脑网络通信：概念、模型和应用 | Nature Reviews Neuroscience 速递

原创 集智编辑部 集智俱乐部

关键词：复杂脑网络，脑网络通信，连接组学，网络神经科学

论文标题：Brain network communication: concepts, models and applications
论文来源：Nature Reviews Neuroscience
原文链接：https://www.nature.com/articles/s41583-023-00718-5

了解神经系统中的通信和信息处理是神经科学的中心目标。在过去的二十年中，连接组学和网络神经科学（network neuroscience）的进步为研究复杂大脑网络中的多突触通信开辟了新的途径。

最近的工作对连接组信号仅通过最短路径发生的主要假设提出了质疑，导致出现了一系列庞大的替代网络通信模型。该综述调查了脑网络通信模型的最新进展。

作者在图论数学和神经信号传导的生物学之间建立概念联系，并将关键的网络通信模型和测量方法组织成一个分类法，以便于研究人员掌握文献中越来越多的概念和方法。该分类方法强调连接组信号传导不同概念的优缺点和解释，作者将脑网络通信模型分为三大类——扩散过程、参数模型和路由协定（Routing protocol）——范围从分散式（顶部）到集中式（底部）策略。每一类内含多种通信模型，每种模型都提出一种特定的策略或算法来引导网络节点之间的信号。根据通信成本的三个维度对模型进行概念性评估：优劣延迟、信息和能量。

图1 脑网络通信模型和测量的分类。（AT，激活时间；C(info)，信息成本；CMY，沟通性；C(trans)，传输成本；DE，扩散效率；EDP，边不相交路径；E(R)，效率比；k-SPL，k-最短路径长度；MFPT，平均首次通过时间；NE，导航效率；NPL，导航路径长度；PT，路径传递性；RE，资源效率；SI，搜索信息；SPE，最短路径效率；SPL，最短路径长度；S(R)，成功率。）

作者通过回顾网络通信模型在基础、认知和临床神经科学中的突出应用，展示其作为灵活、可解释和易于处理的框架来研究大脑功能的实用性。

图2 通信矩阵和当前的新兴应用，通信矩阵由网络通信模型和测量来计算。a）功能连接矩阵捕获神经活动时间序列中的成对关联。b）受试者水平（subject-level）的沟通矩阵可用于研究神经信号如何与认知、行为和临床变量相关联。c）通信矩阵可以量化由于局部损伤、病理或机能失常而导致的区域间信号传导的全局中断。d）可以从通信矩阵推断局灶性脑刺激（focal brain stimulation）的非局部效应。

最终，作者提供建议来指导网络通信模型的未来开发、应用和验证。作者认为，网络神经科学的理论和计算进步必须与生物验证的实证工作密切相关。基于此，作者提出两条建议：1）应研究考虑神经信号的多重概念化，以明确比较来自不同模型和测量的通信矩阵的解释力。2）网络模型的生物学验证应最终依赖于干预或纵向实验设计的以经验为依据的数据。

编译｜董佳欣

原标题：《脑网络通信：概念、模型和应用 | Nature Reviews Neuroscience 速递》

阅读原文