安定した時空間共同活動パターンに基づいた個別化脳コンピューティングモデル

科学分野:

• 神経科学
• 計算生物学
• 脳ネットワークモデリング

背景:

• 正確な脳シミュレーションは、認知、行動の理解、および脳疾患の個別化治療法の開発にとって重要です。
• 構造的結合に依存する従来の神経動力学モデルは、高忠実度の個人レベルシミュレーションのための脳情報を完全に捉えるのに苦労しています。
• 既存のモデルは、個人レベルでの正確な全脳活動シミュレーションの達成に課題を抱えています。

研究 の 目的:

• 安定個別化脳コンピューティングモデル（SI-BCM）という、全脳活動のシミュレーションのための新しいデータ駆動型フレームワークを導入すること。
• 固有の機能的協力パターンを捉えるために、fMRIデータから時空間共同活動パターンを推測すること。
• 個人レベルの脳シミュレーションの精度と信頼性を向上させること。

主な方法:

• データ駆動型の逆工学フレームワークである安定個別化脳コンピューティングモデル（SI-BCM）を開発しました。
• 固有の機能的協力パターンを表す安定した共有結合パターンを抽出するために、時空間次元情報を統合しました。
• ダイナミクスキャプチャを改善するために、位相空間関連（PSA）行列に基づく新しいコスト関数を組み込みました。
• 全脳活動パターンを推測するために機能的磁気共鳴画像法（fMRI）データを利用しました。

主要な成果:

• シミュレーションされた機能的結合（FC）と経験的FCとの間に0.87の高い相関係数を達成しました。
• 既存のモデルと比較して、個人レベルでのシミュレーション精度、堅牢性、信頼性が向上しました。
• 認知機能の変化に対するモデルの感度を示し、神経メカニズムへの洞察を提供しました。
• SI-BCMをアルツハイマー病（AD）患者のモデリングに適用し、AD発症病因における過度の神経興奮仮説を支持しました。

結論:

• SI-BCMは、活動データからの安定したダイナミクス推論を優先することにより、脳ネットワークモデリングの新しいパラダイムを確立します。
• このフレームワークは、複雑な脳機能と病態生理学を理解するための強力なツールを提供します。
• 個人脳活動のシミュレーションとADのモデリングにおけるモデルの成功は、臨床応用と研究に大きな可能性をもたらします。