在对侧支配现象中,双侧控制系统中的几何变换起到了关键作用
《Frontiers in Computational Neuroscience》:Contralateral dominance emerges from geometric transformation in bilateral control systems
【字体:
大
中
小
】
时间:2026年04月29日
来源:Frontiers in Computational Neuroscience 2.3
编辑推荐:
摘要
引言:对侧组织是脊椎动物神经系统的一个决定性特征,但其功能起源尚未完全理解。我们使用一个最小的计算框架来研究在对侧延迟的双边控制系统中,对侧路由是否可以作为一种有利的解决方案。
方法:我们构建了由左侧和右侧的感觉单元、中枢单元和运动单元组成的抽象双边感觉运动网络,并系统地
摘要
引言:对侧组织是脊椎动物神经系统的一个决定性特征,但其功能起源尚未完全理解。我们使用一个最小的计算框架来研究在对侧延迟的双边控制系统中,对侧路由是否可以作为一种有利的解决方案。
方法:我们构建了由左侧和右侧的感觉单元、中枢单元和运动单元组成的抽象双边感觉运动网络,并系统地比较了在感觉侧别、连合耦合和局部连接性方面不同的替代架构。我们评估了一维和二维模型,在后者中引入了一个连续的扭曲参数,以表示感觉坐标和运动坐标之间的关系转换。我们使用密集参数扫描和自助法分析来估计转变点及其稳健性。
结果:在一维模型中,对侧配置在动态上是可行的,但对目标函数的选择很敏感。在二维模型中,扭曲参数重新组织了架构景观:在没有转换的情况下,最优解主要是同侧的;而在强转换的情况下,它们主要变成了对侧的。中间条件表现出突然的转变,而不是逐渐的转变。密集参数扫描将这种转变定位在θ_c ≈ 0.483的阈值上。自助法分析表明,这个阈值是稳定的(95%置信区间:0.481766–0.483507),并且仅弱依赖于纵向延迟。目标值在转变区域附近和略高处最小化。
讨论:这些结果表明,在抽象的动态框架内,当感觉运动关系发生转换和交互延迟时,对侧路由可以变得有利。
1 引言
对侧组织是脊椎动物神经系统的一个基本特征,其中感觉输入和运动输出主要表现在相反的半球。这种组织在多个神经结构层次上都很明显,包括在视交叉处视网膜投射的交叉、由皮质脊髓通路介导的对侧运动控制,以及通过胼胝体等连合系统实现的半球间协调(Jeffery, 2001; Herrera 和 García-Frigola, 2008; Gazzaniga, 2000)。尽管这种组织普遍存在,但其功能基础仍然不完全清楚。已经提出了几种解释框架。发育和进化论认为,对侧连接源于身体计划几何的大规模转换,包括早期胚胎发生期间的轴向扭曲或反转等假设(de Lussanet 和 Osse, 2012; Chédotal, 2019)。其他方法强调连接经济性和网络效率,提出神经系统在保持功能整合的同时最小化连接长度或代谢成本(Cherniak, 1994; Bullmore 和 Sporns, 2012)。此外,对脊髓和皮质系统的研究强调了连合通路在协调双边活动和实现整合行为中的作用(Kiehn, 2016; Maxwell 等, 2020; Roland 等, 2017)。经典的神经生物学观点也强调了在感觉表征中保持有序空间关系的重要性,特别是在视觉系统中,必须协调感觉图像的反转与外部空间的连贯映射(Cajal, 1995; Jeffery, 2001; Kaas, 1997)。虽然这些观点提供了重要的见解,但它们主要关注对侧组织是如何产生的、如何维持的,或者在什么功能条件下对侧路由相对于同侧选项变得有利。这个问题尤为重要,因为对侧组织并不是在所有感觉和运动系统中都是一致的。一些模式表现出强烈的跨中线组织,而其他模式则没有。更一般地说,侧性的功能后果取决于感觉坐标、内部处理和运动输出之间的相互关系。保持连续空间映射的系统可能受到与嗅觉系统不同的架构压力的影响,后者对外部空间的连续地形表示较少组织,因此其主要投射更倾向于同侧(Shepherd, 2004)。从系统层面的角度来看,这个问题可以不仅仅被理解为解剖学侧性的问题,而应该被视为在动态和动态约束以及转换结构下的架构选择问题。神经系统在信号传播延迟、噪声和需要稳定的双边协调的条件下运作。在这样的系统中,感觉输入和运动输出之间的关系不仅取决于解剖学连接性,还取决于感觉坐标系统和运动坐标系统之间的有效转换。当这种关系是直接的时候,同侧路由可能就足够了。然而,当这种关系被反转或不匹配时,不同的路由架构可能在功能上更可取。因此,感觉运动映射的几何变化可能会影响哪种双边架构最能支持准确和稳健的行为。最近在计算神经科学中的工作强调了网络架构如何塑造动态功能,包括延迟、递归交互和半球间耦合对稳定性和协调的影响(Deco 等, 2011; Breakspear, 2017)。然而,大多数现有模型假设感觉坐标和运动坐标之间的关系是固定的,并没有考虑这种关系的转换如何影响双边架构的选择。因此,目前尚不清楚对侧路由是否可以作为一般动态约束的结果而受到青睐,而不是预先强加的,或者仅仅归因于特定的发育历史。在这里,我们使用一个最小的计算框架来解决这个问题,该框架隔离了坐标转换、延迟和双边竞争之间的相互作用。我们模拟了一个由每个半球的感官单元、整合单元和运动单元组成的双边感觉运动系统,并系统地比较了在感觉侧别和半球间耦合方面不同的替代架构。为了表示感觉运动几何的转换,我们引入了一个连续的扭曲参数,该参数表示感觉坐标系统和运动坐标系统之间的反转或不匹配程度,即为了支持适当的运动映射,感觉坐标中的空间关系必须转换的程度。我们的中心假设是,当存在信号传播延迟和双边竞争时,增加感觉运动转换可以使系统的功能偏好转向跨中线路由。具体来说,我们测试增加转换是否会导致最优架构的显著重组,即在低转换下同侧映射占主导地位,在高转换下对侧映射占主导地位。重要的是,对侧路由并不是模型的固有结果,而是在一个抽象的双边控制系统中的一个候选解决方案。通过结合详尽的架构比较和密集参数探索,本研究旨在确定在对侧延迟动态系统中对侧路由在功能上变得有利的情况。在这个意义上,当前的工作并不试图再现脊椎动物神经系统的全部解剖学或发育复杂性。相反,它试图确定一个最小的动态原则,通过该原则,感觉运动几何的转换可以影响双边路由架构的选择,从而在经典的几何解释和系统层面的动态考虑之间提供一个抽象的理论桥梁。
2 材料和方法
2.1 建模框架概述
我们构建了一个最小的双边感觉运动网络,以研究对侧组织如何从信号传播延迟、双边竞争和转换的感觉运动映射之间的相互作用中产生(图1)。该模型由两条同源的通路组成,左侧和右侧,每条通路包含一个感觉单元、一个中枢整合单元和一个运动单元。这些通路被视为抽象的双边处理通道,而不是具有定义的空间嵌入、细胞类型或发育身份的解剖学上明确的半球。因此,该模型的目的不是直接再现脊椎动物的神经解剖学,而是隔离在延迟控制系统中替代双边路由架构变得有利时的动态条件。
图1 最小双边感觉运动模型,具有不同的感觉路由架构。该模型由左侧和右侧的感觉(S_L, S_R)、中枢(C_L, C_R)和运动(M_L, M_R)单元组成。感觉输入可以同侧路由(实线)或对侧路由(虚线),而运动输出固定为同侧。中枢单元可以通过半球间耦合和抑制进行交互。扭曲参数 θ 表示感觉坐标系统和运动坐标系统之间的转换程度,从低 θ 时的接近直接对应到高 θ 时的越来越不匹配或反转的关系。该模型是有意抽象的,并不直接表示解剖结构,但提供了一个在受控动态条件下比较路由架构的最小框架。在参数空间的每个点上,所有候选架构都在相同的任务、噪声和延迟条件下进行评估。架构选择由每个候选网络的目标值定义,从而可以在不将对侧组织作为结果硬编码的情况下识别出首选的路由模式。
2.2 网络架构
该模型包括六个节点:
S_L, S_R(感觉节点)
C_L, C_R(中枢整合节点)
M_L, M_R(运动节点)
其中下标 L 和 R 分别表示左侧和右侧的通路。有三个架构因素被改变。首先,感觉输入可以同侧或对侧路由。在同侧配置中,S_L 投射到 C_L,S_R 投射到 C_R。在对侧配置中,S_L 投射到 C_R,S_R 投射到 C_L。其次,两个中枢节点之间的兴奋性连合耦合可以存在或不存在。第三,每侧内部的局部感觉-中枢耦合可以存在或不存在。当存在时,这种局部耦合是双向的,将 S_L 与 C_L 和 S_R 与 C_R 连接起来。这三个二进制因素产生了 2 × 2 × 2 = 8 个候选架构。所有模拟中的运动输出都固定为同侧:
C_L → M_L
C_L → M_R
C_R → M_R
C_R → M_R
这种限制减少了架构的自由度,使分析能够专注于感觉侧别和半球间的中枢交互。
2.3 连接权重、延迟和抑制竞争
连接强度在所有模拟中都是固定的。感觉-中枢投射的权重为 w_SC = 1.0。局部感觉-中枢反馈连接的权重为 w_CS = 0.4。中枢-运动投射的权重为 w_CM = 1.0。兴奋性连合连接的权重为 w_CC = 0.7。非线性激活函数的增益设置为 g = 1.0。使用了两种延迟尺度。一个短的延迟 d_short = 1 被分配给感觉-中枢投射、同一侧内的局部感觉-中枢反馈连接、中枢-运动投射和抑制性半球间耦合。一个较长的延迟 d_long ∈ {1,2,…,20},d_long ∈ {1,2,…,20} 仅分配给 C_L 和 C_R 之间的兴奋性连合耦合,当该耦合存在时。因此,d_long 选择性地控制了长距离兴奋性半球间通信的延迟。半球间竞争通过两个中枢节点之间的相互抑制来实现。抑制权重定义为
w_inh = ?I_inhib * w_inhib_scale
w_inh = ?I_inhib * w_inhib_scale
其中 w_inhib_scale = 1.0, w_inhib = {0.0,0.2,0.5,0.8,1.2,1.8}。I_inhib ∈ {0.0,0.2,0.5,0.8,1.2,1.8}。因此,当存在抑制性耦合时,模型包括
C_L ← C_R
with weight w_inh
delay d_short
C_R ← C_L
with weight w_inh
delay d_short
C_R ← C_L
with weight w_inh
delay d_short
2.4 节点动态
在每个时间步骤中,节点 i 的状态根据以下非线性基于速率的规则更新:
x_i(t+1) = tanh(g * net_i(t))
其中 x_i(t) 是节点 i 的状态,g 是增益参数,net_i(t) 是时间 t 时该节点的总输入。总输入定义为延迟的突触输入、外部应用的任务输入和加性高斯噪声的总和:
net_i(t) = sum_j[w_ij * x_j(t?d_ij)] + I_i(t) + epsilon_i(t)
其中 w_ij 表示从节点 j 到节点 i 的连接权重,d_ij 是相应的传输延迟,I_i(t) 表示外部应用到感觉节点的任务输入,epsilon_i(t) 是零均值高斯噪声。在每个时间步骤中,外部任务输入仅应用于感觉节点。具体来说,u_L(t) 和 u_R(t) 分别添加到 S_L 和 S_R,而不会直接应用于中枢或运动节点。这种公式提供了一个有界的非线性积分规则,同时保持了最小的动态结构。
2.5 感觉运动任务
该网络执行了一个连续跟踪任务。在一维模拟中,系统沿着横向轴跟踪目标位置。在二维模拟中,系统沿着横向(x)和正交(y)轴跟踪目标位置。目标幅度固定在
x_target_amp = 1.0
y_target_amp = 1.0
在每个时间步骤中,目标的符号可以随机切换。沿着横向轴,符号反转的概率为 p_switch = 0.08
p_switch = 0.08
而在二维情况下,正交轴上的独立符号反转的概率为 p_switch_y = 0.08。跟踪误差定义为
e_x(t) = x_target(t) ? x_body(t)
e_y(t) = y_target(t) ? y_body(t)
其中 x_body(t) 和 y_body(t) 分别表示两个任务维度上的当前身体位置。身体位置使用网络的运动输出进行更新。沿着横向轴,左侧和右侧的运动节点相互作用:
x_body(t+1) = x_body(t) + k_move * (m_R(t) ? m_L(t))
x_body(t+1) = x_body(t) + k_move * (m_R(t) ? m_L(t)) + eta_x(t) + eta_x(t)
其中 m_L(t) 和 m_R(t) 分别是 M_L 和 M_R 的活动,k_move = 0.55,k_mov_e = 0.55,eta_x(t) 是标准差为 proc_noise_x = 0.02 的高斯过程噪声。在二维模拟中,正交轴由固定的比例反馈规则控制,而不是由双边网络本身控制:
y_body(t+1) = y_body(t) + k_y * e_y(t) + eta_y(t)
其中 k_y = 0.55,eta_y(t) 是标准差为 proc_noise_y = 0.02 的高斯过程噪声。这种安排允许主要通过 x 轴来评估侧化的架构选择,而 y 轴在二维设置中作为稳定任务组件。
2.6 转换参数
为了表示感觉运动映射中的转换,我们引入了一个连续参数 theta,其范围限制在 0 ≤ theta ≤ 1。在当前模型中,theta 并不代表字面上的解剖学扭曲。相反,它表示感觉误差结构和纠正该误差所需的运动路由之间的反转或不匹配程度。限制情况定义如下:
- 当 θ = 0 时,实现纯同侧映射(purely ipsilateral mapping);
- 当 θ = 1 时,实现完全反向映射(fully inverted mapping);
- θ 的中间值则通过这两种极限映射之间的简单连续插值来处理。
对于侧向跟踪误差 e_x(t),同侧和对侧的感觉驱动成分通过半波整流来定义:
- ipsi_L(t) = max(?e_x(t), 0)
- ipsi_R(t) = max(+e_x(t), 0)
- contra_L(t) = max(+e_x(t), 0)
- contra_R(t) = max(?e_x(t), 0)
左右感觉节点的实际感觉输入分别为:
- u_L(t) = (1?θ) * ipsi_L(t) + θ * contra_L(t)
- u_R(t) = (1?θ) * ipsi_R(t) + θ * contra_R(t)
这些依赖于任务的输入在每个时间步被加到 S_L 和 S_R 中。因此,较小的 θ 值倾向于感觉误差和运动校正之间的直接同侧对应关系,而较大的 θ 值则逐渐倾向于反向对应关系。
2.7 目标函数
架构性能通过多组分目标函数来量化:
J = λ_track * J_track + λ_effort * J_effort + λ_asym * J_asym + λ_delay * J_delay + λ_noise * J_noise
其中 J_track 表示跟踪成本,J_effort 表示运动努力成本,J_asym 表示不对称成本,J_delay 表示与延迟相关的成本,J_noise 表示对噪声的敏感度成本。基线权重系数设置为:
- λ_track = 1.0
- λ_effort = 0.08
- λ_asym = 0.05
- λ_delay = 1.0
- λ_noise = 1.0
跟踪成本定义为时间平均的平方跟踪误差:
- 在一维模拟中,J_track = mean_t[e_x(t)2]
- 在二维模拟中,J_track = mean_t[e_x(t)2 + e_y(t)2]
运动努力成本定义为时间平均的平方运动活动:
J_effort = mean_t[m_L(t)2 + m_R(t)2]
不对称成本定义为左右运动活动的时间平均平方差:
J_asym = mean_t[(m_L(t) ? m_R(t))2]
与延迟相关的成本根据每个源节点的平均绝对活动以及绝对连接强度和传输延迟来计算:
J_delay = ∑_(i,j) [d_ij * |w_ij| * mean_t(|x_j(t)|]
噪声敏感度成本定义为当外部噪声幅度增加一个乘数 κ 时观察到的额外跟踪成本:
J_noise = J_track_high_noise ? J_trackbaseline
为了计算这一项,每种架构都在基线噪声水平 σ 和升高后的噪声水平 κ × σ 下进行了评估。因此,目标函数被用作比较候选架构的通用操作标准,而不是生物最优性的唯一定义。
为了评估结果对权重方案的依赖性,我们还进行了一次因素一次的敏感性分析。在该分析中,每个权重系数独立地缩放到其基线值的 0.5×、1.0× 和 1.5×,同时保持其他系数不变。然后量化了对高转换状态下估计的转换点和对侧优势的影响。
2.8 仿真协议
所有仿真都进行了 T = 220 个时间步的运行。前 20 个时间步被排除在分析之外,所有总结指标都是在剩余的暖机期后计算的。在参数空间的每个点,所有候选架构都在相同条件下进行评估,最优架构被定义为具有最低目标值的架构。
为了减少对单一实现的随机依赖性,每种架构和参数组合都进行了多次重复仿真。在详尽的一维扫描中,每个条件进行了 12 次重复。在抑制性一维扫描、跟踪成本一维扫描、一维终点比较、二维基线扫描、离散二维扭转扫描和密集二维扭转扫描中,每个条件进行了 10 次重复。在成对比较和架构类别比较分析中,每个条件都进行了五次初始随机实现的重复评估。每次重复都使用不同的种子初始化独立的随机数生成器。
主要结果是展示对侧感觉路由的最优解决方案的比例,用 cross_freq.c_r_s_s_f_r_q 表示。在参数空间的每个点,当表现最好的架构使用对侧感觉路由时,该值为 1,否则为 0。因此,跨细胞或条件的平均值得出了选择对侧架构的频率。
2.9 参数探索
模型在多个参数网格上进行了评估。长兴奋性胼胝体延迟在 [1, 2, …, 20] 范围内变化;噪声幅度在 [0.01, 0.02, 0.03, 0.04, 0.05, 0.055, 0.06, 0.065, 0.07, 0.08, 0.09, 0.10, 0.11, 0.12] 范围内变化(主要用于主要抑制性和二维分析),以及在包括 0.045 但不包括 0.09 和 0.11 的选定一维扫描中变化。半球间抑制强度在 [0.0, 0.2, 0.5, 0.8, 1.2, 1.8] 范围内变化。
对于二维转换分析,首先评估了离散的扭转条件 [0, 1/3, 2/3, 1],然后进行了密集扫描 [0.25, 0.30, 0.35, 0.40, 0.45, 0.50, 0.55, 0.60, 0.65, 0.70, 0.75, 0.80, 0.85]。这种密集采样用于定位同侧主导和对侧主导状态之间的转换。
2.10 转换点的定义
转换点 θ_c 被定义为 cross_freq = 0.5 时的 θ 值。对于在离散扭转值上采样的给定交叉频率曲线,θ_c 通过在包围 0.5 交叉的两个相邻 θ 值之间进行线性插值来估计。当交叉发生在连续点 θ_k 和 θ_(k+1) 之间,且对应的 f_k 和 f_(k+1) 值满足条件时,估计值为:
θ_c = θ_k + (0.5 ? f_k) / (f_(k+1) ? f_k) * (θ_(k+1) ? θ_k)
(前提是 f_k 和 f_(k+1) 位于 0.5 的相反侧)。这种插值程序既应用于全局密集扭转扫描,也应用于特定延迟的交叉频率曲线。
2.11 自举分析
通过从密集二维扭转扫描中重新采样参数空间点来评估转换的稳健性。在每次自助复制中,用替换方法重新采样所有模拟的细胞,保持原始样本大小。然后从重新采样的数据中计算新的平均 cross_freq 与 θ 曲线,并使用上述相同的插值规则重新估计相应的 θ_c 值。这产生了一个全局转换点的自助分布。
为了评估转换对兴奋性胼胝体延迟的依赖性,对每个 d_long 值分别重复了相同的程序。对于每次复制,获得了一个特定延迟的 θ_c(d_long) 估计值,并计算了 θ_c 与 d_long 之间的线性斜率。自助分析使用了 B = 2000 次重复,从中获得了全局转换点和其延迟依赖性斜率的中值和 95% 置信区间。
2.12 机制分析
为了研究架构选择背后的机制,我们量化了所需的侧向运动校正与网络产生的运动指令之间的时间不匹配和符号对齐。所需的侧向校正由瞬时跟踪误差 e_x(t) 给出,而产生的侧向运动指令由左右运动活动的差异给出:
u_x(t) = m_R(t) ? m_L(t)
时间不匹配定义为这两个量之间的绝对差异:
mismatch(t) = |e_x(t) ? u_x(t)|
符号对齐定义为运动指令相对于所需校正的符号是否正确:
alignment(t) = 1,如果 sign(e_x(t)) = sign(u_x(t))
否则 alignment(t) = 0
对于每种架构和扭转条件,这些指标在暖机时间步内进行平均,然后在重复次数上进行了总结。这项分析用于确定扭转依赖的架构变化是否与任务需求和运动输出之间的时间一致性的系统变化有关。
3 结果
3.1 在一维系统中,对侧架构并非全局最优
我们首先检查了对侧组织是否在最小的一维设置中更受青睐。在 260 个参数空间点的成对比较中,对侧架构优于同侧架构的比例为 0.503,平均目标差异为 0.00021。对侧架构的平均目标值为 2.172,同侧架构的平均目标值为 2.171。
在所有候选配置中的详尽架构选择中,对侧频率(cross_freq)的平均值为 0.490,范围从 0.083 到 0.833。这些结果表明,对侧架构在动态上是可行的,但并不主导测试的一维解决方案空间。
3.2 目标函数强烈调节架构选择
接下来,我们研究了目标函数的定义如何影响架构选择。在 1,680 个参数空间点的抑制性扫描中,平均对侧频率为 0.504,范围从 0 到 0.900。当目标函数强调跟踪性能时,对侧架构被强烈抑制。在这种设定下,平均对侧频率降至 1.19 × 10?,最大值为 0.100。平均目标值增加到 11.181。平均成本组成部分分别为:7.363(跟踪)、6.615(高噪声跟踪)、0.535(努力)、0.853(不对称)、4.481(延迟)和 ?0.748(噪声敏感度)。这些结果表明,在当前框架中,架构选择强烈依赖于竞争成本组成部分之间的平衡。
3.3 几何变换重新组织了架构景观
接下来,我们引入了使用扭转参数 θ 的感觉运动坐标的几何变换。在没有反转的二维基线条件(θ = 0)下,系统仍然主要是同侧的,平均对侧频率为 0.000179。在完全反转(θ = 1)下,对侧架构完全占主导,平均对侧频率为 1.000。平均目标值从 θ = 0 的 11.181 降至 θ = 1 的 7.144,平均跟踪成本从 7.363 降至 3.306。这些结果表明,在当前的抽象控制框架中,低扭转时的同侧主导状态被高扭转时的对侧主导状态所取代。
3.4 随着扭转的增加,最优架构发生了急剧变化
为了详细描述这种重组,我们评估了扭转参数的离散和密集采样值。在离散条件下,平均对侧频率在 θ = 0 时为 0.000238,在 θ = 1/3 时为 0.0863,在 θ = 2/3 时为 0.999881,在 θ = 1 时为 1.000。对扭转参数的密集扫描进一步定位了这种转换(图 2)。平均对侧频率在 θ = 0.25 时为 0.0519,在 θ = 0.30 时为 0.0789,在 θ = 0.35 时为 0.0927,在 θ = 0.40 时为 0.113,在 θ = 0.45 时为 0.168,在 θ = 0.50 时为 0.677,在 θ = 0.55 时为 0.991,在 θ = 0.60 时为 0.998,在 θ = 0.65 时为 0.9997,在 θ = 0.70 时为 0.9999。在更高的值(θ = 0.75, 0.80, 0.85)下,对侧优势保持接近 1。
图 2 显示了对侧优势的扭转依赖性变化。平均对侧频率(cross_freq)作为几何扭转参数 θ 的函数,在密集二维扭转扫描中。在较小的 θ 值时,对侧优势较低,在 θ = 0.45 到 0.50 之间急剧增加,在较大的 θ 值附近饱和。虚线曲线表示用于可视化的拟合 S 形函数,垂直线表示估计的转换点(θ_c ≈ 0.483)。这些结果表明,从同侧主导到对侧主导的转变发生在 θ 的狭窄范围内,而不是逐渐的线性变化。
转换点 θ_c 被定义为 cross_freq 通过线性插值在相邻采样值之间达到 0.5 时的 θ 值。
3.5 转换对半球间延迟的依赖性较弱
接下来,我们研究了转换对半球间延迟的依赖性。二维相图(图 3)显示,在整个 d_long 范围内,分隔同侧和对侧状态的边界几乎是水平的。
图 3 在 (θ, d_long) 参数空间中的架构边界。二维图显示了对侧频率(cross_freq)作为由几何扭转参数 θ 和纵向延迟 (d_long) 定义的参数空间的映射。较暖的颜色表示较强的对侧优势,较冷的颜色表示同侧优势。叠加的边界表示两种状态之间的估计转换点。边界在整个 d_long 范围内几乎是水平的,表明转换主要由 θ 控制,仅受纵向延迟的微弱影响。
转换点的估计斜率为 ?0.000603931。自助分析确认了这一结果的稳健性(图 4, 5)。中位转换点为 0.482618,95% 置信区间为 0.481766–0.483507。延迟依赖性的斜率中值为 ?0.000612461,95% 置信区间为 ?0.000777127–0.00044755。
图 4 转换点的延迟依赖性。估计的转换点 θ_c(d_long) 作为纵向延迟 (d_long) 的函数绘制,带有自助置信带。点表示点估计值,实线表示中位自助估计值,阴影区域表示 95% 自助区间。平缓的斜率表明,在测试范围内,转换点几乎不依赖于纵向延迟。
图 5 转换点的自助分布。从重新采样的二维扭转扫描数据中估计的转换点 θ_c 的自助分布。分布紧密集中在 θ_c ≈ 0.483 附近,95% 置信区间较窄。这些结果表明,从同侧到对侧转变的位置非常稳定,对重新采样的变异性具有很强的抵抗力。
这些发现表明,转换位置主要由变换参数控制,而在测试范围内,半球间延迟的影响相对较小。
3.6 在转换附近和之后,性能有所改善
接下来,我们研究了性能如何随扭转参数(图 2)的变化而变化。平均目标值从θ = 0.25时的10.634下降到θ = 0.45时的7.374,在过渡区域附近达到最低值(θ = 0.50时为7.193,θ = 0.55时为6.276,θ = 0.60时为6.246),然后在更大的扭转值下逐渐增加。这些结果表明,模型中向对侧优势的转变与目标值的改善有关,最低值出现在过渡区域及其附近。3.7 结果总结总体而言,各分析结果呈现出一致的模式。在一维系统中,对侧架构在动态上是可行的,但并不占主导地位,并且对目标函数的结构敏感。在没有几何变换的二维系统中,最优架构主要是同侧的;而在完全反转的情况下,对侧架构则完全占主导地位。在这两种情况之间,系统在扭转参数的狭窄范围内表现出最优架构的显著重组(图2),转折点位于θ_c ≈ 0.483附近。这种转变在自助重采样下是稳健的(图4、5),对半球间延迟的依赖性较弱(图3),并且与过渡区域附近和稍高的目标值相关(图6)。图6显示了扭转参数下的目标景观。平均目标值(bestJ_mean)作为几何扭转参数θ的函数,在密集的二维扭转扫描中变化。目标值向过渡区域递减,在估计的转折点(θ_c ≈ 0.483)附近和稍高处达到最低值,然后在更大的θ值下逐渐增加。这些结果表明,向对侧优势的转变发生在与较低目标值相关的范围内,而不是与成本增加相关。3.8 扭转依赖性转变的机制基础为了直接测试架构重组的机制,我们量化了扭转参数范围内所需运动校正与产生的运动输出之间的时间不匹配和对齐情况(图7、8)。图7显示了扭转参数范围内的时间不匹配。所需运动校正与产生的运动输出之间的平均时间不匹配作为扭转参数θ的函数,分别针对同侧和对侧架构进行了展示。阴影区域表示重复实验的标准误差。在低θ值时,同侧架构的时间不匹配较低,而对侧架构的时间不匹配显著较高。在θ≈ 0.50附近,两种架构之间的差异最小,表明接近平衡状态。在较高θ值时,同侧架构的时间不匹配急剧增加,而对侧架构的时间不匹配保持较低,表明在对侧路由下时间对齐得到改善。图8显示了所需运动信号与产生的运动信号之间的对齐情况。所需运动校正与产生的运动输出之间的平均符号对齐作为扭转参数θ的函数,分别针对同侧和对侧架构进行了展示。阴影区域表示重复实验的标准误差。在低θ值时,同侧架构的对齐度较高,而对侧架构的对齐度接近零。在θ≈ 0.50附近,对齐度值趋于一致。在较高θ值时,对侧架构的对齐度显著提高,而同侧架构的对齐度向零下降。这种逆转表明,在几何变换增加的情况下,对侧路由提高了控制信号与任务需求之间的一致性。时间不匹配在同侧和对侧架构之间显示出明显的分歧(图7)。在θ = 0.25时,同侧架构的时间不匹配为2.1190,而对侧架构的时间不匹配为77.9474。在过渡区域(θ = 0.50)附近,两种架构之间的差异最小,同侧减去对侧的差异为0.0049。在更高的扭转值下,同侧架构的时间不匹配急剧增加,而对侧架构的时间不匹配保持较低。在对齐方面也观察到了互补的模式(图8)。在θ = 0.85时,同侧架构的符号对齐度为0.0005,而对侧架构的符号对齐度为0.5487。与此一致的是,在高扭转情况下,总跟踪误差明显偏爱对侧架构,同侧减去对侧的差异为8669.0757。这些结果表明,最优架构的转变与时间对齐的逆转有关。在低扭转下,同侧路由最小化了不匹配;而在高扭转下,对侧路由提供了更好的对齐。由于系统包含半球间的竞争,这些差异被放大为最优架构的快速转变。3.9 对目标权重的敏感性为了评估结果对目标函数特定权重的依赖性,我们进行了一次性因素敏感性分析,其中每个目标权重被缩放到0.5×、1.0×和1.5×,而其余权重保持不变。在这些扰动下,结果的定性结构得到了保留。特别是,系统始终表现出从低扭转下的同侧主导解决方案向高扭转下的对侧主导解决方案的转变。估计的转折点仅在轻微范围内变化,所有测试的权重条件下,从θ_c = 0.4839到0.5023不等。在高扭转范围内,对侧主导也得到了保持,θ ≥ 0.70时的平均对侧频率从0.944到1.000不等,θ = 0.85时的值从0.963到1.000不等。对于跟踪项的敏感性最大,特别是当其权重减少到0.5×时,但即使在这种情况下,高扭转范围仍然主要是对侧的。这些结果表明,从同侧到对侧的重组并不依赖于特定的目标权重选择。4 讨论本研究表明,通过对侧路由、信号传播延迟和双侧竞争的相互作用,对侧路由可以在最小化的感觉运动系统中变得功能上更受青睐。核心结果不仅仅是同侧架构可能优于对侧架构,而且最优架构会根据变换参数发生显著重组。在当前的抽象控制框架内,这种重组在测试的参数变化范围内是稳健的,并且与过渡区域附近和稍高的目标值相关。这项工作的核心贡献是确定了这种重组的机制基础。对时间不匹配和符号对齐的额外分析表明,转变与所需运动校正与产生的运动输出之间的时间对齐的逆转有关。在低变换下,同侧架构最小化了时间不匹配并产生了更好对齐的控制信号。随着变换程度的增加,同侧通路中的延迟处理导致了对齐度的增加。相比之下,对侧路由在这些条件下保持了更好的对齐,从而降低了时间不匹配并改善了控制性能。这些发现表明,模型中向对侧路由的转变与延迟控制系统中的时间协调性改善有关。重要的是,这种机制不同于仅基于布线经济性或延迟最小化的解释。虽然布线优化已被提出作为神经系统中的一个重要组织原则(Cherniak, 1994; Bullmore and Sporns, 2012),但当前结果表明,转变在测试范围内仅弱依赖于半球间延迟。相反,在当前框架中,主导因素是坐标变换与时间对齐之间的相互作用。这表明,路由偏好不能仅通过连接长度或传输延迟来完全理解,还必须考虑信号如何与任务相关的坐标框架对齐。这一点使得当前结果可以与经典的神经生物学关于对侧性的解释更直接地联系起来。在视觉系统中,长期以来一直讨论了对侧投射在感觉图像反转下的有序空间关系保持,即在外部空间在感觉处理阶段保持一致的映射(Cajal, 1995; Jeffery, 2001; Kaas, 1997)。当前模型并没有直接再现视网膜拓扑解剖或光学反转。然而,它与更一般的观点一致,即当感觉和运动坐标系统受到足够程度的反转或不匹配时,路由架构变得功能上重要。在这种解释下,变换参数不应被理解为字面上的解剖或胚胎学上的扭转,而应被视为感觉和运动坐标系统之间变换程度的抽象度量。这种解释更符合当前模型的范围,并避免了将参数视为特定发育事件的直接表示。这种解释还有助于解决某些模式中对侧组织与其它模式中更偏向同侧组织之间的明显矛盾。对侧组织在感觉系统中的分布并不均匀,当前框架并不意味着所有模式都应该倾向于对侧路由。相反,它预测当感觉和运动坐标之间的有效映射包含强烈的拓扑反转或不匹配时,对侧路由会变得更有优势。例如,在视觉系统中,必须在变换的坐标框架中保持有序的空间关系(Cajal, 1995; Kaas, 1997),因此可能对应于较高的变换参数值。相比之下,像嗅觉这样的系统,其外部空间的连续拓扑映射组织较弱,主要投射更偏向同侧,可能对应于较低的变换范围,在这种情况下,同侧路由仍然足够(Shepherd, 2004)。从这个意义上说,当前结果并没有提出一个所有神经系统都应该变成对侧的普遍规则,而是一个条件性的动态原则,其相关性取决于底层坐标变换的结构。当前发现的另一个重要方面是,架构的重组并不是渐进的。系统并没有在同侧和对侧策略之间平滑过渡。相反,最优架构在变换参数的相对狭窄范围内发生了转变。这种行为反映了延迟反馈和竞争选择之间的非线性相互作用。在过渡区域附近,相对较小的时间对齐差异导致了较大的目标值差异,这些差异随后被半球间竞争放大。因此,系统选择了一个主导的路由架构,而不是保持两者的均匀混合。从计算角度来看,这项工作有助于更广泛地探讨网络架构如何受到动态约束的影响。先前的研究表明,延迟、噪声和循环相互作用可以塑造神经动态和功能组织(Deco et al., 2011; Breakspear, 2017)。当前结果通过展示有效感觉运动映射的变换可以重组首选的双侧架构景观,扩展了这一视角。从这个意义上说,该研究并没有提供脊椎动物布线的直接解剖学解释。相反,它确定了一个最小的动态原则,通过该原则,当变换、延迟和双侧竞争共同存在时,路由偏好可以发生变化。另一个问题涉及结果对目标函数特定权重的依赖性。因为目标结合了多个成本组成部分,一个可能的担忧是观察到的转变可能反映了特定的权重选择,而不是系统的更一般属性。为了解决这个问题,我们进行了一次性因素敏感性分析,其中每个目标权重被缩放到0.5×、1.0×和1.5×,而其余权重保持不变。在这些扰动下,结果的定性结构得到了保留。估计的转折点仅略有变化,高变换范围内的对侧主导在整个测试的权重条件下都得到了保持。对于跟踪项的敏感性最大,但即使在这种情况下,高变换范围仍然主要是对侧的。这些结果表明,从同侧到对侧的重组的存在并不依赖于特定的目标权重选择。几个限制应该被注意。首先,该模型是有意简化的,左右通路是抽象的处理通道,而不是具有明确空间位置、细胞类型或发育身份的解剖学上的半球。其次,架构空间是离散和简化的,并没有捕捉到生物神经网络的全部多样性或实际系统中经常观察到的部分交叉(Jeffery, 2001)。第三,在当前框架中,运动输出是固定的,以便隔离感觉侧性和半球间耦合的效果,因此模型没有捕捉到生物感觉运动交叉模式的全部范围。第四,尽管在目标权重的适度扰动下保留了定性结果,但转折点的确切位置仍然在一定程度上取决于性能的实现方式。第五,该研究是理论性的,并没有直接结合经验神经或发育数据。这些限制限制了可以从当前框架中得出的生物学结论的强度。这些限制指出了未来工作的几个方向。一个重要的扩展是将感觉、整合和运动元素嵌入到一个明确的共享空间框架中,例如通过在二维或三维空间中分配位置、距离和连接性约束。这样的扩展将允许在物理实现的几何结构下评估偏侧性,而不仅仅是基于抽象的通道分配。测试相同的机制是否在更现实的递归或异构网络架构中仍然存在,以及研究路由偏好如何依赖于特定模态的任务结构,也将具有很高的价值。此外,未来的工作可以通过探讨具有更强有效坐标反转能力的模态是否表现出更强的对侧路由倾向,从而将当前框架与实际系统更直接地联系起来。最后,分析性处理可能有助于阐明为什么这种转变会在变换参数的特定值附近发生,以及该阈值如何依赖于对齐、延迟和竞争性相互作用之间的平衡。总之,本研究确定了一个最小的动态机制,通过该机制,在感觉和运动坐标系统发生足够大的变换时,对侧路由可以在延迟的双边控制系统中变得更为有利。通过证明对侧架构可以在高变换条件下改善时间对齐,并且这种优势可以通过双边竞争得到放大,研究结果在经典的对侧性几何解释与系统级动态考虑之间建立了一个抽象的理论联系。