人类大脑结构网络中的混合路由模式,由进化计算揭示
IEEE transactions on medical imaging
|January 9, 2024
概括
大脑区域使用多种沟通策略,而不是只有一种,以有效地传输信息. 一个新的混合模型揭示了这种路由异质性如何优化大脑网络功能和结构-功能合.
科学领域:
- 神经科学是一个神经科学.
- 网络科学 网络科学
- 计算生物学 计算生物学
背景情况:
- 人类大脑的功能连接网络 (FCN) 是由结构连接网络 (SCN) 通信所塑造的.
- 现有的通信模式 (最短路径,扩散,导航) 假定统一的路由策略,忽视区域异质性.
研究的目的:
- 开发和验证一种混合通信模型,其中大脑区域可以独立选择路由策略.
- 调查区域性异质路由对FCN形成和SCN通信效率的影响.
主要方法:
- 开发了一种混合通信模型,允许区域战略选择 (最短路径,传播,导航).
- 采用遗传算法来确定最佳的区域智能混合路由策略 (HYB).
- 与统一模型相比,评估了HYB在预测FCN和促进通信方面的表现.
主要成果:
- 混合路由策略 (HYB) 在预测FCN和通信稳定性方面明显优于统一策略.
- 下层次的功能模块倾向于全球知识路由 (最短路径),而高层次的模块则倾向于本地知识 (扩散).
- 使用扩散的地区表现出更密集的结构联系和更广泛的功能参与,但模块占主导地位较低.
结论:
- 混合路由策略对于高效的SCN通信至关重要,并支持局部异构的结构-功能合.
- 沟通策略中的区域异质性是大脑网络的关键组织原则.
- 开发的混合模型为理解大脑通信机制提供了更现实的框架.
