It has been suggested that resting-state functional connectivity (rs-FC) between the primary motor area (M1) region of the brain and other brain regions may be a predictor of motor learning, although this suggestion is still controversial. In the work reported here, we investigated the relationship between M1 seed-based rs-FC and motor learning. Fifty-three healthy volunteers undertook random button-press and sequential motor learning tasks. Five-minute resting-state data acquisition was performed between the two tasks. Oscillatory neural activities during the random task and the rest period were measured using magnetoencephalography. M1 seed-based rs-FC was calculated for the alpha and beta bands using amplitude envelope correlation, in which the seed location was defined as an M1 position with peak event-related desynchronization value. The relationship between rs-FC and the performance of motor learning was examined using whole brain correlation analysis. The results showed that beta-band resting-state cross-network connectivity between the sensorimotor network and the core network, particularly the theory of mind network, affected the performance of subsequent motor learning tasks. Good learners could be distinguished from poor learners by the strength of rs-FC between the M1 and the left superior temporal gyrus, a part of the theory of mind network. These results suggest that cross-network connectivity between the sensorimotor network and the theory of mind network can be used as a predictor of motor learning performance.

中文翻译：

---

β 波段静息状态功能连接作为运动学习能力预测因子的作用

有人提出大脑的初级运动区 (M1) 区域和其他大脑区域之间的静息状态功能连接 (rs-FC) 可能是运动学习的预测因子，尽管这一建议仍然存在争议。在这里报告的工作中，我们调查了基于 M1 种子的 rs-FC 和运动学习之间的关系。53 名健康志愿者进行了随机按下按钮和顺序运动学习任务。在两个任务之间进行了五分钟的静息状态数据采集。使用脑磁图测量随机任务和休息期间的振荡神经活动。使用幅度包络相关性为 alpha 和 beta 波段计算基于 M1 种子的 rs-FC，其中种子位置被定义为具有峰值事件相关去同步值的 M1 位置。使用全脑相关分析检查 rs-FC 与运动学习表现之间的关系。结果表明，感觉运动网络和核心网络之间的 β 波段静息状态跨网络连接，特别是心理网络理论，影响了后续运动学习任务的表现。可以通过 M1 和左颞上回之间的 rs-FC 强度（心理网络理论的一部分）区分好的学习者和差的学习者。这些结果表明，感觉运动网络和心理网络理论之间的跨网络连接可以用作运动学习性能的预测指标。结果表明，感觉运动网络和核心网络之间的 β 波段静息状态跨网络连接，特别是心理网络理论，影响了后续运动学习任务的表现。可以通过 M1 和左颞上回之间的 rs-FC 强度（心理网络理论的一部分）区分好的学习者和差的学习者。这些结果表明，感觉运动网络和心理网络理论之间的跨网络连接可以用作运动学习性能的预测指标。结果表明，感觉运动网络和核心网络之间的 β 波段静息状态跨网络连接，特别是心理网络理论，影响了后续运动学习任务的表现。可以通过 M1 和左颞上回之间的 rs-FC 强度（心理网络理论的一部分）区分好的学习者和差的学习者。这些结果表明，感觉运动网络和心理网络理论之间的跨网络连接可以用作运动学习性能的预测指标。可以通过 M1 和左颞上回之间的 rs-FC 强度（心理网络理论的一部分）区分好的学习者和差的学习者。这些结果表明，感觉运动网络和心理网络理论之间的跨网络连接可以用作运动学习性能的预测指标。可以通过 M1 和左颞上回之间的 rs-FC 强度（心理网络理论的一部分）区分好的学习者和差的学习者。这些结果表明，感觉运动网络和心理网络理论之间的跨网络连接可以用作运动学习性能的预测指标。