简要总结

这篇研究探讨了双语者大脑中第一语言（L1）和第二语言（L2）的神经表征是否具有相似性，以及个体语言能力差异是否影响这一表征。在对31位英语为母语、普通话为第二语言的双语者进行fMRI研究后，作者发现尽管在整体水平上大脑并不区分L1和L2，但个体的语言熟练度和第二语言习得年龄显著预测了语言表征差异的程度。使用表征相似性分析（RSA），研究显示，当双语者的L1和L2熟练度差距较小，或L2习得较早时，大脑中多个语言处理区域对两种语言的表征更为相似。这表明双语者并非在所有情况下都对两种语言有统一的神经表征，而是受到语言经验的调节。研究支持了一个整合的双语语言系统模型，同时揭示了语言经验如何塑造大脑中语言的表征方式。

摘要：

1 引言

目前的双语语言处理理论认为，双语者在讲话过程中共同激活了他们的两种语言，并且他们对两种语言保持着相似的、重叠的表征。此外，过去的神经影像学研究提供了大量证据，证明第二语言（L2）的加工过程与说话者的第一语言相似的报告。即使存在L1-L2差异，例如L2中有更广泛的活动，仍然存在广泛的重叠。这表明，无论使用哪种语言，都有类似的潜在语言网络参与。双语者的语言共激活概念被广泛接受，就像一个单一的、整合的词汇一样。BIA+/BIA-d框架的支持者还提出，存在一个L1/L2语言“节点”，它决定了哪种语言将被访问。虽然这个模型解释了跨语言启动和干扰，语言节点的机制在神经生物学水平上仍然不清楚。虽然神经成像通过激活相似的结构为整合的词汇提供了很多支持，但L1/L2大脑区域内共享的活动模式的分离可能为L1和L2之间如何访问词汇提供了一定程度的区别。也就是说，这些可分离的表征模式可能反映了一个调节“语言节点”的作用，该节点允许访问共享大脑区域内的语言特定语义信息。

目前各种双语单词识别模型的支持者普遍认为，个体差异，如熟练程度和习得年龄（习得年龄）影响双语词汇语义处理的基础上的强度的语音，正字法和语义之间的关联。例如，在BIA+/BIA-d框架内，在不平衡的双语者静息激活水平（即分配给模型中的单词节点的参数，反映了它们的使用频率）在非主导语言（通常是L2）中较低，导致单词识别较慢。然而，随着双语者的熟练程度达到平衡，不同语言之间的静息激活水平变得相似，从而导致不同语言之间的对称启动效应。类似地，在Multilink框架内，双语单词识别的计算模型，单词形式的特征在于频率依赖性静息水平激活。不同二语水平的双语者使用二语词汇的频率不同，这意味着二语词汇的静息激活水平不同。此外，任务需求被假设为分布在整个处理路径;也就是说，不同的基本处理操作集被激活取决于任务的要求。因此，熟练程度和习得年龄的差异可能会对说话者提出不同的任务要求，从而导致负责任务要求的区域之间的更大分离。具有更相似的静息激活水平（即在更高的利润率和更早的习得年龄），任务需求变得更加相似，潜在地导致这些区域中的更多重叠。值得注意的是，这两个模型都是基于阅读的;然而，已经假设它们也适用于双语听觉单词识别。

尽管L1和L2共享结构网络，但传统的单变量对比不能告诉我们语言如何在这些区域中表示，并且虽然表示L1和L2的大脑区域存在广泛的重叠，语言的代表方式可能会有所不同。也就是说，用于语言特定信息的区域编码，诸如口语代码（例如，左上级颞回和左额下回）可以不同地表示每种语言。相反，参与执行和注意力控制的区域（例如，背外侧前额叶皮层和前额叶皮层）在如何表示每种语言方面可能表现出较少的差异，因为这些区域的功能不应该在性质上从一种语言到另一种语言有所不同。语言能力和经验的个体差异也在双语语言加工中发挥重要作用，并可能影响每种语言的神经表征的整合。先前的研究表明，低熟练者和晚二语学习者对两种语言的概念知识有更大的分离，这种分离也可能反映在共同激活的大脑区域对单词和概念的神经表征上。

1.1 本研究的目的

本研究探讨了在双语听觉词识别实验中，L1和L2参与的脑区是否代表性地区分了这两种语言。我们招募了一个独特的样本，L1英语，L2普通话成人生活在北京，他们的习得年龄和熟练程度自然不同。参与者在每种语言中进行了一项词汇-语义识别任务，研究分析了在对两种语言都显著激活的区域内，大脑区域是否对每种语言表现出了可靠的不同活动模式。研究预测，与双语综合词典模型一致，由于静息激活水平越来越相似，表征相似性将随着熟练程度的增加和L2习得年龄年龄的提前而增加。与此相反，参与一般认知过程领域'如执行功能'，预计不会显示出语言选择模式

2 材料和方法

2.1 参与者

2.4 数据采集和处理

在具有32通道头部线圈的Siemens Magnetom TIM Trio全身3特斯拉扫描仪上进行成像。T2加权功能扫描在横断面上采集，每个体积45层（TR=2.5s;TE=38ms;翻转角=80;FOV=192×192mm;体素尺寸3×3×3mm³），使用iPAT并行采集序列（广义自动校准部分并行采集[GRAPPA];加速因子=2），提供大脑和小脑上级部分的完全覆盖。在8次运行（每次运行3.5分钟）中，为每位参与者采集了总计576次功能扫描。在最终功能运行后，使用T1对比加权的3D脉冲序列在矢状面中采集全头部高分辨率3D解剖扫描（MPRAGE;TR=2.3s；TE=2.98ms；FOV=256256mm；体素大小=1mm³；176个切片；GRAPPA加速因子=2）。

将原始数据从DICOM转换为BIDS格式，并使用FMRIPREP版本1.0.0进行预处理。使用N4BiasFieldCorrection v2.1.0和skull-stripped使用antsBrainExtraction.sh v2.1.0（使用OASIS模板）。使用FreeSurfer v6.0.0估计皮质表面。使用ANTsv2.1.0中实现的非线性变换，将去除颅骨的T1w体积配准到去除颅骨的ICBM152非线性不对称模板版本2009c。

功能数据使用AFNI进行切片时间校正，并使用MCFLRT v5.0.9进行运动校正。随后使用FreeSurfer v6.0.0中实现的9度自由度基于边界的配准与相应的T1加权体积进行配准。使用antsApplyTransformations v2.1.0和Lanczos插值在单个步骤中应用运动校正变换、T1加权变换和MNI模板扭曲。

使用FSLFAST v5.0.9从T1w图像中提取三种组织类别。来自脑脊液和白色物质的体素用于创建掩模，该掩模继而用于使用aCompCor提取生理噪声回归量。掩模被侵蚀，并限于皮质下区域，以限制与灰质的重叠，并估计六个主成分。使用Nipype实现为每个功能运行计算逐帧位移。有关管道的更多详细信息，请参阅https://fmriprep.readthedocs.io/en/latest/workflows.html。

2.5 一级和二级统计

AFNI 3d Deconvolve函数在一般线性模型的背景下形成单受试者统计图。删除功能数据中的线性趋势，并通过对所有英语试验和所有普通话试验进行建模来进行一级分析。使用AFNI 3d Deconvolve函数在一般线性模型的背景下形成统计图。包括六个运动参数的额外回归量、来自预处理步骤的生理噪声的估计以及试验响应时间。这产生了一个英语和一个普通话的统计地图，每个主题，我们用来计算第二级（跨主题）单变量对比。针对每种语言计算了针对零的单样本t检验（AFNI 3dttest++，结果如图S1和表S1所示），并进行了连词分析（AFNI 3dcalc），以识别英语和普通话阈值为2.596（p=0.01未校正）的显著激活区域。请注意，在此阶段使用了相对宽松的阈值，以便在多变量搜索空间中包括尽可能多的区域。然后，使用这种结合分析的结果创建大脑掩码。最后，重新计算了英语和普通话的一级单受试者统计数据，这次为偶数和奇数运行创建了单独的模型。此外，语言间t检验的结果见图S2和表S2。

只有正确的试验包括在两个一级分析，准确率范围从81.25%到100%正确的英语任务和从61.25%到96.25%正确的普通话任务。

2.6 对半相关探照灯分析

然后进行探照灯RSA(Searchlight RSA)，以确定L1和L2的代表性可靠不同的区域，而不管激活水平的分组差异。分析的搜索空间被限制在英语-汉语连接词掩码内的区域，如图1所示。分半相关探照灯在CoSMoMVPA Matlab工具箱中进行，使用三个体素的搜索球半径的报告。在每个探照灯球内，对偶数和奇数轮次之间、语言内（英语-英语和普通话-普通话）和语言间（英语-普通话）的活动模式进行Pearson相关，产生探照灯每个点处每个个体的2×2相似性矩阵。接下来，使用基于Fisher变换的平均相关性的差异的成对t检验来计算语言间模式与语言内模式（对角线上对非对角线上）的不相似度。在探照灯球内的一个区域中的显著差异表明该区域对L1和L2进行了差异编码。然后，将探照灯的中心移动到搜索空间的下一个位置，并重复统计分析，最终产生落在结合图内的所有体素的统计图。使用MNI空间中的受试者系数图进行分析。一旦计算了单个受试者的探照灯结果，就通过单样本t检验创建了一个组统计量，该检验识别了在所有受试者中，在一种语言内比在两种语言之间表现出显著更大的代表性相似性的体素。接下来，我们计算了多重比较校正的随机效应聚类统计量，在零假设和10，000次迭代下，平均值为零，显著聚类被转换为z得分。

图1 L1英语和L2普通话显著激活的区域（p = 0.01）未校正。 结果叠加在MNI空间的立体定向脑上。 L =左，R =右

2.7 与熟练程度和习得年龄的回归

然后进行了线性回归，以检验习得年龄和L1和L2之间熟练程度的差异是否预测了被试内表征差异的程度。第一个模型以L1和L2语言水平的差异作为连续回归变量，并调整了习得年龄;第二个模型以习得年龄作为连续回归变量，并调整了L1和L2语言水平的差异。最小聚类大小阈值分两步确定。首先，我们使用自相关函数（ACF）选项（AFNI 3dFWHMx）通过3dDeconvolve估计每个受试者输出的残差平滑度，并计算平均平滑度。接下来，在p=0.01的体素alpha水平下，使用双侧阈值化和第一最近邻聚类，使用10，000次迭代蒙特卡罗模拟（AFNI 3dClustSim）确定最小聚类大小。通过设置7个体素的最小聚类大小，实现了p=0.01时多重比较的校正。

3 结果

3.1 行为

L1（英语）水平测试的行为表现范围为72.92%至100%，L2（普通话）水平测试的行为表现范围为12.5 to 77.08%。对扫描前的能力测试数据进行分析发现，二语水平显著低于母语水平（M = 88.93%, SD = 5.88, M = 38.54%, SD = 18.15）； t[31] =15.93 p <措施,95% CI[43.94, 56.84])。 二语熟练程度与二语AoA无显著相关（r[30] = 0.21, p = 0.255）。 受试者在英语试验中的反应速度快于普通话试验（M = 1203.60 ms, SD = 202.21, M = 1607.88 ms, SD = 231.78）；t[31] = 14.67, p < 0.001, 95% CI[460.48, 348.09])，且英语试验比普通话试验更准确(M = 94.17%, SD = 4.21, M = 83.07%, SD = 10.35； t[31] = 6.84, p < 0.001, 95% CI[7.78, 14.40])。

3.2 结合分析

连接分析的结果如图1和表2所示。L1英语和L2普通话均在双侧脑区的广泛网络中产生了显著的激活，包括赫施尔回、颞上回（STG）、额下回（IFG）、梭状回和舌回以及枕叶和顶叶皮质，体素p值为0.01（未校正）。

表2英语和汉语连词显示的共同激活区域

3.3 探照灯与对半相关分析

3.1 组级RSA探照灯 

作为一个群体，没有任何地区显示出与语言间（普通话-英语）相比，语言内（普通话-普通话和英语-英语）的代表性相似性显著更高。

3.3.2与熟练程度和习得年龄的回归

为了确定熟练程度或习得年龄是否能预测语言内和语言间表征相似性的差异程度，接下来将主题式探照灯图提交给线性回归分析。L1-L2水平评分差异预测的语言内代表相似性大于语言间相似性，包括左侧梭状回、IFG、双侧STG和右侧舌回，如图2和表3所示。所有领域都呈现出正相关关系，表明随着语言水平的差异增加，英语和普通话之间的代表性差异程度也在增加。

图2 L1L2熟练度分数差异（%）与L1L2相似度的关系

z-Score值代表整个感兴趣区域（ROI）的平均值。 较高的z分数表明语言之间的相关值与语言内部的相关值差异更大。 统计图的阈值为p = 0.01，覆盖在MNI脑图谱上。 L =左，R =右。 集群的位置和大小如表3所示

表3熟练程度或习得年龄（AoA）显著预测z分数的区域

注：坐标表示激活峰的位置。 L/R =左/右。 P值经聚类大小校正为P < 0.05。

习得年龄和代表性相似性之间的关系如图3和表3所示。在左侧颞中回和右侧枕下回，习得年龄正预测语言内表征相似性大于语言间表征相似性，表明后期习得年龄与L1和L2在这些区域的较大差异相关。相比之下，习得年龄与左顶叶下叶、右侧岛叶和距状沟呈负相关，表明早期习得年龄与这些区域中较小的L1-L2表征差异相关。

4 讨论

本研究调查了一种假设，即双语者在两种语言中保持相似的、重叠的词汇表征。使用词典语义识别任务，我们发现双语词识别网络中双语者两种语言的表示存在相似性和差异性。 在群体水平上，没有区域在英语和普通话的表征上存在显著差异，但熟练程度和AoA都预测了几个地区的表征相似性程度。也就是说，个体差异预测了双语者两种语言表征的差异，这些区域在汉语和英语单词识别任务中都被显著激活。这些结果扩展了行为和事件相关的潜在发现，即双语者具有单一的综合词汇，展示了激活区域内的神经表征如何随着语言体验而变化。虽然先前的荟萃分析和综述基于功能磁共振成像活动的相对强度对此进行了论证，但功能磁共振成像活动的程度激活无法告诉我们每种语言是如何表示的。也很难解释更大活动的含义：增加的fMRI信号可能代表一个区域对某项任务的更大专业化，或者它可能表示由于对该任务的熟悉程度较低而需要增加的神经努力。在这里，我们重新概念化的语言分化程度方面的区域激活，专注于区域，不显示出明确的专业化为一种语言或其他。

与我们的假设一致，语言网络的几个区域显示出不同的表征模式，语言取决于个体差异。例如，其中一个区域是左侧IFG（包括眼睑部和三角部），这是一个参与表达和规划语音和音调发音代码的区域。事实上，这些特征在英语和普通话之间是不同的，因为每种语言都具有另一种语言所不存在的语音特征（例如，普通话中的声调，英语中的辅音群）。当第一语言和第二语言能力之间的差异较小时，左侧IFG显示出语言之间更大的表征相似性，这表明随着双语者在两种语言的能力上变得更加匹配，语音表征变得更加整合。同样，语言相似性在双侧缘上回更大，熟练程度差异更小，这是一个在单词识别过程中对记忆-运动整合很重要的区域。

一个值得注意的结果是，在整个腹侧视觉流中，较低的L2水平和较晚的习得年龄说话者的表征差异，这是一种负责物体识别和概念表征的皮层通路。视觉区域的语言差异特别有趣，因为本研究中的参与者在每种语言中看到相同的图像;这里的操纵只是语言在其中他们听到了这些物体的名称。因此，该区域中依赖于语言的差异表明，语言输入对高级视觉处理存在自上而下的调节作用。尽管对相同图像的视觉处理似乎是一个通用领域的过程，但支持其具有语言特异性的证据来自标签反馈假说，该假说认为语言会调节正在进行的认知和感知处理。与这一假说一致的是，每种语言中与图像配对的语言标签会影响对该图像的感知。因此，虽然图像保持不变，但语言的自上而下的影响在高级视觉区域产生了可分离的表征，从而区分了对口语“table”和口语“桌子”（“table”的中文普通话表述）的视觉感知。

除了表现出习得年龄与表征相似性正相关的区域外，三个区域在早期习得年龄表现出更大的差异。右脑岛与抑制控制有关，该区域神经表征的较大差异可能反映了对另一种语言的抑制方式的差异。BIA-d模型的一个原则是，一旦概念连接就位，翻译对等物之间的抑制连接就会发展，从而允许改进处理。因此，这些抑制性联系，更有可能在早期双语者中有时间发展，可能通过右脑岛控制。有趣的是，左前顶内沟是另一个表现出表征差异与习得年龄负相关的区域，它在细指运动的规划和控制中很重要，并且与双侧脑岛有很强的联系。第三个区域，肌钙沟的前列腺区，已被证明与猴子的扣带运动皮层有皮层连接。虽然这些与习得年龄联系的原因尚不清楚，但对于具有更大抑制联系的参与者来说，通过按下按钮启动反应的过程可能是更可分离的。未来的研究应旨在进一步阐明这些区域在双语听觉词识别中的作用，包括它们与习得年龄的关系。

最后，尽管没有区域显示出更高的语言内表征相似性似乎令人惊讶，但这一结果可能是由于我们样本中习得年龄和熟练程度的高度可变性。根据我们的预测，这些因素的个体差异将预测相似程度，那么从逻辑上讲，当把所有人放在一起考虑时，不会出现一致的模式。即使是语言之间不同的刺激物的外部属性，如普通话和英语中存在的声调音系，也被证明会受到个体差异的影响，这也许可以解释为什么我们仍然没有看到语言内部的表征相似性高于语言之间的表征相似性。有许多研究显示了L1和L2之间的激活差异，表明一种语言的语言区域比另一种语言的激活更大，或者显示出L2处理与L1处理的额外区域。这些差异很大程度上归因于第二语言的后期习得、熟练程度的差异或其他影响第二语言习得方式的外部因素。相比之下，匹配的双语者往往在语言区域表现出重叠的活动，在单变量水平上语言之间很少或没有区别。在本研究中，说第二语言的人在语言网络和整个腹侧视觉流中都表现出了经验依赖的语言表征差异，这进一步证明了双语者两种语言的整合，但只有在两种语言的能力相匹配的情况下。这代表了一个重要但未被充分探索的观点，即神经可塑性是如何在双语中表达的。

5 结论

研究目的

该研究旨在探索双语大脑如何表征两种语言的区别，特别是探讨个体的语言能力（如语言熟练度和学习年龄）是否影响大脑中两种语言的表征方式。

方法与数据

数据来源：研究招募了32名英语-普通话双语者，通过fMRI扫描进行语言任务实验，测量双语者的语言熟练度和学习年龄对大脑中语言表征的影响。

分析方法：参与者执行一项图片-单词匹配任务，任务中用英语和普通话进行交替呈现；使用表征相似性分析（RSA）方法，比较语言任务中大脑活动模式的相似性；采用回归分析探讨语言熟练度和学习年龄对语言表征差异的预测作用。

主要发现

 研究发现，双语者在语言网络和视觉通路中展示了不同的语言表征；语言熟练度和学习年龄预测了语言表征的差异：熟练度差异越小，语言表征越相似；学习年龄越早，语言表征差异越小；视觉皮层等区域表现出语言的特定表征，这表明语言的上行影响可调节感知过程。

意义与局限性

意义：研究支持双语大脑中存在整合的语言表征系统，并揭示语言熟练度和学习年龄如何影响语言的神经表征；为理解语言的神经可塑性提供了新视角，特别是在双语环境中。

局限性：样本量较小，且仅限于英语-普通话双语者，结果的普适性需进一步验证；

仅探讨了听觉词汇识别，未涉及语法等语言处理层面。

结论

参考文献

解读：李孜怡

审核：薛晓萌