注短语的含义，而不引导他们专门关注其含义的社交或比喻方面。我们还假设，各组在获得自己的熟悉度判断方面大致相同，从而获得短语理解，同时将注意力或任务时间等潜在领域总体表现差异的影响降至最低。
被试被要求按下手持式MRI兼容双按钮盒上的按钮，以指示他们看到的每个短语是熟悉的还是不熟悉的。在说明书中，熟悉的短语被定义为他们“经常使用或听到”的短语。在每次跑步开始时进行最初8秒的固定以使EPI饱和效应稳定后，将出现固定或试验。在试验期间，刺激（短语）显示1.5秒，然后是0.5秒的固定交叉。然后，屏幕将返回到随机抖动的试验间隔内的固定交叉（平均：2.5秒）。反应时间（RT）记录为从刺激开始到按下按钮的时间。
使用熟悉度判断作为扫描任务的一个潜在问题是，它没有明确探究被试对社交或比喻术语的理解程度。为了解决这个问题，AUT（N=14）和NAC（N=15）组的一部分被试根据社交/非社交和比喻/文字内容对扫描期间看到的192个短语进行了评级。扫描器外的这项任务遵循与上述Amazon Mechanical Turk相同的步骤。
结果
行为结果
扫描期间的任务反应在两组之间没有显著差异。与NAC组（78%）相比，AUT组判断短语是否熟悉的比率略高（81%），但这没有统计学意义（F1,39=1.16，p=0.29）。2×2×2ANOVAS（图1A）显示，在扫描过程中，文字短语被判断为熟悉（F1,39=215.7，p < 0.001）的频率（85.9%熟悉）比比喻短语（72.3%熟悉的）高。但是，组别没有显著的主效应，这些评级与组别也没有交互作用。同样，社交短语被认为更为常见（84.9%），而非社交短语（73.3%，F1，39=206.9，p<0.001）不常见，但是也没有组别的主效应和交互作用。但是，社会因素和比喻因素之间存在相互作用（F1,39=34.3，p<0.001），因此，与其他三种情况相比，非社交和比喻性短语的熟悉度平均较低（64%熟悉）（社交/比喻性短语为81%，社交/字面性短语为89%，非社交/字面式短语为83%）。
关于作出这些判断的反应时间，AUT组平均时间为990毫秒，而NAC组平均为970毫秒，两组之间没有显著差异（F1,39=0.29，p=0.60）。总的来说，RT数据遵循的模式与上述短语被判断为熟悉的比率相似。也就是说，总体而言，被试对字面短语（961ms）的判断速度快于对比喻短语（994ms）。这种比喻性对RT的主效应具有统计学意义（F1,39=26.3，p<0.001），但与组别无交互作用（图1B）。同样，社交短语的平均判断速度（958毫秒）比非社交短语（997毫秒）更快。短语社交性的这一主效应在统计学上是显著的（F1,39=58.4，p<0.001），但与组别没有交互作用。与上述熟悉度模式不同，进行这些评级的RT没有显示社交性和比喻性水平之间的交互作用。
图1
为了确定各组对短语的理解是否在社交或比喻内容方面有所不同，接受扫描的被试子集（71%，AUT N=14，NAC N=15）还完成了Likert型比喻/文字和社交/非社交量表上的短语扫描后评分。图形/文字评级与对照组之间存在显著交互作用（图2），因此AUT组对图形短语的评级比NAC组更为文字（F1,29=9.06，p=0.003）。在社会/非社会评分方面没有组间差异（F1,29=0.01，p=0.937）。
图2
功能神经成像
我们通过对比神经系统对社交和非社交短语的反应，测试了功能磁共振成像数据对社交内容的主要影响。两组都显示了这种对比的可靠激活。社交短语相对于非社交短语主要在中部结构中表现出激活，包括双侧PCC、楔前叶和dmPFC（图3，表3）。此外，只有NAC组在vmPFC中表现出对社交短语的激活。虽然在全脑分析中，各组之间的这种明显差异未达到统计学意义，但vmPFC中的相对激活图（图3C）显示，与AUT组相比，NAC在社交和非社交短语激活之间的差异在数值上更大。
图3
我们还测试了比喻和字面短语对比的主要效果。NAC组主要在双侧楔前叶和PCC以及右侧pMTG中显示出对文字短语的激活（图4A，表3）。在AUT组中，没有脑区显示出这种对比的显著激活（图4B，表3）。为了说明构成这种对比的条件的激活方向，分别为每组中的图形和文字条件绘制了粗体信号参数估计（图4C）。如图所示，NAC组的比喻条件和文字条件之间的差异大于AUT组。虽然在全脑水平校正多重比较时，这种明显的组间差异未达到统计学意义，但值得注意的是，在NAC组中，比喻短语与字面短语的激活差异明显，而在AUT组中则完全没有。神经结果的完整2×2×2方差分析未产生任何显著的组间效应。
图4
表3
为了完成计划的比较，我们考虑了2×2设计中的四个单元。在双侧扣带回中部延伸至辅助运动区和右侧ATL的区域中，发现了可靠的组别差异，以激活社交图形细胞（图5A，表4）。ATL激活因其在语义中的已知作用而特别令人感兴趣（如引言中所总结）。绘制每个组在该区域中的激活揭示了NAC相对于AUT组的失活（图5B）。
图5
表4
图6
为了更好地理解右侧ATL组结果的性质，我们对社会/非社会和比喻/文字主效应进行了探索性随访分析，其中我们将体素水平阈值保持在p<0.005，但放宽了范围阈值，使其不再被校正为p<0.05。结果揭示了社交性主要影响的趋势，其中社交短语仅在NAC组的左侧ATL中显示出比非社交短语有更大的激活（图6）。在左侧ATL中，没有发现比喻性的主要影响。
招聘信息：脑影像数据处理工程师（上海、北京）
科研服务
灌注数据处理服务
EEG/ERP数据处理服务
脑电数据预处理：使用EEGLAB对Neuroscan、Brain Products、EGI、ANT、Biosemi等主流脑电设备采集的脑电数据进行预处理。
ERP成分统计分析：提取ERP成分的波幅和潜伏期，并进行统计分析。
EEG频谱分析：使用傅里叶变换的方法计算脑电各个频段的功率，并进行统计分析；使用短时傅里叶变换、小波变换和希尔伯特变换的方法进行脑电时频分析（如ERD/ERS分析、试次间相位同步分析）。
基于sLORETA的脑电源分析：ERP成分源定位；特定频段EEG源定位；源空间的脑功能连通性分析。
功能连通性分析：使用相关、相干、相位锁定值和格兰杰因果分析研究电极之间功能连通性。
近红外数据处理服务
PET数据处理服务
功能磁共振数据处理
任务态激活脑区分析
任务态E-prime实验
功能连接分析
局部一致性（ReHo）分析
低频振幅（ALFF/fALFF）分析
基于图论及ICA的脑网络分析
结构磁共振数据处理
基于体素的脑形态学分析（VBM）
基于表面的脑形态学分析（SBM）
结构协变连接网络分析
详情联系：13381109780（杨老师）
