孤独感是由于社会关系在数量或质量上达不到预期、无法满足个人需求时产生的负面情感体验。长期的孤独会带来很多身心健康问题。随着当代社会人口日益老龄化,孤独已逐渐成为一个公共卫生问题。研究孤独感的个体差异及其生物学基础,可以使我们更好地理解孤独感的发生和维持机制,以便识别高危个体,开发有效的干预手段。当前,在孤独感的机制研究中,最完整的理论模型是孤独感的进化理论。该理论中的一个关键假说认为,孤独感会导致个体进入一种对社会威胁信息的过度警觉状态,不利于长期的身心健康。虽然研究证据较好地支持了孤独感的进化理论,已往的研究偏重于解释孤独损害健康的生理机制,而对影响孤独感个体差异的心理因素、其认知神经和遗传基础的解释不足。针对上述问题,本论文通过6个研究,分别从行为、大脑功能及基因层面对孤独感的个体差异展开了研究。行为研究部分使用了网络分析的方法,分别通过横断和纵向研究设计考察了考察影响孤独感个体差异的心理因素,以及孤独感与日常情绪间相互作用。研究1采集了523名大学生关于社会情感、人格、自尊及情绪智力等32个心理测量指标,并使用斯皮尔曼相关和高斯图网络模型的方法对这些变量之间的关系进行了分析。结果表明,与直接的相关分析相比,网络模型消除了大部分的间接连接。与孤独感有独立的正连接的节点包括敌意、排斥感、神经质、抑郁、危险和失控感以及社交回避;与之有负连接的节点包括自尊的两个维度(自我形象和社会性)、情感社会支持和友谊质量。其他变量与孤独感之间没有直接连接,主要通过神经质节点的中介实现间接连接。研究2是基于经验采样方法的追踪研究,采集了232名当地大学生在13天内的状态孤独感和积极消极情感水平。数据分析使用的是多层向量自回归模型,通过时序网络、同时网络和被试间网络描述了孤独感和其他积极消极情感之间的动态相互作用。结果发现,时序网络中状态孤独感与“敌意”、“警觉”情绪之间存在相互强化的反馈环路,且具有较强的自回归效应;中心度分析表明,状态孤独感在日常情绪的动态交互中起着主动影响;被试间网络的结果提示“害怕”情绪可能在孤独感的个体差异中起到中介作用。在大脑功能研究部分,我们通过两个任务态磁共振实验,使用机器学习的方法分析了心理理论加工及社会排斥任务中大脑功能连接模式对个体孤独感水平的预测。预测分析的流程包括脑区定义及信号提取、特征矩阵构建,基于Elastic Net算法的预测模型拟合和预测效果的交叉验证评估。研究使用了两个ROI(Region of interest)模板,其中一个是涉及社会认知和情感加工的36个ROI脑区(Social ROI),另一个是包含500个ROI的大脑皮层模板(Schaefer ROI)。在特征构建中,我们计算了Social ROI内部的功能连接及其与Schaefer ROI之间的连接,作为功能连接特征;此外,基于上述连接矩阵,分别计算了每个节点的正连接和负连接强度,作为节点强度特征。然后,在不同任务状态下,分别使用功能连接特征和节点强度特征对孤独感得分进行了预测分析。模型评估中使用10折交叉验证的方法来考察预测模型的泛化能力,并使用变异解释量(explained variance,EV)作为预测效果的评价指标。研究3使用的是心理理论实验范式,参与的被试有157人。该范式以视频为材料,记录了被试在观看社会互动(Mental)和随机运动(Random)视频时的大脑功能活动。我们分析了不同任务状态下功能连接及节点强度对孤独感的预测能力。功能连接的预测结果发现,在Task>Rest条件下预测效果最好(EV=0.1112,p=0.006),模型预测值和孤独感测量得分之间的相关系数r=0.408。在具有预测能力的连接中,Social ROI脑区与默认网络脑区的连接占比最大,与感觉运动网络的连接数量次之。节点强度的预测结果发现,在Random>Rest条件下预测表现最好(EV=0.101,p=0.004),预测值和测量值之间的相关系数r=0.332。与功能连接的分析结果相似,具有预测权重的节点更多地分布在默认网络和感觉运动网络中。研究4使用的是社会排斥任务范式,被试共107人。该范式为虚拟的多人在线抛球游戏(Cyber ball)。实验分为两个阶段,前一个阶段为接纳条件(Inclusion),后一个阶段为排斥条件(Exclusion)。研究4的数据处理流程与研究3相同,我们分析并比较了不同任务状态下功能连接及节点强度对孤独感的预测能力。以功能连接作为特征的预测分析中,所有条件下的预测结果均未达到统计显著水平。节点强度的预测分析发现,Inclusion条件下预测效果最好(EV=0.1249,p=0.006),模型预测值和孤独感测量得分之间的相关系数r=0.393。具有预测能力的节点主要分布在默认网络、感觉运动网络和控制网络中。在基因研究部分,我们采用了影像遗传学的研究范式探讨了的遗传因素对孤独感个体差异的影响。研究5使用了候选基因的研究方法,分析了脑源性神经营养因子(Brain-derived neurotrophic factor,BDNF)基因Met/Val多态性对孤独感与大脑白质微结构之间关系的影响。研究采集了162人的弥散张量成像数据,并使用基于纤维束的空间统计(tract-based spatial statistics,TBSS)方法对大脑白质结构的各向异性(fractional anisotropy,FA)和径向扩散性(radial diffusivity,RD)指标进行了体素水平的统计分析。结果发现,BDNF基因的Met/Val多态性调节了孤独感与白质结构之间的相关关系。在Val/Met杂合子组和Val/Val纯合子组的比较中,孤独感与FA值(或RD值)的关系表现出显著差异,交互作用最显著的纤维束是上纵束。此外,FA(RD)与孤独感之间存在全局关联效应,在Val/Met组内,全脑平均FA值与孤独感呈负相关(r=-0.415,p<0.001)。研究6分析了孤独感遗传风险上的个体间相似性对大脑功能连接的个体间相似性的影响,并探讨了这种表征相似性与大脑基因表达的关系。研究的被试样本共550人。我们通过孤独感的多基因分数估计了被试在孤独感遗传风险上的个体间相似性矩阵,通过静息态磁共振数据估计了被试的个体间大脑功能连接相似性矩阵。然后,通过分析每个脑区中两个相似性矩阵的斯皮尔曼相关,得到全脑500个脑区的个体间表征相似性脑图谱。最后,利用Allen基因表达数据库,使用偏最小二乘回归(partial least squares regression,PLSR)分析了表征相似性脑图谱的基因表达基础,并通过基于Gene Ontology(GO)数据库的富集分析解释其可能的生物学功能。结果表明,表征相似性分析中正相关最强的脑区主要集中在默认网络,包括左侧m PFC、双侧PCC、颞极等脑区。PLSR分析表明,关联效应最强的PLS1成分对表征相似性脑图谱的变异解释率为0.175,对基因表达变量的变异解释率为0.186。GO富集分析表明,与大脑表征相似性模式相关最强的基因可能涉及的生物学过程为细胞通信、免疫系统加工、白细胞激活、神经递质的调控等。通过整合这三个部分的研究结果,本论文从不同层面为孤独感的进化理论提供了新的支持证据。首先,在行为水平上,基于经验采样的数据,发现状态孤独感与“敌意”、“警觉”情绪之间存在相互强化的反馈环路,提示状态孤独感和情绪上的过度警觉有关。该结果将孤独感的过度警觉假设拓展到了日常的状态性情绪中。然后,通过任务态功能磁共振实验,我们发现在执行社会认知和情感加工过程中,大脑功能连接模式可以显著预测孤独感的个体差异,而且默认网络与社会加工相关脑区之间的功能连接对预测的贡献最大。该结果为孤独感个体差异的认知神经基础提供了更多新证据。最后,通过多基因分数及个体间功能连接模式的表征相似性分析,我们发现孤独感的遗传风险因素可能调控了默认网络的功能活动模式,进一步分析表明,遗传因素和大脑功能的相似性模式可能与免疫相关的基因表达有关。该结果为孤独感与炎症基因表达之间关联性提供了可能的神经基础。