结构嵌入的光谱印记在有效的连接中
Matthew D Greaves1,2, Leonardo Novelli1,2, James C Pang1,2
1School of Psychological Sciences, Monash University, Clayton, Victoria, Australia.
bioRxiv : the preprint server for biology
|July 16, 2025
概括
我们介绍了一种新的染色动态因果模型 (DCM),它将大脑结构与神经波动联系起来. 这个模型揭示了大脑连接在物种和皮质层次结构之间如何变化.
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.
- 网络科学 网络科学
背景情况:
- 神经波动显示了由局部动力学和解剖结构影响的复杂光谱形状.
- 当前的静止状态有效连接模型经常忽视结构嵌入,并假定统一的区域波动时间表.
研究的目的:
- 引入一种染色动态因果模型 (DCM),将结构信息整合到神经波动分析中.
- 研究结构价值如何影响内源神经波动的光谱性质.
主要方法:
- 开发了一种色谱DCM,其中结构价值线性地映射到无尺度自动光谱的光谱指数.
- 利用模拟来证明这种映射的出现来自于在非平衡系统中的结构嵌入.
- 验证了该模型在各种网络大小和噪声水平中恢复参数的能力,并将其与标准光谱DCM进行比较.
主要成果:
- 彩色DCM可靠地恢复基准真实参数,性能优于标准光谱DCM.
- 经验数据的分析表明,在皮层层次结构中,价值指数映射不同.
- 研究人员发现,这些映射参数在人类,,大猩猩和小鼠的同源大脑网络中都保持不变.
结论:
- 染色DCM为理解大脑中的结构-功能合提供了一个生成框架.
- 这个模型扩展了有效的连接推断可用的生物物理机制.
- 研究结果强调了大脑结构如何塑造神经动态的物种和层次特异性变化.
