通过几乎扰乱代孕大脑来绘制有效的连接
Zixiang Luo1,2, Kaining Peng1, Zhichao Liang1
1Department of Biomedical Engineering, Southern University of Science and Technology, Shenzhen, China.
Nature methods
|April 22, 2025
概括
本研究介绍了神经扰乱推断 (NPI),这是绘制全脑有效连接 (EC) 的新框架. 通过使用计算代用物,NPI准确地推断出因果大脑相互作用,从而推进神经科学和临床应用.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 系统神经科学 系统神经科学
背景情况:
- 有效的连接 (EC) 对于理解大脑功能至关重要.
- 传统的EC方法具有侵入性或缺乏整个大脑的覆盖.
- 需要一种非侵入性方法来绘制整个大脑的EC映射.
研究的目的:
- 引入神经扰乱推断 (NPI),这是一个数据驱动的框架,用于全脑EC映射.
- 开发一个计算代孕大脑模型来模拟神经动态.
- 为了能够对大脑范围内的相互作用进行因果推断.
主要方法:
- 开发了一种人工神经网络,作为大脑的计算代用品.
- 替代模型中的系统扰乱区域用于分析响应.
- 训练网络以模拟EC推理的大规模神经动态.
主要成果:
- 在验证研究中,NPI在格兰杰因果关系和动态因果模型上表现出优越性.
- 应用于静止状态fMRI数据,NPI揭示了一致的,结构支持的EC模式.
- 通过NPI推断的EC与来自唤起的潜在数据的真实刺激传播模式密切匹配.
结论:
- NPI提供了一个强大的,非侵入性的工具,用于绘制整个大脑有效连接的地图.
- 这种框架有助于大脑功能从相关性转变为因果关系的理解.
- 在神经科学研究和临床应用方面,NPI具有显著的潜力.


