大脑网络架构如何支持人类在整个生命周期中的行为是系统神经科学的一个核心问题。童年时期是认知、人格和心理健康方面快速神经发育和行为变化的时期。因此，科学家对理解在生命早期实例化的大脑行为关系的本质特别感兴趣。最近的研究表明，静止状态和任务状态功能连接可以在个体水平上预测特定特征，包括认知表现、冲动性评分和自闭症症状。然而，大多数研究都集中在单一的行为特征上，因此没有捕捉到更广泛的行为关系。近日，来自新加坡国立大学的研究学者在Nat Commun上发表了一篇题为“Shared and unique brain network features predict cognitive, personality, and mental health scores in the ABCD study”的学术论文，揭示了共同的大脑网络特征，解释了儿童时期广泛行为领域的个体差异。

在本研究中，研究人员利用了青少年大脑认知发展(ABCD)研究，一个典型的9至10岁儿童的大规模数据集，其中包含大量儿童样本和各种行为测量。他们使用静止状态下的功能连接(静息FC)和任务状态下的功能连接(任务FC)来预测广泛的认知、冲动相关人格和心理健康措施。他们还研究了将静息FC和任务FC相结合是否可以改善行为预测。最重要的是，他们探索了在行为领域内和跨行为领域以及跨大脑(静止和任务)状态下存在的共同和独特的预测网络特征。

结果显示，表明预测网络特征在认知表现、人格评分和心理健康评估领域是不同的。任务FC在预测认知方面优于静息FC，但不能预测人格或心理健康。将任务FC和静息FC相结合可改善预测能力，尤其是在预测认知表现上。预测性大脑网络特征在行为域内聚集在一起。预测性网络特征在行为领域(认知、个性和心理健康)内比跨行为领域更相似。此外，预测性网络特征在不同的大脑状态下是相似的。另一方面，每个行为域中的特征都是由类似的网络特征预测的。预测网络特征和模型可推广到同一行为域内的其他行为度量。虽然已知任务可以调节功能连接组，但静止状态和任务状态之间的预测网络特征是相似的。独特的大脑网络特征支持对认知、人格和心理健康的预测。

总体而言，该研究揭示了共同的大脑网络特征，这些特征解释了儿童时期广泛行为领域的个体差异。该研究结果提供了默认和注意网络在预测儿童冲动性方面的重要性的证据。