The complexity of social interactions is a defining property of the human species. Many social neuroscience experiments have sought to map "perspective taking", "empathy", and other canonical psychological constructs to distinguishable brain circuits. This predominant research paradigm was seldom complemented by bottom-up studies of the unknown sources of variation that add up to measures of social brain structure; perhaps due to a lack of large population datasets. We aimed at a systematic de-construction of social brain morphology into its elementary building blocks in the UK Biobank cohort (n=~10,000). Coherent patterns of structural co-variation were explored within a recent atlas of social brain locations, enabled through translating autoencoder algorithms from deep learning. The artificial neural networks learned rich subnetwork representations that became apparent from social brain variation at population scale. The learned subnetworks carried essential information about the co-dependence configurations between social brain regions, with the nucleus accumbens, medial prefrontal cortex, and temporoparietal junction embedded at the core. Some of the uncovered subnetworks contributed to predicting examined social traits in general, while other subnetworks helped predict specific facets of social functioning, such as feelings of loneliness. Our population-level evidence indicates that hidden subsystems of the social brain underpin interindividual variation in dissociable aspects of social lifestyle.

中文翻译：

---

社会大脑形态中的隐藏人口模式：其组成部分超过其总和

社会交往的复杂性是人类的决定性财产。许多社会神经科学实验都试图将“观点采择”，“同理心”和其他规范的心理结构映射到可区分的大脑回路。这种占主导地位的研究范式很少得到对未知变异来源的自下而上的研究的补充，这些变异加起来构成了社会大脑结构的度量；可能是由于缺乏大量的人口数据集。我们的目标是在英国Biobank队列（n =〜10,000）中，将社会大脑形态系统性地解构为其基本组成部分。通过翻译深度学习中的自动编码器算法，在社会大脑位置的最新地图集中探索了结构协变的连贯模式。人工神经网络学习了丰富的子网络表示形式，这些表示形式在人口规模上的社会大脑变化中变得显而易见。所学习的子网携带有关社交大脑区域之间的相互依赖性配置的基本信息，伏伏核，前额内侧皮层和颞顶交界处嵌入核心。一般而言，一些未发现的子网络有助于预测已检查的社会特征，而其他子网络则有助于预测社交功能的特定方面，例如孤独感。我们的人口水平证据表明，社交大脑的隐藏子系统支撑着社交生活方式中各个方面的个体差异。所学习的子网携带有关社交大脑区域之间的相互依赖性配置的基本信息，伏伏核，前额内侧内侧皮层和颞顶交界处嵌入核心。一般而言，一些未发现的子网络有助于预测已检查的社会特征，而其他子网络则有助于预测社交功能的特定方面，例如孤独感。我们的人口水平证据表明，社交大脑的隐藏子系统支撑着社交生活方式中各个方面的个体差异。所学习的子网携带有关社交大脑区域之间的相互依赖性配置的基本信息，伏伏核，前额内侧皮层和颞顶交界处嵌入核心。一般而言，一些未发现的子网络有助于预测已检查的社会特征，而其他子网络则有助于预测社交功能的特定方面，例如孤独感。我们的人口水平证据表明，社交大脑的隐藏子系统支撑着社交生活方式中各个方面的个体差异。一般而言，一些未发现的子网络有助于预测已检查的社会特征，而其他子网络则有助于预测社交功能的特定方面，例如孤独感。我们的人口水平证据表明，社交大脑的隐藏子系统支撑着社交生活方式中各个方面的个体差异。一般而言，一些未发现的子网络有助于预测已检查的社会特征，而其他子网络则有助于预测社交功能的特定方面，例如孤独感。我们的人口水平证据表明，社交大脑的隐藏子系统支撑着社交生活方式中各个方面的个体差异。