左西年研究团队在人工智能与脑科学交叉领域顶级期刊《Physics of Life Reviews》上发表关于人脑自发慢速振荡（Spontaneous Slow Oscillations, SSOs）的原创性研究成果“Dark brain energy: Toward an integrative model of spontaneous slow oscillations”[1]。该研究首次提出了一个系统性的多频段分析框架，将人脑在静息状态下的大量低频振荡信号（0.004–1.65 Hz）划分为六个子频带（slow-1至slow-6），并构建了一个三层次（检测、计算、调制）SSOs功能集成模型，揭示了这些振荡在认知功能中的层级性作用。该成果迅速引发全球跨学科关注，来自数学、物理、生物、医学等领域的国际专家撰文评论，肯定其理论创新与应用前景。
一、研究背景与意义
人脑在静息状态下的能量消耗占全身总能耗的20%–25%，远高于任务态下的额外消耗，这一现象被称为 “人脑暗能量”（brain’s dark energy）[2]。然而，其潜在功能机制长期以来不甚明确。静息态功能磁共振成像（rs-fMRI）所捕获的SSOs是理解这一现象的关键窗口。传统研究多将SSOs分析限于0.01–0.1 Hz频带，忽视了更宽频范围内可能存在的功能特异性。左西年团队突破这一局限[3]，首次系统性汇总15年间实证研究证据，将SSOs分解为六个子频带，提出SSO元计算方法并理论建模，赋予六频段SSOs明确功能定位，为理解大脑内在活动提供了全新视角。
图1 基于自然对数线性定律BOLD波动可分解为六个频段：slow-6 (0.0041–0.0111 Hz)、slow-5 (0.0111–0.0301 Hz)、slow-4 (0.0301–0.0821 Hz)、slow-3 (0.0821–0.2231 Hz)、slow-2 (0.2231–0.6065 Hz)、slow-1 (0.6065–1.6487 Hz)。
二、理论框架与创新点
图2 三层级SSOs整合模型将SSOs的六个慢频段划分为三个交互式层级：探测层（slow-1/2/3）为自下而上的外部驱动，负责感觉与知觉。计算或表征层（slow-4）体现核心智能，具备多个功能模块。调控层（slow-5/6）整合来自高频的信息，并调节较快的SSOs。
本研究核心创新在于提出了“多频带频率分析（MBFA）”框架，并基于自然对数线性律（N3L）将SSOs划分为六个子频带（slow-1至slow-6），进而构建了一个三层次功能模型（参见图2）：
检测层（slow-1/2/3）：负责感觉与知觉处理，以自下而上的信息处理为主；
计算层（slow-4）：作为“中央处理单元”，协调多通道信息整合；
调制层（slow-5/6）：支持全局性脑状态（如意识、注意）的调控与跨网络整合。
该模型不仅揭示了SSOs在频域上的功能分工，还将其与大脑的层次化结构（如默认网络、注意网络、感觉运动网络）相对应，实现了“时空功能”三者的集成和统一。
图3 自发和任务诱发脑活动的证据支持三级SSO整合模型：（A）第一个梯度最高值的频率排序图谱反映了特定脑区达到最高整合水平的频段；（B）对频率排序图谱进行元分析解码，字体颜色代表与功能术语相关的频段，字体大小表示相关系数的大小；（C）不同任务的多频段激活模式与三层级SSO整合模型吻合：探测层的激活仅限于感觉区域，尤其是感觉组分；计算或表征层表现为不同任务诱发的独特激活模式；调控层在高记忆负荷任务中具有更强的激活效应，注意网络则在各个任务中被广泛激活。
三、跨学科反响与验证
该论文发表后，期刊特邀来自数学、物理、神经科学、医学、心理学等领域的国际权威专家撰写了多篇评论文章，从不同角度肯定了该研究的理论价值与启发意义：
James C. Pang（澳大利亚莫纳什大学）[4] 指出，SSOs的形成受到物理（解剖结构）、生理（多尺度动力学）和系统发育（进化约束）三大类因素的共同塑造；
Hao Ming Dong与Li Hu（中国科学院）[5] 强调，该模型成功将频域组织与空间层次结合，为fMRI研究提供了新的理论框架；
Georg Northoff与Andrea Buccellato（加拿大渥太华大学）[6] 进一步提出“动态层次脑模型（DLB）”，将SSOs与更快频率（如Gamma波）纳入统一架构，探讨其与意识现象的关系；
Junhao Liang与Changson Zhou（香港浸会大学）[7] 呼吁：建立大规模神经动力学模型，从机制上解释SSOs的产生与功能；
Hüden Nege等人（土耳其博阿齐奇大学）[8] 通过实证研究支持了注意力网络在频域上的灵活性，验证了该模型的预测；
Li-Xia Yuan与Yu-Feng Zang（杭州师范大学）[9] 从方法学角度提出：应延长扫描时间、提高采样率以更好地捕获SSOs，并提供局部场电位实证SSOs频段特异性；
Xiu-Xia Xing（北京工业大学）[10] 则从数学建模角度提出：应发展基于偏微分方程、动力系统、网络控制等理论多尺度模型，以真正实现揭示“从黑暗到明亮”的机制。
四、未来研究方向与挑战
尽管该模型在理论与实证层面均获得广泛支持，但也存在若干待解决的关键问题：
1. 机制建模不足：需建立跨尺度的生成模型，整合神经、血管、自主神经等多系统动态；
2. 个体差异与发育轨迹：SSO频带结构是否因人而异？其与认知能力的关联如何？
3. 跨物种比较：SSO结构是否在进化中保守？是否存在物种特异性？
4. 方法学优化：需发展非平稳、非线性信号分解方法，避免预设频带带来偏差；
5. 多模态融合：结合脑血流/代谢/电生理等数据，全面揭示“暗能量”的生理基础。
五、总结与展望
本研究将人脑静息态慢振荡系统性地分解为功能明确的频带，并构建了层次化的整合模型，为理解大脑内在活动提供了全新范式。其跨学科影响力彰显了脑科学研究正从“描述性”向“机制性”转变的趋势。未来结合大规模计算建模、多模态成像与跨物种比较，有望揭示人脑“暗能量”的奥秘，推动脑疾病机制研究与类脑人工智能发展。
本项研究得到了科技创新2030-脑科学与类脑研究重大项目（2021ZD0200500）、国家基础学科公共科学数据中心 “中国活体人脑数据共享数据库”(ID-BRAIN)等基金和信息化平台支持。论文第一作者为宫竹青博士，通讯作者为左西年教授。
研究成果相关文献
[1] Gong ZQ & Zuo XN (2025) Physics of Life Reviews, 52:278-297.
[2] Raichle ME (2006) Science, 314:1249-1250.
[3] Zuo XN, et al. (2010) NeuroImage, 49:1432-1445.
[4] Pang J (2025) Physics of Life Reviews, 55:46-48.
[5] Dong HM & Hu L (2025) Physics of Life Reviews, 55:49-51.
[6] Northoff G & Buccellato A (2025) Physics of Life Reviews, 54:169-172.
[7] Liang J & Zhou C (2025) Physics of Life Reviews, 54:155-157.
[8] Nese H et al. (2025) Physics of Life Reviews, 54:166-168.
[9] Yuan LX & Zang YF (2025) Physics of Life Reviews, 55:58-60.
[10] Xing XX (2025) Physics of Life Reviews, 54:221-224.
