基于距离依赖性连接规则构建的局部皮层网络结构特征

《BMC Neuroscience》：Structural characteristics of local cortical networks wired by distance dependent connectivity rules

　　

大脑皮层的功能由其解剖连接所塑造，然而关于局部皮层网络中连接概率的实验发现仍不一致。本研究基于距离依赖的高斯（Gaussian）连接分布，探索了局部皮层网络的结构特征。研究人员检查了101×101个锥体神经元组成的单层网络，其连接性基于实验解剖学或电生理学数据。在解剖学设定下，相邻神经元的连接概率为0.8。在电生理学场景下，相邻神经元的连接概率介于0.08至0.23之间。所有距离依赖网络均与配置模型（configuration model）进行了比较，后者可生成保持度数但其他方面随机重连的网络。研究人员应用网络科学工具对如此构建的网络进行分析，即平均度（average degree）、度分布（degree distribution）、局部聚类系数（local clustering coefficient）和图距离（graph distance）。此外，还研究了团（clique）的数量、大小和空间维度以及连接成本。距离依赖网络在所有结构指标上与配置模型网络存在根本差异。这些网络表现出显著更高的局部聚类，形成了数量更多、空间更紧凑的强连接神经元群，并且所需布线成本更低。重要的是，距离依赖网络的结构对近邻连接高度敏感：当神经元局部连接概率较高时，网络可靠地发育出紧密布线的、空间局部的神经元簇。距离依赖性连接产生了可能促进功能性神经元集群涌现的结构网络特征。基于本研究的发现，研究人员提出了一条可用于设计具有生物启发式布线原则的人工神经网络的一般性局部皮层连接概率规则。

论文解读文章

研究背景与问题

大脑皮层的功能由解剖连接决定，但实验发现的局部皮层连接概率高度不一致，从解剖学估算的近邻连接概率高达0.8，到电生理学记录的低至0.03-0.26，差异巨大。这种分歧对理解皮层网络结构和动力学至关重要——一个神经元与80%还是3%的邻居相连，会从根本上改变网络性质。由于基因组瓶颈的存在，大脑布线规则必须简单，但如何在有限的遗传信息指导下形成复杂而有效的连接模式仍是未解之谜。因此，本研究旨在将实验发现的不同连接规则逆向工程化，构建类皮层人工神经网络，识别哪些连接规则能产生最优网络特性。

研究方法

研究人员采用计算建模方法，在Mathematica 13.2环境中构建了包含101×101（共10,201个）锥体神经元的规则晶格单层网络。连接规则基于高斯（Gaussian）概率分布，分别模拟了解剖学场景（零距离连接概率a=0.8，标准差c在1-10间变化）和电生理学场景（依据Holmgren等人、Perin等人、Levy和Reyes三篇研究的数据）。所有距离依赖网络均与配置模型（configuration model）进行对比，后者保持每个神经元的入度和出度不变但随机重连连接。分析工具包括：平均度（average degree）、度分布（degree distribution）、局部聚类系数（local clustering coefficient）、图距离（graph distance）、最大团（maximal clique）检测及布线成本（wiring cost）计算。数据集已存入Zenodo仓库。

研究结果

平均度和度分布：解剖学场景中，随着高斯标准差c增大，平均度呈不成比例增长；c≥3时超过电生理学场景。所有网络均为稀疏连接，即使c=10时平均度也仅占潜在连接的4%以上。度分布随c增大而展宽并呈现左偏态，边缘效应导致边界神经元连接数减少。

局部聚类系数：距离依赖网络的局部聚类远高于配置模型，解剖学场景中大多在0.25-0.3之间，而配置模型低于0.045；电生理学场景则不超过0.082。这表明距离依赖规则显著促进了邻居间的相互连接。

图距离：除c=1及两个电生理学案例外，所有网络均为强连通分量。解剖学场景中，平均图距离从c=1时的36.76骤降至c=4时的5.82，之后缓慢降至2.65。配置模型的图距离变化较小（1.96-5.84）。

团（Clique）：所有距离依赖网络均存在至少含3个神经元的团，解剖学场景中团的数量呈指数级增长（c=10时超1.6×10?个）。电生理学场景和配置模型中团的大小不超过3个神经元，而解剖学场景c≥4时更大团占优，c=10时可达11个神经元。团内神经元间距较短（中位数2.24-5.00），表明形成了高度局域化的强连接群。

欧氏距离与布线成本：距离依赖网络中直接连接神经元的欧氏距离集中在10个单位以内，而配置模型中峰值在40-50单位。因此，距离依赖网络的布线成本始终低于配置模型，尽管解剖学场景中成本随c增大而快速增长。

讨论与结论

本研究将皮层网络简化为最基础的元素：神经元数量、布局和连接规则，忽略了突触发育、多突触连接、学习可塑性、皮层分层、区域划分、神经元亚型及功能相似优先连接等因素。尽管存在这些简化，研究揭示了距离依赖连接的核心优势：它产生高局部聚类、大量空间紧凑的强连接团和低布线成本，这些结构特征可能促进功能性神经元集群的形成。特别是，当近邻连接概率高时（如解剖学场景），网络可靠地形成紧密布线的局部神经元簇。基于这些发现，研究人员提出一条一般性概率规则，可用于设计具有生物启发式布线原则的人工神经网络，为连接神经科学与人工智能架设桥梁。