大规模连接体中的模块化子图支了老鼠和人类大脑中自发的协同波动事件

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:

• 之前的研究利用了一个以边缘为中心的框架来研究人类fMRI网络动态.
• 该框架尚未应用于模型生物成像数据.

研究的目的:

• 将以边缘为中心的框架应用于小鼠大脑成像数据.
• 为了研究微小规模的网络动态及其潜在的解剖连接.
• 为了比较小鼠和人类之间的发现.

主要方法:

• 对轻度麻醉小鼠的结构和功能成像数据的分析.
• 应用一个以边缘为中心的框架来识别网络动态和事件.
• 研究与高振幅共波动相关的解剖连接模式.
• 在人类成像数据集中的发现的复制.

主要成果:

• 在小鼠中发现"爆发式"动态和高幅度网络连接事件的证据.
• 发现事件可以解释静态功能连接 (FC) 并形成等级集群.
• 同波动模式将不同的解剖区域和功能性大脑系统联系起来.
• 事件诱导了轴突突出的解剖网络中的模块化二分区.
• 在人类成像数据中观察到相同的现象.

结论:

• 这种以边缘为中心的框架成功地重复了小鼠的大脑微小动态,反映了人类的发现.
• 跨物种一致性增强了翻译研究的潜力.
• 鼠类模型对扰动的易受性为对大脑动态的因果研究奠定了基础.