为了实现目标,人们往往需要克服干扰,抑制无关信息,并让自身的行为与目标保持一致。认知控制构成了这类目标导向行为的基础,其重要性可见一斑。认知控制是指个体根据目标策略性地调整心理活动的一系列高级加工过程。认知控制具有适应性,这一重要特征表现为个体能根据环境变化来灵活地调整行为,又被称为适应性控制（adaptive control）。近几年有研究者提出可使用比例一致性范式来研究适应性控制背后的认知神经机制,但是鲜有研究关注脑网络水平。大尺度脑网络内部和脑网络之间的连接模式以及脑网络图论属性为众多研究提供了独特视角,增添了大量重要成果,已然成为认知神经科学领域研究的重要指标。因此探究适应性控制的脑网络基础对于弥补现有理论的不足、增进我们对认知控制的理解而言必不可少。本研究基于比例一致性范式,通过以下两个研究考察适应性控制的脑网络基础。考虑到有研究证明,注意系统中的多个关键区域,如侧前额叶皮层（l PFC）、背侧前扣带皮层（ACC）和岛叶,都参与了根据学习规则和上下文信息对不同控制需求的调节。研究一主要关注注意网络与控制网络是否以及如何协作支持适应性控制。研究采用不同比例的Stroop任务,考察了6个典型注意控制网络（即额顶叶网络（FPN）、带状盖网络（CON）、默认网络（DMN）、背侧注意网络（DAN）和腹侧注意网络/凸显网络（VAN/SN））在控制需求变化环境下的激活和连通性。行为分析表明,随着Block内不一致试次比例的增加,冲突效应[不一致与一致试次反应时间（RT）之差]减弱,这表明认知控制能力得到提升。f MRI数据显示,冲突效应减弱的同时伴有额叶和顶叶区域的激活,如双侧背外侧前额叶皮层（dl PFC）和前扣带回皮层（ACC）。更重要的是,不一致试次比例增加所引起的认知控制改善与五个网络内部功能连接的增强、CON与DAN/SN之间的连接增强、DMN与CON/DAN/SN之间的连接增强有关。同时,FPN与VAN之间的功能耦合降低。这些结果表明,注意网络与控制网络之间连接模式的大尺度重构支持适应性控制。进一步地,以往研究发现连接的分布并不局限于激活脑区,未激活甚至负激活的脑区之间可能存在强连接,而两个激活脑区间的连接也有可能减弱（Di＆Biswal,2019）。因此,突破注意和控制网络的限制,基于全脑的脑网络分析对于研究脑区间如何整合或分离从而支持比例一致性效应,这将进一步拓展我们对适应性控制的理解。研究二基于研究一的f MRI数据,将脑网络的水平扩大到全脑范围,在研究一的基础上增加了包括听觉网络（AUN）、皮层下区域（SUB）、感觉运动网络（SMN）和视觉皮层（VIN）。我们计算了所有10个脑网络的一系列图论指标,包括计算了全局效率、参与系数和脑网络对的网络间连接效率(Eis)作为衡量脑网络整合的关键指标,计算每个脑网络的局部效率作为描述该功能网络分离程度的指标,分析全脑网络在不同条件下的整合和分离程度。具体来看,在冲突试次上,一方面,当冲突较少发生时,全局脑网络的全局效率、控制网络（FPN）和感觉运动网络（VIN和SMN）的全局效率和参与系数显著增加,此外,Eis结果表明所有的脑网络与其它网络间的整合均受到交互作用的影响,这说明大脑在完成任务时进行了大量的信息整合,而且发生在全脑范围。其中,FPN,DMN,SMN这些网络与其它网络间的信息交流有约半数以上发生了显著变化。这表明脑网络的高度整合给感知系统、运动系统和高级认知控制系统的高效信息交流提供支持,以应对有着高认知控制需求的冲突试次。另一方面,随着冲突发生频率的增加,全局网络的模块化程度逐渐增加、子网络CON和DMN的局部效率显著提高,说明这些网络的分离程度增加,脑网络呈现高度功能特异化,大脑逐渐习得专门化的技能,有利于冲突的解决。这些结果证明了大尺度脑网络通过灵活的整合和分离来支持适应性控制。综上所述,本研究探讨了适应性控制背后的脑网络基础。研究证明,大尺度脑网络的重构对认知控制的适应性调整具有重要意义。一方面,注意网络与控制网络间连接模式进行灵活重构从而支持双重控制机制的实施;另一方面,全脑网络也发生着多样化的整合和分离,全脑网络的整合以及CON和DMN的分离是实施适应性控制的必要条件。本研究从脑网络功能连接角度进一步完善了适应性控制的神经机制,后续研究可采用其他任务探讨不同控制成分进行适应性调整的神经机制。