人脑连接组中整合与竞争的结构语法

《Frontiers in Computational Neuroscience》：The structural grammar of integration and competition in the human connectome

　　

引言：大脑功能源于解剖相连区域间的协调活动，其中结构连接（SC）——白质通路网络——为功能连接（FC）提供了物理基础，FC被定义为脑区间的相关活动。尽管结构和功能网络表现出显著重叠，它们的关系涉及复杂的间接机制，包括直接和间接通路的动态相互作用。为了系统地厘清结构架构如何塑造功能模式，本研究旨在建立一套规则，解码直接和间接结构连接及基序如何产生脑区间的FC。方法：具体而言，利用生成线性模型，研究人员推导出明确规则，基于弥散加权成像导出的SC预测个体的静息态fMRI FC，并通过拓扑零模型验证。结果：检查规则揭示了不同类别的脑区，整合器枢纽作为结构关键点促进同步，而中介器枢纽作为结构支点协调竞争性动态。虚拟损伤实验进一步展示了不同皮层和皮层下系统如何独特地贡献于全局FC。讨论：总之，通过揭示结构架构如何调节功能相互作用，这一框架使研究人员能够预测SC因疾病或手术导致的改变如何通过功能网络传播并导致认知和行为障碍。

**人脑连接组中结构整合与竞争语法的解读**

**研究背景与现存问题**

理解大脑功能如何从解剖结构涌现是神经科学的核心挑战之一。尽管神经元学说确立了神经活动通过突触连接传播的基本原理，但在数百万神经元和复杂网络架构中解析大规模脑动力学仍面临巨大困难。当前，连接结构连接（SC，白质通路网络）与功能连接（FC，脑区间相关活动）的建模范式主要分为三类：统计方法（通过模式识别和相关性最大化揭示SC-FC对应，但以描述性为主）、机械模型（包括动力学系统和生物物理框架，可模拟活动传播但依赖对神经群体动力学的假设且可解释性有限）以及通信模型（利用网络科学和图论理解拓扑如何塑造信息流，但通常假设区域间和个体间遵循统一原则）。这些范式各自照亮了SC-FC关系的不同侧面，却留下一个关键问题未解：异质性的、区域特异的结构规则如何产生个体间多样化的FC模式。因此，本研究旨在建立一套明确的结构规则，解码直接和间接结构连接及基序如何生成FC，从而弥合统计与机械模型之间的鸿沟。

**开展的研究与结论**

研究人员提出一个新颖的生成线性框架，形式化为B = XOX^T，其中B为FC矩阵，X为SC矩阵，O为对称规则矩阵，捕获SC模式如何影响FC权重。利用弥散加权成像（DWI）导出的SC与静息态fMRI FC，通过LASSO回归在个体水平和组水平拟合规则矩阵O，并在拓扑零模型中进行验证。结果表明：模型在个体水平达到高预测准确率（平均R²=0.81±0.05）；组水平规则虽能预测但准确率显著降低（R²=0.20±0.04）。通过加权随机块模型（WSBM）对O矩阵聚类，发现了四类脑区，其中整合器枢纽作为结构关键点促进同步，中介器枢纽作为结构支点协调竞争性动力学。虚拟损伤实验展示了不同皮层和皮层下系统对全局FC的独特贡献。在精神分裂症（SZ）患者队列中，规则矩阵O本身发生病理改变，颞-边缘和额顶叶回路的SC-FC耦合模式显著失调。该研究发表在《Frontiers in Computational Neuroscience》。

**主要关键技术方法**

1. **生成线性模型**：形式化FC = XOX^T，其中规则矩阵O通过LASSO回归（L1正则化）在个体水平拟合，目标函数为?||XOX^T - B||² + λ||O||₁；组水平采用Kronecker积变换及Moore-Penrose伪逆求解无正则化方程。
2. **零模型与显著性检验**：生成100个保留度分布和强度分布边缘随机化的SC零模型，通过置换检验（FDR校正，p<0.05）识别O中显著元素。
3. **加权随机块模型（WSBM）**：对平均规则矩阵O进行聚类（k=4），使用变分贝叶斯推断，以正态分布拟合边权重，揭示整合器与中介器枢纽的块状组织。
4. **虚拟损伤实验**：保留目标区域或系统的SC边（仅保留来自或终止于这些区域的连接），利用组水平或个体水平O预测全局FC，量化特定区域对FC的贡献。
5. **样本队列来源**：主要数据集（Royer et al., 2022）包含50名健康成人；精神分裂症数据集（Griffa et al., 2017）包含27名患者和27名健康对照；泛化评估采用BHA2数据集（Jimenez-Marin et al., 2024）的136名健康成人。

**研究结果**

**2.1 从个体SC预测FC**
- **2.1.1 个体水平规则估计与预测精度**：使用LASSO回归拟合O，个体水平预测FC与真实FC线性拟合平均斜率为0.94±0.04，平均R²为0.81±0.05。相比对数变换SC，原始纤维计数输入显著提高预测精度（R²和斜率降低显著）。
- **2.1.2 组水平规则揭示普适原则**：对全部个体拟合单一规则矩阵O，预测样本个体FC的线性拟合平均斜率为0.53±0.12，R²为0.20±0.04，显著低于个体水平模型（p=2×10^-48），说明组水平规则无法捕捉个体特异性。
- **2.1.3 规则矩阵稀疏性与稳健性分析**：O矩阵呈重尾分布，约30%零元素以下预测精度保持稳定，之后急剧下降。
- **2.1.4 个体特异性参数不跨个体泛化**：使用另一人SC及同一参数预测FC，R²显著降低至接近零（p=8.1×10^-61）；使用边缘随机化的SC零模型同样导致预测失败，证明O编码的是个体特异性的结构-功能耦合。
- **2.1.5 拓扑特征保留预测性能**：当重新拟合O（即使用另一人的SC估计O），再用该O预测自身FC时，精度与使用自身SC拟合再预测相当；但个别受试者未超拓扑零模型，提示真正的个体间变异性与过度拟合并存。
- **2.1.6 规则元素统计显著性**：去除零模型中未通过置换检验的规则元素（平均>4%），预测精度仅小幅但显著下降（p=1.01×10^-14），证实拓扑特征（如度序列）对FC预测至关重要。
- **2.1.7 直接与间接结构特征在FC预测中的作用**：比较基于SC与基于搜索信息（衡量最短路径导航性）的预测，SC驱动的模型R²显著更高，表明直接、单突触连接解释FC中大部分方差，而全局路径信息无法替代局部结构特征。

**2.2 根据结构-功能耦合角色组织大脑**
- **2.2.1 厘清直接与结构基序对FC的贡献**：O矩阵中高对角线值突出直接SC和一阶间接通路的作用；非对角线权重表明涉及多个区域的单突触基序（例如三角形连接）也贡献于FC。
- **2.2.2 规则矩阵组织揭示结构关键点和支点**：WSBM聚类（k=4）将脑区分为四类：集群1（弱非对角交互）、集群2-3（正性内/间簇权重，增强FC的整合器枢纽）、集群4（全局负性非对角权重，抑制FC的中介器枢纽）。映射至七大脑网络发现：集群2主要包含注意力网络，集群4主要包括皮层下、躯体运动和额顶叶区域。整合器枢纽作为结构关键点促进同步，中介器枢纽作为结构支点协调竞争动态。
- **2.2.3 个体间变异性与组平均规则的可靠性**：对个体O独立进行WSBM（k=4），配对标准化互信息（NMI）显著高于置换零分布（p<10^-30），簇间交互块符号在68-94%受试者中保守，负性C1-C4块（92%受试者）和正性C2-C3块（82%受试者）高度可重复，确认块符号语法是连接组的生物学可重复属性。

**2.3 区域结构轮廓对全脑FC的影响**
保留默认模式网络（DMN）的结构连接，利用组水平O预测FC，展示DMN不仅直接塑造自身FC和DMN-非DMN耦合，还通过共享连接间接调节非DMN区域间的FC。这为研究局灶性结构破坏（如老化、精神障碍、脑外伤或手术切除）如何改变全脑功能组织提供了框架。

**2.4 结构-功能耦合规则的病理改变**
在SZ与健康对照组中比较规则矩阵O，WSBM聚类（k=5）揭示空间异质性改变：与对照组相比，SZ组集群2（正性规则权重最高）显著减弱（Wilcoxon秩和检验，p<0.05），而集群4（负性权重）变得更负。双侧颞叶、听觉皮层、额极、前扣带回和内侧颞区规则权重绝对值偏差最大，提示局灶性SC破坏可能驱动SZ中广泛的功能改变。

**总结讨论与结论翻译**

**讨论总结**：
本工作生成的线性框架在统计与机械模型间架起桥梁。规则矩阵O的数据驱动特性表征了直接与一阶间接结构连接以及单突触基序如何塑造FC。非对角线元素的突出表明，涉及多个区域的更复杂相互作用（如单突触基序）对于解释FC必不可少。中介器枢纽（集群4）的负性非对角线权重揭示了皮层下区域（如伏隔核、苍白球、杏仁核）通过GABA能多突触环路抑制FC的机制，但反相关也可从纯兴奋性结构网络中通过时间延迟、振荡相位差和全局耦合强度涌现（Deco et al., 2009; Cabral et al., 2011），因此O的符号应解释为结构基序对FC的净影响而非直接抑制性投射。直接SC相比搜索信息（全局路径指标）的优越性，强调了局部、单突触特征在FC预测中的首要地位。个体水平规则的高准确度与组水平规则的显著降低，证实了个体特异性SC-FC耦合规则的重要性。在SZ中，研究人员发现耦合规则本身发生重组而非仅SC改变，为理解精神疾病的系统级影响提供新视角。局限性包括线性假设、高阶SC的忽略、个体水平规则验证困难等，未来应结合有效连接测量、时间动态规则矩阵和微观结构因素。

**研究结论翻译**（Section 3.5）：
本研究引入了一个新颖的生成框架，通过将结构-功能耦合形式化为显式数学关系（B = XOX^T），桥接了统计与机械建模方法。该框架超越了现有方法，将功能连接分解为可解释的结构规则——捕获直接解剖连接和单突触基序，同时通过个体特异性参数化实现高预测精度。将脑区识别为结构关键点和支点，为理解局部解剖特征如何扩展为全局功能动态提供了一种新的组织分类学。研究结果揭示，功能连接主要产生于直接结构连接而非抽象全局拓扑属性，挑战了关于多突触通信的主流假设。在临床方面，该框架为预测结构破坏后的功能重组提供了原则性方法。病理改变涉及耦合规则本身的重组（而不仅仅是结构改变）这一论证，为神经病学和精神病学中的精准医学应用开辟了新途径。通过提供对特定结构破坏如何导致特定功能缺陷的机械理解，该工作为脑健康和疾病中下一代结构指导的干预奠定了基础。