脑网络方法已成为当下人类认知过程和神经精神疾病研究的重要手段，但是人脑的不同区域如何连接起来形成复杂的神经网络仍然是需要去探索的一个基础性科学问题。
　　以往脑网络研究识别出脑内存在深度连接的枢纽区域，其中海马和内侧前额叶是存在广泛连接并与多种认知功能存在密切联系的关键节点。最近，中国科学院心理研究所韩布新研究组李锐副研究员与合作者开展了一项研究，进一步探索了海马和内侧前额叶作为关键枢纽如何合作并在调控全脑区域间的连通性方面发挥中心作用。
　　该研究利用国际神经影像数据共享计划（INDI）NKI-RS（Nathan Kline Institute-Rockland Sample）和Cambridge-Buckner两个静息态功能磁共振成像（fMRI）独立样本库，基于贝叶斯网络学习方法构建脑的有向连接和有向信息流模型，通过探索分析和可重复性验证分析海马和内侧前额叶与默认网络区域、关键认知网络区域、以及全脑网络代表性区域的连接关系。研究发现，海马和前额叶虽然都是枢纽区域，但是在脑区信息交互中扮演的角色是不同的，其中海马可能是影响全脑功能活动的一个重要驱动力，而前额叶则是汇聚全脑信息的一个重要整合力，研究结果提示二者的合作调控脑连接网络的功能活动。与行为的关联分析发现，从海马到前额叶的有向连接和信息流显著预测个体的流体智力。
　　该研究从计算角度区分了海马和内侧前额叶作为关键枢纽在静息态脑网络信息处理中的不同角色，对进一步思考脑网络的形成和运作机制具有重要意义，同时对理解和未来研究阿尔茨海默病等神经退行性疾病的失连接现象提供动力学解释和参考。
　　该研究成果发表于Brain Structure and Function：
　　Li, R.^*, Zhang, J., Wu, X., Wen, X., & Han, B. (2020). Brain-wide resting-state connectivity regulation by the hippocampus and medial prefrontal cortex is associated with fluid intelligence. Brain Struct Funct 225, 1587–1600.
　　https://doi.org/10.1007/s00429-020-02077-8