Null models in network neuroscience

假设你获得了一个以前没有研究过的物种的连接组。你发现，该网络的聚类系数是0.3。这是大还是小？在一个具有类似规模的随机网络中是否可以观察到同样的特征？

Null网络模型其实是构建具有某些特征的大脑网络的一套方法。真实网络和Null网络之间的比较可以让我们能够区分特征之间的依赖关系。

Bratislav Misic等人在2021年对比了几种brain map几种Null模型，最近又在Nature Review Neuroscience上综述了network neuroscience中所用的Null模型，并回顾了在网络神经科学中使用Null模型的一些场景，包括spatially embedded networks, annotated networks, correlation-derived networks。最后，讨论了Null模型的一些局限，以及该领域亟待解决的问题。

以下仅为摘要，感兴趣点击阅读全文前往拜读。

两种构建Null的方式，随机法和生成法。

根据在Null模型中保留真实网络特性的多少，Null模型可以看作是一个spectrum，从宽松到严格。

对于任何一个观测到的真实网络，可以使用多个Null模型来系统地抽样其备择网络的配置，更广泛的Null空间允许我们从多个角度探测观察到的网络。

Null模型可以在网络构建的不同阶段生成。

目前的一些软件。

https://github.com/frantisekvasa/null_models_net_neurosci

值得一提的是，spatialtemporal这个工具包是今年4月份才出现的吧，同样也在这个table中。John Murray他们的那篇文章2021年6月1号就preprint了，虽然之前推荐过，不过一直没读😓。居然修改了一年，toolbox都生出来了。。

看眼示意图，似曾相识。其实在他们之前的文章就用过莫兰随机化生成surrogate brain map，现在用到了FC上。

原文链接

https://www.nature.com/articles/s41583-022-00601-9