动态模型揭示了在休息状态大脑网络中嵌入的解剖学可靠的吸引力景观

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:

• 休息状态大脑网络 (RSN) 中的功能连接 (FC) 对认知至关重要,但其机制基础仍然不清楚.
• 目前的理解争论的是,静态活动是否反映噪声,还是带有吸引子的非线性动态系统.

研究的目的:

• 研究休息状态大脑活动和RSN的机械基础.
• 提供作为非线性动态系统的静止状态活动的证据.

主要方法:

• 从静止状态fMRI (rfMRI) 数据中使用Mesoscale个性化神经动力学 (MINDy) 框架构建全脑动态系统模型.
• 模型包括具有个性化连接重量的神经质量,并通过对象特定的rfMRI记录进行训练.
• 通过创建凸的模型组合来诱导分叉,以探索动态的全部光谱.

主要成果:

• MINDy模型展示了各种各样的吸引力景观,包括多个平衡和极限周期.
• 这些吸引器可靠地映射到正规的RSN,如在解剖空间中的默认模式网络 (DMN) 和前端对象控制网络 (FPN).
• 模型操纵回顾了观察到的全部动态范围,支持非线性动态系统假设.

结论:

• 休息状态的大脑活动最好被描述为具有丰富吸引特性的非线性动态系统,而不仅仅是噪音驱动的波动.
• 对rfMRI的传统FC分析可能会忽略关键的内在大脑结构和动态.
• 神经动态建模为理解大脑网络的生成机制和时空组织提供了更全面的方法.