自闭症行为与全局神经动力学中特定脑状态转换的减少相关，这表明缓解这种僵化的脑动力学可能会改变自闭症特质。为验证此可能性，我们研究了状态依赖性经颅磁刺激 (TMS) 对自闭症成年人的长期行为影响。我们发现，对右顶叶进行兴奋性TMS降低了神经僵化性，并相应地减少了社交和非社交自闭症行为。具体而言，TMS诱导的神经灵活性立即降低了认知僵化性，并缓慢地减少了感知过度稳定性和非典型非语言交流。特别地，在TMS诱导的神经灵活性增强了额顶网络和视觉网络之间的耦合后，感知过度稳定性降低了；而非典型非语言交流则在神经灵活性增强了额顶网络、默认模式网络和突显网络之间的耦合后变得不那么明显。这些结果表明，改变神经僵化性可以改变多种自闭症特质。本文发表在Nature Neuroscience杂志。
（可添加微信号19962074063或18983979082获取原文及补充材料，另思影提供免费文献下载服务，如需要也可添加此微信号入群，原文也会在群里发布，另思影提供本文相关的脑网络，脑电数据分析服务与课程感兴趣可联系，直接点击，即可浏览）：
正文
自闭症谱系障碍 (ASD) 通常被解释为多种神经信息非典型整合的表现。受此概念启发，许多研究在与神经信息处理密切相关的全局脑动力学中寻找ASD的生物学病因。我们之前的研究也报道过，在ASD成人和儿童中，其核心自闭症特质的强度与全局神经动力学的僵化性相关，这种僵化性被量化为特定脑状态转换频率的非典型减少。
然而，我们尚不清楚这种全局脑动力学的僵化性是否与自闭症特质存在因果联系。此外，神经僵化性导致异质性自闭症行为的大脑机制仍不明确。
在此，为回答这些问题，我们使用经颅磁刺激 (TMS) 来研究改变神经僵化性是否会改变与ASD相关的行为。此外，通过追踪TMS诱导的神经和行为变化，我们探究了这种无创性神经干预产生多种行为效应的大脑过程。
为评估行为效应，本研究关注自闭症个体的认知僵化性、感知过度稳定性和非典型非语言信息处理。我们选择这三个特质，因为它们代表了ASD的社交和非社交核心特征及其感觉特质，并且已与自闭症中观察到的神经僵化性相关联。首先，认知僵化性与ASD中的重复性刻板行为 (RRBs) 有关，而后者已与自闭症的神经僵化性相关联。此外，感知过度稳定性与认知僵化性有共同的神经解剖学基础；因此，我们假设自闭症中的感知过度稳定性也应与ASD的神经僵化性相关。关于ASD中的非典型非语言信息处理，已知这一社交特质与自闭症社交沟通特质的临床评分密切相关，而这些特质通常由自闭症的神经僵化性来解释。基于这些发现，本研究关注这三种自闭症行为，并假设缓解神经僵化性可能会减少这些行为。
这三种行为通过以下三种不同的测试进行测量：用于认知僵化性的自发性任务切换测试 (图1a)，用于感知过度稳定性的双稳态视觉感知测试 (图1b，以及用于非典型非语言信息处理的敌友测试 (图1c)。
图1：方法。我们使用三种测试来测量三种不同的自闭症行为。
a, 在自发性任务切换测试中，参与者执行两种选择任务中的一种，并被允许在它们之间自由切换。任务重复长度被用作认知僵化性的度量标准。
b, 在双稳态视觉感知测试中，我们向参与者呈现一个运动构成结构刺激，并通过计算知觉持续时间的中位数来测量感知过度稳定性。
c, 在敌友测试中，参与者在听到演员用不一致的面部表情和声音语调说出一个正面/负面词语后，被要求判断该演员对他们是友好还是敌对。基于面部和声音表情的决策被归类为NVJ（非语言判断），其比例被用作评估非语言社交信息处理技能的度量标准；VJ，基于语言信息的判断。
d, 为测量自闭症中的神经僵化性，我们将网络层面的静息态功能磁共振成像 (rsfMRI) 信号进行能量景观分析，该分析可将脑动力学描绘为一个在假设的能量景观上移动的小球；DAN，背侧注意网络；VAN，腹侧注意网络；CON，扣带-岛盖网络；AN，听觉网络。
e, 为控制脑动力学，我们使用了BDNS（脑状态驱动的神经刺激），它包括离线fMRI/EEG实验和在线EEG/TMS实验，并且只在全脑神经活动处于特定脑状态时才对一个局灶性脑区进行刺激。在离线部分，我们分别对rsfMRI和EEG数据进行能量景观分析。离线的基于EEG的结果在用于为后续的在线脑状态分类准备信息表之前，通过与基于rsfMRI的结果进行比较来验证。使用该信息表，我们进行实时脑状态分类，并在在线EEG/TMS实验中执行脑状态驱动的TMS。
f, 显示整个研究设计的流程图。符号2w和2mth分别代表2周和2个月的间隔；Exp，实验。
我们使用能量景观分析来评估全局脑动力学的僵化性，因为这种分析能将通常隐藏在复杂全脑时间序列数据集中的集体神经动力学，描绘为在假设的能量景观上不同吸引子（即脑状态）之间的小球运动（图1d）。这种对全局脑动力学的图示使我们能够计算脑状态转换的频率并量化神经僵化性。实际上，这种方法已识别出多种神经精神疾病（包括抑郁症、阿尔茨海默病、精神分裂症和自闭症）背后的非典型脑状态动力学。
为了研究缓解自闭症中神经僵化性的行为效应，我们使用了一种脑状态驱动的神经刺激（BDNS；图1e），该技术结合了功能性磁共振成像 (fMRI)、脑电图 (EEG)、TMS和能量景观分析。这种无创神经刺激系统需要实时监测基于吸引子的脑动力学，然后仅在参与者的大脑停留在特定吸引子（即脑状态）时，施加一个短暂的TMS脉冲。得益于这种状态依赖性方法，BDNS能有效地控制脑状态动力学，使我们能够识别动态变化的大脑-行为因果关系36，而这在传统TMS方案中通常难以检测。
使用这些行为测试、数据驱动分析和脑状态触发的TMS，我们检验了缓解神经僵化性如何影响自闭症行为。
本研究报告了六个相互关联的实验和一个数值模拟的结果（图1f）。在实验1中（补充图1），我们从50名ASD参与者和50名性别、年龄和智力匹配的典型发育 (TD) 个体（补充表1和2）中收集了静息态fMRI (rsfMRI) 和EEG数据，并计算了每位参与者的脑动力学。
在随后的数值模拟和实验2中（补充图2-4），我们探索性地寻找能够增加自闭症神经灵活性的BDNS方案。我们采用这种强力方法，是因为以往的研究已将自闭症行为与许多不同的脑区和网络联系起来，包括额顶网络 (FPN)和感觉运动网络 (SMN。
实验3和4评估了BDNS的行为效应（补充图5和6），实验5和6研究了BDNS改变非典型感知和社交特质的潜在神经过程（补充图7和8）。
TD(典型发育)个体仅参与了实验1，而50名ASD成人被邀请参与所有六个实验。然而，其中10名参与者在实验4中退出了研究；因此，我们与剩余的40名ASD成人进行了实验4、5和6。
结果
实验1：自闭症中的神经僵化性
首先，我们使用能量景观分析，检验了自闭症参与者是否表现出如我们先前研究中所见的神经僵化性。
在确认成对最大熵模型（MEM；能量景观分析的基础）能够很好地拟合从ASD组和TD组记录的rsfMRI数据后（ASD组拟合准确度：93.6–98.3%；TD组：93.8–98.1%），我们发现，正如我们先前的工作(引文16,17）所示，ASD和TD（典型发育）的能量景观共享四个相似的脑状态（相似性，r7 > 0.82, PBonferroni < 0.05；图2a）。基于这种相似性，我们将两个最稳定的脑状态标记为主要状态，另外两个为次要状态，与我们之前的研究（引文16,17）做法相同。
图2：自闭症行为与神经动力学
a, 基于rsfMRI的能量景观分析显示，ASD个体和TD（典型发育）个体共享四个相似的脑状态，具有相同的四个局部最小值。我们将两个最大的脑状态归类为主要状态，其他状态为次要状态；*r > 0.82；freq，频率。
b, 从主要状态到次要状态的能量屏障在ASD中更高，且从主要状态到次要状态的转换（trans）频率在ASD中降低（在双样本双侧t检验中，t98 > 6.5, P < 10–5）；*PBonferroni < 0.05。
c,d, 在ASD中，经由任一次要状态在两个主要状态之间的转换（“间接转换”；c）很少见（d；在双样本双侧t检验中，t98 = 12.2, P < 10–5）。
e–h, 非典型减少的间接转换频率与ASD严重程度 (e)、任务重复长度 (f)、知觉持续时间 (g) 和NVJ比例 (h) 相关 (| r48 | > 0.39)；*PBonferroni < 0.05。
i, 在ASD中，任务重复长度和知觉持续时间延长，而NVJ比例较小（在双样本双侧t检验中，t98 > 9.5, P < 10–5）。误差棒表示s.e.m.；*PBonferroni < 0.05。
j, 任务重复长度与RRB（重复性刻板行为）分数相关（在单因素方差分析中，F2,27 = 9.4, PBonferroni < 0.05）。
k, NVJ比例与社交沟通特质分数相关 (r48 ≤ –0.41; *PBonferroni < 0.05)；comm，沟通。
l–n, 离线EEG分析定性地捕捉到了相同的能量景观 (l)；*r > 0.80。间接转换频率在ASD中降低（m；在双样本双侧t检验中，t98 = 9.5, P < 10–5）并与自闭症行为相关（n；| r48 | > 0.36; *PBonferroni < 0.05）。
o,p, 在线EEG分析准确预测了四个状态中哪一个在每个时间点出现 (o)，并在指定的脑状态期间以短延迟触发了TMS（p，顶部；p，底部）。每个点代表一个参与者。b、d和m中的箱形图表示数据的第一个四分位数 (Q1) 和第三个四分位数 (Q3) 之间的范围，并带有一条中位线。底部和顶部的须线显示 Q1 – 1.5 × (Q3 – Q1) 和 Q3 + 1.5 × (Q3 – Q1)。
尽管存在这种相似性，但从两个主要状态到两个次要状态的能量屏障在ASD组中均高于TD（典型发育）组（在双样本t检验中，t98 = 12.1, P < 10–5, η2 = 0.60；图2b，顶部）。这些非典型的高能量屏障阻碍了从主要状态到次要状态的转换（t98 = 6.5, P < 10–5, η2 = 0.30；图2b，底部），导致通过任一次要状态在两个主要状态之间的转换（下文称“间接转换”）频率降低（图2c,d；t98 = 12.2, P < 10–5, η2 = 0.60）。
间接转换的频率与ASD的总体严重程度（由自闭症诊断观察量表（ADOS）总分表示）呈负相关（r48 = –0.59, 95% 置信区间 (CI) = –0.75 到 –0.37, PBonferroni < 0.05；图2e），与认知僵化性呈负相关（r48 = –0.63, 95% CI = –0.77 到 –0.43, PBonferroni < 0.05；图2f），与感知过度稳定性呈负相关（r48 = –0.46, 95% CI = –0.65 到 –0.21, PBonferroni < 0.05；图2g），并与非典型非语言信息处理呈正相关（分数越低表示处理越非典型；r48 = 0.39, 95% CI = 0.13 到 0.60, PBonferroni < 0.05；图2h）。所有三个行为指标在ASD组和TD组之间都显示出显著差异（t98 > 9.5, P < 10–5, η2 > 0.47；图2i）。
此外，这些自闭症行为与相关的ASD临床评分相关。任务重复长度（认知僵化性的指标）与ASD中重复性刻板行为 (RRBs) 的临床评分（ADOS-2 RRB分数，通过单因素方差分析，F2,27 = 9.4, PBonferroni < 0.05, η2 = 0.41；图2j）相关，而非语言信息判断 (NVJ) 比例（非语言信息处理的度量）与ASD的社交和沟通特质评分（ADOS-2 社交和沟通，r48 ≤ –0.41, PBonferroni < 0.05；图2k）相关。
这些结果表明，在先前研究中于ASD个体中观察到的神经僵化性在当前的ASD队列中得到了复制。特别是，脑动力学与三个行为指标之间的相关性表明，增强间接转换可能会改变社交和非社交的ASD相关行为。
fMRI和EEG脑动力学的比较
接下来的BDNS实验需要使用EEG数据进行准确的实时脑状态监测。为准备这种脑监测，我们首先对从相同参与者获得的EEG数据进行了离线能量景观分析，并检验了基于EEG的脑动力学是否与基于rsfMRI数据的相似。
与基于rsfMRI的分析一样，成对最大熵模型（MEM）在所有个体中都准确地拟合了EEG数据（ASD组拟合准确度：82.4–95.8%；TD组：83.1–96.9%），并且ASD和TD组共享一个相似的能量景观结构，即相同的四个局部最小值（图2l，左和中）和四个相似的脑状态（r7 > 0.80, PBonferroni < 0.05；图2l，右）。此外，这些基于EEG的四个局部最小值与基于rsfMRI的相同（图2a），并且四个脑状态的脑活动模式也与在rsfMRI数据中观察到的相似（r7 > 0.85, PBonferroni < 0.05）。这些相似性使我们能以与rsfMRI分析相同的方式定义间接转换。
与基于rsfMRI的脑动力学一样，基于EEG数据的间接转换频率在ASD组中显著降低（t98 = 9.5, P < 10–5, η2 = 0.48；图2m），并且这种神经僵化性与行为表现出相同的关联（图2n）。间接转换频率与ASD的总体临床严重程度（r48 = –0.36, 95% CI = –0.58 到 –0.10, PBonferroni < 0.05）、认知僵化性（r48 = –0.41, 95% CI = –0.62 到 –0.15, PBonferroni < 0.05）和感知过度稳定性（r48 = –0.36, 95% CI = –0.58 到 –0.10, PBonferroni < 0.05）呈负相关，并与非典型非语言信息处理呈正相关（r48 = 0.39, 95% CI = 0.13 到 0.60, PBonferroni < 0.05）。
这些结果表明，基于EEG的能量景观分析定性地捕捉到了与基于rsfMRI的分析相同的脑动力学。
实时脑状态监测的性能
利用离线EEG分析的结果，我们接着演练了在线EEG分析，并检验了实时脑状态监测的性能。
为此，我们首先准备了一份信息表，用于将每个时间点的二值化EEG活动分类到四个脑状态之一。接下来，我们以与BDNS在线EEG分析将采用的相同方式预处理了相同的原始EEG数据。然后，通过将预处理后的EEG信号与信息表进行比较，我们将EEG数据转换成一个脑状态动力学序列。最后，对于每位参与者，我们将这个基于在线EEG的脑状态序列与通过对相同EEG数据进行离线能量景观分析揭示的序列进行比较，并发现它们之间有足够的相似性（相似性 >74.0%；图2o）。此外，我们确认这个在线脑状态监测系统使我们能够在特定脑状态期间触发神经刺激（准确度 >84.0%，延迟 <0.68 ms；图2p）。
这些结果表明，接下来的BDNS可以近实时地监测脑状态动力学，并在指定的脑状态期间准确触发TMS。
数值分析：目标网络和刺激时机
接下来，我们寻找一种能够增加ASD参与者间接转换频率的BDNS方案（图3a）。首先，我们为每位参与者进行了数值模拟，以寻找应该刺激/抑制哪个脑网络以最大程度地增强间接转换频率。这种强力搜索显示，在所有自闭症个体中，只有对FPN的兴奋性刺激增加了间接转换频率（图3b），这在群体水平上得到了证实（t49 = 18.4, PBonferroni < 0.05, η2 = 0.27）。
图3：最佳BDNS方案
a, 最佳的BDNS应该改变能量景观结构并增加间接转换频率。
b, 数值模拟表明，只有对FPN的兴奋性刺激才能增强间接转换频率（在单样本双侧t检验中，t49 = 18.4, PBonferroni < 0.05）。误差棒表示s.e.m.。PBonferroni < 0.05 在单样本双侧t检验中。
c, 蓝线显示了基线时的群体水平能量景观结构，而红线则表示当我们增加FPN活动时应该出现的结构。
d,e, 在个体水平上，FPN激活（FPN+）应该会降低从主要状态1到两个次要状态的能量屏障高度（d；在配对双侧t检验中，t49 > 12.2, *PBonferroni < 0.05），并增加从主要状态1到两个次要状态的转换频率（e；在配对双侧t检验中，t49 > 9.4, *PBonferroni < 0.05）。
f, 中介分析显示，从主要状态1到两个次要状态的能量屏障降低，增强了从主要状态1到两个次要状态的转换，从而增加了间接转换频率（R2 = 0.65, 中介效应P < 10–5）；**P < 0.01 和 ***P < 0.001。
g,h, 为了检验25个FPN（额顶网络）区域中（g）哪一个应该被激活以增加总FPN活动，我们计算了网络内FC，并识别出三个FPN区域，其网络内FC在ASD中大于25个FPN区域的平均值（即大于均值+标准差；h中的数据显示了参与者1的数据；圆圈代表50名ASD个体）；Rt，右侧；ROI，感兴趣区域。
i, 然后我们比较了三个FPN区域之间的BDNS诱导的神经效应，发现当右侧SPL(上顶小叶)被激活时，间接转换频率的增加最大（在双样本双侧t检验中，t31 > 3.5, *PBonferroni < 0.05）。
j, 我们还检查了何时刺激右侧SPL，发现当参与者的大脑活动模式停留在主要状态1时施加TMS，间接转换频率的增加最大化（在双样本双侧t检验中，t23 > 6.8, PBonferroni < 0.05）。
该数值模拟的结果也揭示了FPN激活如何改变能量景观结构并促进间接转换的机制。如群体水平分析所示（图3c），FPN激活应降低从主要状态1到两个次要状态的能量屏障（t49 > 12.2, PBonferroni < 0.05, η2 > 0.19；图3d），这将促进从主要状态1到次要状态的转换（t49 > 9.4, PBonferroni < 0.05, η2 > 0.16；图3e）。一项中介分析表明，能量景观中的这些结构性变化最终将增加间接转换频率（R2 = 0.65, 中介效应P < 10–5；图3f）。
此外，这一机制提示了何时激活FPN。鉴于从主要状态1的转换增加是增强间接转换频率的关键，FPN应在脑活动停留在主要状态1时被激活。
数值分析：目标FPN区域
我们接着寻找一个FPN（额顶网络）区域，其激活将导致总FPN活动的增加。为此，我们首先计算了所有25个FPN区域之间的功能连接（FC）（图3g），并确定了具有最大网络内FC的FPN区域。理论上，表现出较大网络内FC的脑区的神经活动应与网络中其他区域的活动高度相关，对此类枢纽区域的外部激活将增加整个网络的活动。
我们发现，在所有自闭症参与者中，右侧上顶小叶（SPL）、右侧下顶小叶（IPL）和额下回（IFG）显示出比网络内FC总体平均值大得多的FC（阈值：均值+标准差；见图3h，为ASD参与者1中观察到的FC矩阵）。
实验2：最佳BDNS方案
我们随后通过进行一项伪刺激对照的交叉BDNS实验（实验2.1；图1e），将三个FPN区域缩小到一个。在该实验中，48名伪随机选择的ASD个体在他们的大脑活动模式停留在主要状态1时，接受了针对三个目标脑区之一的BDNS或伪刺激。在BDNS条件下，我们在此特定脑状态期间施加了一串四个单相TMS脉冲（200 Hz），因为已知该TMS方案能增加目标区域的神经活动。
结果，该实验发现当刺激右侧SPL时，间接转换频率的增加最大（t31 > 3.5, PBonferroni < 0.05, η2 > 0.28；图3i）。
此外，在另一项实验（实验2.2）中，我们确认，只有当我们在脑活动模式停留在主要状态1时施加兴奋性TMS，这种对右侧SPL的BDNS才能产生显著的神经效应（t23 > 6.8, PBonferroni < 0.05, η2 > 0.67；图3j）。
作为比较，我们发现，对同一右侧SPL进行传统的30分钟重复性TMS (rTMS)41,43，由于不监测脑状态动力学，未能改变间接转换频率（t49 = 1.3, P = 0.2, η2 = 0.04）。请注意，BDNS的效果是通过与伪刺激条件下的效果进行比较来评估的，而不是与rTMS条件下的效果进行比较。
这些结果表明，增加自闭症中间接转换频率的最佳BDNS方案应该是：在全脑神经活动模式停留在主要状态1时，对右侧SPL进行兴奋性TMS。
实验3：单次BDNS会话
接下来，我们测量了这种BDNS方案的行为效应（图4a），发现与伪刺激条件相比，单次BDNS会话降低了认知僵化性（t49 = 10.3, P < 10–5, η2 = 0.17），但对另外两种ASD相关行为没有影响（t49 < 1.9, P > 0.24；图4b）。这种BDNS诱导的认知僵化性变化与神经僵化性的变化相关（r48 = 0.45, 95% CI = 0.20 到 0.65, P < 0.05；图4c）。这些神经和行为效应与实时脑状态监测的准确性（即离线EEG分析中成对最大熵模型MEM的拟合准确度）呈中度相关（| r48 | ≥ 0.27, P ≤ 0.05）。
图4：BDNS的效果
a, 我们首先在一项使用50名ASD个体的伪刺激对照交叉实验中检验了单次BDNS的行为效应（实验3）。BDNS的效果被定义为BDNS会话（∆ in BDNS）和伪刺激条件（∆ in Sham）下诱导的行为差异。刺激（stim）类型在参与者之间随机化。
b, 任务重复长度在BDNS会话中显示出显著变化（在配对双侧t检验中，t49 = 10.3, P < 10–5），而其他两个行为指标没有。箱形图表示数据的第一个四分位数 (Q1) 和第三个四分位数 (Q3) 之间的范围，并带有一条中位线。底部和顶部的须线显示 Q1 – 1.5 × (Q3 – Q1) 和 Q3 + 1.5 × (Q3 – Q1)；*PBonferroni < 0.05。
c, BDNS诱导的任务重复长度变化与间接转换频率的变化相关（r48 = 0.45, P < 0.05）。
d, 为检验BDNS的长期效应，我们进行了一项伪刺激对照的交叉实验（实验4），在该实验中，我们对ASD个体每周进行一次BDNS，持续12周。rsfMRI数据每周收集一次，而行为数据每两周记录一次。由于实验时间较长，十名参与者未完成此实验。
e–h, 在长期实验中，BDNS诱导的间接转换频率变化在整个12周内均显著大于伪刺激条件下观察到的变化（e）。任务重复长度在整个实验中也显示出显著变化（f；在配对双侧t检验中，t39 > 10.2, PBonferroni < 0.05）。相比之下，知觉持续时间在第7周开始显示显著差异（g；在配对双侧t检验中，t39 > 5.2, PBonferroni < 0.05），而NVJ比例在第9周开始显示显著差异（h；在配对双侧t检验中，t39 > 5.9, PBonferroni < 0.05）；*PBonferroni < 0.05。i,j, BDNS诱导的显著行为变化与BDNS诱导的间接转换频率变化显著相关（i；R2 ≥ 0.2, P < 0.004）。c和j中的数据展示了大脑-行为关联的示例。
实验4：每周BDNS会话
我们接着假设，自闭症中的感知过度稳定性和非典型非语言信息处理可能在多次BDNS会话后开始改变。我们做出这种累积效应的假设，是因为我们之前的BDNS研究报告称，每周一次的BDNS需要4到8周才能开始在TD个体中对某一感知特质产生显著变化。
我们在一个纵向伪刺激对照的交叉实验中检验了这一可能性，在该实验中，ASD参与者连续12周每周接受一次相同的BDNS（图4d）。没有不良反应报告，但50名个体中有10人未完成实验，表面上是由于实验设计相对较长。
在此实验期间，BDNS降低了神经僵化性和所有三种ASD相关行为（图4e–h）；然而，三种自闭症特质的行为变化速度和轨迹各不相同。神经僵化性和认知僵化性在第1周就显示出显著降低（t39 > 10.2, PBonferroni < 0.05, η2 = 0.21, ∆任务重复长度 < –10%；图4e,f），而感知过度稳定性在第7周开始变化（t39 > 5.2, PBonferroni < 0.05, η2 > 0.11, ∆知觉持续时间 < –6.7%；图4g），非典型非语言信息处理（NVJ）则在第9周开始变化（t39 > 5.9, PBonferroni < 0.05, η2 > 0.13, ∆NVJ比例 > 5.2%；图4h）。这些统计学上显著的行为变化与神经僵化性的缓解相关（R2 ≥ 0.2, P < 0.004；图4c,i,j）。
这些结果表明，与自闭症相关的神经僵化性对认知僵化性具有因果效应，而自闭症中的僵化脑动力学可能与感知过度稳定性和非典型非语言信息处理没有如此强的直接因果联系。
潜在的神经过程：假设
为什么感知过度稳定性和非典型非语言信息处理对BDNS的反应缓慢？我们假设，这个问题可以通过识别填补神经僵化性与这两种自闭症行为之间差距的潜在神经过程来回答（图5a）。更确切地说，我们假设：（1）FPN（额顶网络）激活和由此产生的神经灵活性应该稳定特定的脑状态（特别是次要状态），这（2）将增强FPN与某些脑网络之间的协同激活，并（3）最终导致这两种行为的缓解。这一假设基于我们之前的发现，即在自闭症中，间接转换频率的非典型降低与次要状态的停留时间缩短相关，而后者又与特定脑网络间功能耦合的强度相关。
图5：感知过度稳定性背后的潜在神经过程
a, 我们假设，频繁的间接转换会稳定两个次要状态（1），增强FPN与其他脑网络之间的功能耦合（2），并改变行为（3）。
b, ASD组的次要状态不稳定（在双样本双侧t检验中，t98 > 12.5, PBonferroni < 0.05）；NASD = 50, NTD = 50。*PBonferroni < 0.05 在双样本双侧t检验中。
c, 在整个实验4中，BDNS稳定了次要状态（在配对双侧t检验中，t39 > 13.5, PBonferroni < 0.05）；*PBonferroni < 0.05。误差棒表示s.e.m.。
d,e, 这些BDNS诱导的次要状态持续时间增加与间接转换频率的增加相关（d；r38 ≥ 0.66, PBonferroni < 0.05）。这种相关性在第13周观察到（e）；*PBonferroni < 0.05。
f–j, FPN与VN之间的协同激活频率在ASD中降低（f；在双样本双侧t检验中，t98 = 8.6, P < 10–5；NASD = 50, NTD = 50），并与感知过度稳定性呈负相关（g；r48 = –0.53, P = 0.00007；NASD = 50）。这种大脑-行为相关性在涉及FPN的其他网络对中未观察到（h；| r48 | < 0.17, P > 0.3）。在实验4中，BDNS诱导的FPN–VN耦合变化与感知过度稳定性的变化相关（i；r38 < –0.63, PBonferroni < 0.05），而在涉及FPN的其他网络对中未见此情况（j；| r38 | < 0.19, P > 0.24）；*PBonferroni < 0.05。
k, FPN–VN耦合的纵向轨迹与感知过度稳定性的轨迹相似。误差棒表示s.e.m.。
l,m, 当BDNS对感知过度稳定性产生显著变化时（第7周至第13周），FPN–VN耦合与次要状态2的持续时间相关；*PBonferroni < 0.05（l；r38 > 0.47, PBonferroni < 0.05）。这种相关性在第13周可见（m）；*PBonferroni < 0.05。n, 中介分析表明，频繁的间接转换稳定了次要状态2，从而增强了FPN–VN耦合（在第7周和第13周之间，中介效应PBonferroni < 0.05）；**P < 0.01 和 ***P < 0.001。o, 另一项中介分析显示，稳定的次要状态2增强了FPN–VN协同激活，从而减少了知觉持续时间（在第7周和第13周之间，中介效应PBonferroni < 0.05）；*P < 0.05 和 ***P < 0.001。n和o中的数据基于第13周的数据。
延长的次要脑状态
为了检验假设1，我们评估了BDNS如何影响四个脑状态的稳定性。我们发现，两个次要状态的持续时间（两者在ASD组中原本都不稳定（t98 > 12.5, PBonferroni < 0.05, η2 > 0.61；图5b））在重复的BDNS会话中被延长（t39 > 13.5, PBonferroni < 0.05, η2 > 0.26；图5c），而两个主要状态的持续时间则没有。此外，次要状态持续时间的变化与间接转换频率的变化相关（r38 ≥ 0.66, PBonferroni < 0.05；图5d,e）。
感知过度稳定性：FPN和视觉网络
我们接着检验了由BDNS诱导的次要状态持续时间延长是否增强了FPN与视觉网络（VN）之间的功能耦合。我们评估这种耦合是因为以往的人类fMRI研究已将FPN和VN中的多个区域确定为双稳态视觉感知的关键区域，并证明具有更频繁FPN–VN协同激活的个体更可能经历灵活的视觉感知。对当前数据的再分析也支持选择VN。
首先，实验1中获得的数据显示，FPN–VN耦合在ASD组中显著弱于TD组（t98 = 8.6, P < 10–5, η2 = 0.49；图5f），并且在ASD个体中与感知过度稳定性呈负相关（r48 = –0.53, 95% CI = –0.70 到 –0.30, P = 0.00007；图5g）。除VN外，与FPN的任何其他网络间耦合均未表现出与感知过度稳定性的显著关联（| r48 | < 0.17, P > 0.3；图5h）。
其次，实验4的纵向数据显示，BDNS诱导的感知过度稳定性变化与FPN–VN耦合的变化相关（r38 < –0.63, PBonferroni < 0.05；图5i），但与FPN的其他网络间耦合变化无关（| r38 | < 0.19, P > 0.24；图5j）。此外，BDNS诱导的FPN–VN耦合强度变化表现出与感知过度稳定性定性相似的轨迹（图5k）。
基于这些观察，我们关注FPN–VN耦合，并检验了BDNS诱导的次要状态持续时间延长是否增强了FPN–VN协同激活。我们发现，在每周BDNS会话中（实验4），FPN–VN耦合仅与次要状态2的持续时间相关（r38 > 0.47, PBonferroni < 0.05；图5l,m）。这种相关性仅在BDNS缓解了感知过度稳定性时（即第7-13周；图4g）达到统计显著性。
此外，通过对第7周至第13周收集的数据应用中介分析，我们发现BDNS诱导的间接转换频率增加稳定了次要状态2，从而加强了FPN–VN耦合（中介效应PBonferroni < 0.05；见图5n为基于第13周数据的示例）。
实验5：FPN–VN耦合与感知过度稳定性
这种更强的FPN–VN耦合是否减少了感知过度稳定性？为了回答这个问题（即图5a中的假设3），我们首先对每周BDNS会话（实验4）中记录的神经和行为数据应用了中介分析，发现次要状态2的持续时间延长增强了FPN–VN耦合，从而降低了感知过度稳定性（在第7-13周期间，中介效应PBonferroni < 0.05；见图5o为基于第13周数据的示例）。
此外，我们通过进行另一次为期数周的BDNS实验（实验5），直接检验了FPN–VN耦合对感知过度稳定性的这种效应。在一个伪刺激对照的交叉纵向实验中，相同的40名自闭症成人接受了几乎相同的每周BDNS，刺激目标为同一右侧SPL。然而，我们不是在主要状态1期间施加TMS，而是在VN活跃但FPN不活跃时施加TMS，理由是这个程序会增加FPN–VN协同激活频率（图6a）。我们选择这个TMS时机是因为在实验2中，我们已经确定了增加FPN活动的有效BDNS方案，但没有找到增强VN活动的此类方案。
图6：感知过度稳定性与FPN–VN耦合。
a, 为直接检验FPN–VN耦合与知觉持续时间之间的联系，我们进行了一项为期6周的纵向实验（实验5；N = 40），并仅在VN活跃且FPN不活跃时对同一右侧SPL施加兴奋性TMS。
b,c, 与实验4（N = 40）不同，实验5在第0周就显示出BDNS诱导的FPN–VN耦合增加（b；在配对双侧t检验中，t39 > 4.9, PBonferroni < 0.05），并在第3周开始减少与自闭症相关的感知过度稳定性（c；在配对双侧t检验中，t39 > 3.5, PBonferroni < 0.05）；*PBonferroni < 0.05。误差棒表示s.e.m.。
d,e, 缓解神经僵化性稳定了次要状态2，从而增强了FPN–VN耦合并降低了自闭症中的感知过度稳定性（d）。这一机制解释了神经动力学和自闭症行为变化之间的时间顺序（e）。
与实验4中使用的原始每周BDNS方案相比，这种专注于FPN–VN的方案诱导了更平滑的FPN–VN耦合增强（t39 > 4.9, PBonferroni < 0.05, η2 > 0.11；图6b），导致感知过度稳定性更迅速地减少（t39 > 3.5, PBonferroni < 0.05, η2 > 0.08；图6c）。这一观察为自闭症中FPN–VN耦合与感知过度稳定性之间的脑-行为因果关系提供了更有力的支持。
总之，这些发现表明，次要状态2持续时间的延长和FPN–VN耦合的增强是弥合神经僵化性缓解与感知过度稳定性减轻之间差距的潜在神经过程（图6d）。这一机制很好地解释了实验4中间接转换频率增加、次要状态2持续时间延长、FPN–VN耦合加强以及感知过度稳定性减轻之间的时间顺序和差异（图6e）。
非典型非语言信息处理
使用相同的逻辑，我们寻找了自闭症中非典型非语言信息处理缓慢缓解背后的潜在神经过程。
在这里，考虑到先前的文献27,45,46，我们检验了FPN、默认模式网络（DMN）和突显网络（SAN）之间的功能耦合。我们关注DMN和SAN，因为这些网络包含在当前敌友测试中对理解非语言社交信息起关键作用的脑区，如内侧前额叶皮层、前扣带皮层和右前脑岛46。这一选择也得到了其他先前报告的支持，这些报告显示，在自闭症个体中，DMN和SAN的非典型减少的活动与非典型社交行为的强度相关。
这一网络选择也与当前数据一致。实验1中记录的神经数据显示，ASD参与者表现出FPN–DMN–SAN耦合的非典型减少（t98 = 12.8, P < 0.05, η2 = 0.63；图7a），这预示着非语言信息处理强度的非典型降低（NVJ比例；r48 = 0.47, P < 0.05；图7b）。包括FPN在内的其他脑网络对或三联体与NVJ比例没有显示出显著相关性（| r48 | < 0.25, P > 0.08；网络对和三联体见图7c,d）。
图7：自闭症非语言信息处理背后的潜在神经过程
a, 实验1的数据显示，与TD组相比，ASD个体表现出较少的FPN、DMN和SAN的协同激活（在双样本双侧t检验中，t98 = 12.8, P < 0.05）；NASD = 50, NTD = 50。
b–d, FPN–DMN–SAN协同激活频率与NVJ比例相关（b；r48 = 0.47, P = 0.0005；NASD = 50）。在任何涉及FPN的脑网络对（c；| r48 | < 0.25, P > 0.08）或任何包括FPN的脑网络三联体（d）中均未见如此显著的相关性；*PBonferroni < 0.05。
e,f, 在为期12周的实验4中，BDNS诱导的FPN–DMN–SAN协同激活频率变化与NVJ比例的变化相关（e；r38 > 0.45, *PBonferroni < 0.05）。此外，FPN–DMN–SAN耦合和NVJ比例显示出相似的轨迹（f）。误差棒表示s.e.m.。
g, 在第9周至第13周之间，BDNS诱导的FPN–DMN–SAN耦合变化与次要状态1的变化相关（r38 > 0.48, PBonferroni < 0.05），但与次要状态2的变化无关（| r38 | < 0.15, PBonferroni > 0.05）；*PBonferroni < 0.05。
h–j, 两项中介分析显示，BDNS诱导的间接转换频率增加稳定了次要状态1，从而增强了FPN–DMN和FPN–SAN的耦合（h；中介效应PBonferroni < 0.05）。一项具有多个中介变量的中介分析揭示，FPN–DMN和FPN–SAN耦合的增强促进了FPN–DMN–SAN耦合（i；中介效应PBonferroni < 0.05）。另外两项中介分析显示，更强的FPN–DMN–SAN耦合增加了NVJ比例（j；中介效应PBonferroni < 0.05）。这些关联在实验4的第9周至第13周之间是显著的。h–j中的数据基于第13周记录的数据；*P < 0.05, **P < 0.01 和 ***P < 0.001。
此外，在实验4获得的纵向数据中，我们发现在整个12周的实验中，BDNS诱导的FPN–DMN–SAN耦合变化与NVJ比例的变化相关（r38 > 0.45, PBonferroni < 0.05；图7e）。事实上，实验4中观察到的FPN–DMN–SAN耦合的轨迹与NVJ比例的轨迹相似（图7f）。
鉴于这些发现，我们假设FPN–DMN–SAN耦合应是理解神经僵化性缓解及随后的次要状态稳定如何增强自闭症中原本减弱的非语言信息处理的神经机制的关键。
神经僵化性与三重网络耦合
为了检验这一猜想，我们首先评估了BDNS诱导的次要状态持续时间变化与FPN–DMN–SAN耦合变化之间的关联，结果发现仅对次要状态1有显著相关性（r38 > 0.48, PBonferroni < 0.05），而对次要状态2则没有（| r38 | <0.15, PBonferroni > 0.05；图7g）。这种显著相关性在第9周至第13周期间观察到，在此期间BDNS在非语言信息处理方面诱导了显著改善（图4h）。
接下来，使用第9周至第13周获得的数据，我们进行了三次中介分析，发现间接转换频率的增加延长了次要状态1的持续时间，这分别增强了FPN–DMN和FPN–SAN的耦合（中介效应PBonferroni < 0.05；见图7h为基于第13周数据的结果），并随后增加了三联体FPN–DMN–SAN的耦合（中介效应PBonferroni < 0.05；见图7i为第13周的结果）。
同时，另外两项中介分析显示，这种更强的FPN–DMN–SAN耦合导致了非典型非语言信息处理的变化（中介效应PBonferroni < 0.05；见图7j为第13周的结果）。
实验6：非典型非语言交流
最后，我们通过进行另一次为期6周的BDNS实验（实验6）来检验这一神经过程，在该实验中，我们对同一右侧SPL施加了相同的兴奋性TMS，但这次仅在DMN和SAN都活跃而FPN不活跃时进行（图8a）。
图8：非典型非语言信息处理与FPN–DMN–SAN耦合
a, 在实验6（N = 40）中，我们直接检验了FPN–DMN–SAN耦合对自闭症非语言信息处理的影响。为此，我们研究了另一种BDNS的神经和行为效应，其中相同的兴奋性TMS仅在FPN不活跃而DMN和SAN活跃时施加于同一右侧SPL。
b,c, 与实验4（N = 40）相比，实验6中的BDNS更快地增强了FPN–DMN–SAN协同激活（b；从第3周开始，在配对双侧t检验中，t39 > 4.3, *PBonferroni < 0.05），并更平滑地改变了NVJ比例（c；从第3周开始，在配对双侧t检验中，t39 > 3.4, *PBonferroni < 0.05）。误差棒表示s.e.m.。
d,e, 总之，我们发现缓解神经僵化性稳定了次要状态1，从而增强了FPN–DMN和FPN–SAN的耦合，加强了FPN–DMN–SAN耦合，并改善了与自闭症相关的非语言信息处理（d）。这一神经过程解释了神经和行为指标之间的时间顺序（e）。
该方案比原始方案（在第9周；图7f）更快地开始增强FPN–DMN–SAN耦合（在第3周，t39 > 4.3, PBonferroni < 0.05, η2 > 0.1；图8b），从而导致非典型非语言信息处理的改善比原始方案（从第9周开始；图4h）更平滑（从第3周开始，t39 > 3.4, PBonferroni < 0.05, η2 > 0.08；图8c）。这一观察为FPN–DMN–SAN耦合对自闭症非语言社交信息处理的因果效应提供了直接的经验证据。
总之，这些发现表明，降低的神经僵化性稳定了次要状态1，从而增强了FPN–DMN–SAN耦合并改善了自闭症中的非典型非语言交流（图8d）。这一多阶段神经过程解释了BDNS诱导的神经变化与ASD中非典型非语言交流方式之间的时间顺序并填补了它们之间的空白（图8e）。
带阳性对照条件的附加实验
上述主要BDNS实验缺乏阳性对照，留下了当前观察可能受到某些安慰剂效应污染的可能性。
关于神经效应，我们可以排除这种可能性。在实验2.1中，即使省略原始伪刺激条件下的数据（即∆ in Sham），并专注于BDNS条件下的数据（即∆ in BDNS），对右侧SPL的BDNS与对右侧IFG和IPL的BDNS相比，显著增加了间接转换的频率（t31 > 3.0, PBonferroni < 0.05）。同样，对实验2.1数据的再分析显示，在主要状态1期间的BDNS比在其他三个脑状态中任何一个期间的BDNS都产生了更大的神经效应（t23 > 5.4, PBonferroni < 0.05）。
然而，主要的纵向行为实验没有包括可被视为阳性对照条件的BDNS会话。因此，为了检验主要发现的稳健性，我们进行了三个附加实验（附加实验1-3），并设置了新的阳性对照条件（补充图10a）。
在阳性对照条件下，我们不考虑脑状态动力学，随机地对同一右侧SPL施加相同的兴奋性TMS；这使得参与者体验到的TMS脉冲数量以及声学和体感刺激与原始BDNS会话中几乎相同。确实，每个附加实验结束时的问卷显示，40名ASD参与者无法区分BDNS会话和阳性对照会话（附加实验1-3的分类准确度 = 45–55%；置换检验P > 0.12）。
在这些附加实验中，BDNS诱导的行为效应与在主要实验中观察到的定性相同。
在附加实验1中，在主要状态1期间对右侧SPL进行的兴奋性BDNS在第1周就开始减少认知僵化性（t18 > 3.2, PBonferroni < 0.05；补充图10b），但改变感知过度稳定性（第7周；t18 > 5.3, PBonferroni < 0.05；补充图10c）和非典型非语言信息处理（第9周；t18 = 4.0, PBonferroni < 0.05；补充图10d）则需要更长的时间。这些行为变化与实验4中观察到的一致。
附加实验2为实验5的观察结果提供了支持。与随机时间TMS相比，在“FPN不活跃但VN活跃”条件下的BDNS甚至在第1周就增加了FPN–VN协同激活频率（t18 > 12.5, PBonferroni < 0.05；补充图10e），并在第3周减少了感知过度稳定性（t18 = 14.4, PBonferroni < 0.05；补充图10f）。在第3周，这种神经变化与行为效应呈负相关（r8 = –0.74, P = 0.01；补充图10g）。
附加实验3的结果证实了实验6的发现。在“FPN不活跃但DMN和SAN活跃”条件下的BDNS增强了FPN–DMN–SAN耦合（t18 = 15.4, PBonferroni < 0.05；补充图10h），并在第3周增加了自闭症个体对非语言社交信息的使用（t18 = 11.1, PBonferroni < 0.05；补充图10i）。BDNS诱导的三联体网络耦合变化与非典型非语言信息处理的变化相关（r8 = 0.76, P = 0.01；补充图10j）。
这些结果表明，在主要纵向实验中获得的行为发现具有稳健性。
讨论
在此，我们根据特定的脑状态施加TMS，以检验这种脑状态驱动的神经刺激是否影响大尺度脑动力学的流畅性，以及这种神经变化是否对高功能自闭症谱系障碍（ASD）成人的多种非典型行为产生直接或间接的因果效应。研究结果支持了降低神经僵化性与认知僵化性之间的明确关系。相比之下，感知过度稳定性和非典型非语言信息处理仅在重复进行脑状态依赖性TMS后才发生改变。在BDNS诱导的神经灵活性增强了额顶网络（FPN）和视觉网络（VN）之间的功能耦合后，感知过度稳定性降低了；而在FPN、默认模式网络（DMN）和突显网络（SAN）之间的功能耦合得到加强后，非典型非语言信息处理减少了。这些发现表明，神经僵化性与ASD的多种核心行为特质之间存在因果关系。
我们施加TMS的脑区（右侧上顶小叶，SPL）与我们先前报道的与自闭症行为相关的区域相近。在先前的研究中，自闭症成人的右侧SPL灰质体积减少，并与认知僵化性和感知过度稳定性相关。考虑到分析方法（即基于fMRI的能量景观分析 vs. 灰质体积分析）和研究队列（在东京招募的自闭症成人 vs. 在伦敦招募的自闭症成人）的差异，当前关于右侧SPL的结果可被视为进一步的证据，表明顶叶区域应是全面理解ASD的关键神经区域之一。
本研究还表明，增强FPN活动对于促进自闭症的认知灵活性至关重要，这在概念上与先前的发现一致，即该网络在典型发育（TD）个体中参与任务切换和认知控制。在此，我们关注了在能量景观上定义的间接转换频率，但未来的研究可能会识别出支撑不同自闭症认知特质的更具体的脑状态。例如，通过结合更精细的脑分区系统和多阶段能量景观分析，我们或许能够识别出更小的脑状态，而这些微状态中的一些可能与特定的自闭症行为密切相关。
在方法学上，正如我们之前的BDNS研究（引文36）所见，能量景观分析从具有不同时间分辨率的神经数据集（即fMRI和EEG数据）中定性地提取了相同的脑动力学。这种稳健性可能归因于脑状态动力学的量化方式。能量景观分析并非通过直接计算目标事件在实际神经数据中出现的次数来评估脑动力学指标（如转换频率和停留时间）。相反，它进行了一次足够长的随机游走模拟，其中脑动力学被描绘为小球在个体能量景观上的运动，然后计算目标事件在假设的小球运动中出现的频率。理论上，这种数值方法应该能抵御不同采样率的混淆效应。
反之，如果我们使用在高速率下记录的大量神经数据，我们可能无需进行此类随机游走模拟。此外，脑状态或许可以用更直接的方式确定，例如基于动态功能连接（FC）矩阵和相位矩阵的聚类。对于以更高时间分辨率收集的数据，此类聚类和直接计数方法将是当前能量景观分析的良好替代方案。
当前的研究为脑状态依赖性神经刺激系统的有效性增添了证据。正如我们先前使用TD个体的研究36所示，对同一脑区进行传统的30分钟重复性TMS（rTMS）并未产生像BDNS那样大的神经效应。此外，BDNS可以控制不同脑网络之间的功能耦合，这在没有实时脑状态监测的TMS方案中应该很难实现。与侵入性闭环神经刺激系统类似，这种BDNS系统将为我们提供识别更细微和动态的大脑-行为因果关系的机会。
在临床上，当前的BDNS方案可能成为未来干预更严重形式自闭症的基础。然而，在临床应用之前，至少有三个问题需要解决。首先，未来的研究必须在更多样化的ASD人群中检验当前方法的适用性，例如在自闭症儿童和同时患有ASD与注意力缺陷多动障碍的个体中。其次，我们将不得不在更大的队列中使用各种临床评分系统来检验当前的行为效应。第三，BDNS方案应进一步优化。在当前的方案中，行为效应在最后一次BDNS会话后约2个月消退（扩展数据图1）。为实现更持久的效果，我们可能需要增加神经刺激的频率。
尽管当前的BDNS方案改变了自闭症的神经和行为特质，但其他TMS方案可能会产生同等或更大的效果。本研究首先通过数值模拟将九个脑网络缩小到FPN，这隐含地假设了BDNS只能修改一个脑网络的活动。因此，我们没有检验某些可能性，例如，对某个脑区的BDNS可能同时刺激多个网络活动。有鉴于此，未来的研究将需要全面搜索可能引发更大神经和行为效应的更高效的BDNS。
未来的研究还必须调查支撑感知过度稳定性和非典型非语言信息处理对原始BDNS方案反应缓慢的其他神经机制。我们找到了一些可以解释这些相对缓慢的行为变化的潜在脑过程的证据；但这些证据是通过基于特定假设（图5a）的分析和实验找到的，而这种缓慢的行为效应也可能由其他大脑机制支持。
本研究的另一个局限性是主要BDNS实验中缺乏阳性对照。尽管附加实验成功地再现了主要发现，但主要实验中缺乏阳性对照可能留下了当前观察结果受到某些安慰剂效应污染的可能性。
另一个方法学问题是关于将EEG电极分配到某个脑网络的方法。本研究仅根据通过立体神经导航系统测量的电极位置进行了分配。尽管当前研究中观察到的显著神经和行为变化似乎为这种看似粗略的方式提供了表面效度，但未来的研究将必须为此EEG分配采用更精细的方法，例如利用EEG-fMRI同步记录系统。
最后，我们必须提及实验者偏见的可能性。在当前的BDNS会话中，参与者对实验条件是盲的，而实验者是知情的。通常，为TMS实验实现完全的双盲设计是困难的，但在解释当前发现时，我们必须对这种偏见保持谨慎。
总结
在此，我们已经表明，缓解自闭症中观察到的神经僵化性可以通过不同的神经过程改变不同的ASD相关行为，这证明了神经僵化性与自闭症中多种非典型行为之间的直接/间接大脑-行为因果关系。这些发现意味着，脑状态驱动的神经刺激可能成为一种新的无创方法的基础，用以影响与ASD相关的某些行为。
如需原文及补充材料请添加思影科技微信：19962074063或18983979082获取,如对思影课程及服务感兴趣也可加此微信号咨询，目前全部课程均可报名且支持预存。另思影提供免费文献下载服务，如需要也可添加此微信号入群，原文也会在群里发布，如果我们的解读对您的研究有帮助，请给个转发支持以及右下角点击一下在看，是对思影科技的支持，感谢！
广州：
重庆：