脑网络通信: 概念、模型和应用

摘要：理解神经系统中的交流和信息处理是神经科学的中心目标。在过去的二十年中，连接组学和网络神经科学的进步为研究复杂大脑网络中的多突触通信开辟了新的途径。最近的研究对连接体信号仅通过最短路径发生的主流假设提出了质疑，这导致了大量替代网络通信模型的出现。本文综述了脑网络通信模型的最新进展。我们首先从图论的数学和神经信号传导的生物学方面(如传输延迟和代谢成本)之间的概念联系开始。我们将关键的网络通信模型和措施组织到一个分类法中，旨在帮助研究人员在文献中导航越来越多的概念和方法。该分类学强调了连接体信号传导不同概念的优点、缺点和解释。我们通过回顾在基础、认知和临床神经科学中的突出应用，展示了网络通信模型作为一种灵活、可解释和易于处理的框架来研究脑功能的效用。最后，对未来网络通信模型的发展、应用和验证提出了建议。

1. 引言

神经系统是交流网络。神经元素之间的信号和信息传递渗透到大脑功能的各个方面和空间尺度—从神经元到神经元的突触传递，到神经元群之间的相互作用，再到区域共同激活的全脑模式。理解控制神经信号灵活调节的机制是现代神经科学的持久挑战之一。解决这一问题的努力涉及多个研究方向，包括神经编码、神经振荡的同步性和相干性、区域间通信子空间以及神经动力学的计算模型等方面的研究。在过去的二十年中，连接组学和网络神经科学已经成为关注神经系统结构和功能的突出领域。网络神经科学为研究大脑网络的复杂连接如何促进和限制神经信息传递提供了一个框架。相反，网络神经科学旨在通过复杂的解剖连接网络了解多突触信号，以及神经通信最终如何产生在神经系统中观察到的丰富的功能动态结构大脑网络——连接体——是根据一系列复杂的拓扑特性组织起来的，包括一个由紧密相连的枢纽组成的核心，模块化和分层结构，以及小世界架构。在物种和空间尺度上普遍存在”，这些大脑组织的原则被推测是由于进化压力导致有效的神经交流。区域间信号被认为能够使遥远的区域协调其活动，以响应不断变化的认知和行为需求，而神经通信的损伤可能涉及各种神经精神疾病的病因学和症状学2-30。因此，阐明控制连接体通信的机制对基础、认知和临床脑科学的进步至关重要。网络神经科学中最早和最具影响力的发现之一是，连接体是小世界网络。与许多其他复杂网络类似，大脑结合了高聚集性(神经元素倾向于形成紧密结合的群体)和短特征路径长度(距离较远的元素对平均被少量中间连接分开)。这一发现为大脑作为一个平衡功能分离和整合的网络的概念化提供了图形理论基础，该网络既配备了用于局部信息处理的模块，也配备了用于远程信号传递的有效路径。

在心脏和大脑疾病中，磁共振成像(MRI)特征是公认的内表型。心血管磁共振成像(CMR)用于评估心脏结构和功能，从而深入了解心血管疾病的风险和病理状态。大脑核磁共振成像提供大脑结构和功能的详细信息。脑MRI的临床应用已经揭示了伴随多种神经和神经精神疾病的相关异常，此外，双胞胎和家族研究表明，CMR和脑MRI特征具有中度至高度遗传性。例如，左心室质量(LVM)遗传力大于0.8。大多数脑结构MRI特征具有高度遗传性(遗传率在0.6 ~ 0.8之间)，脑功能连通性的遗传率主要在0.2 ~ 0.6之间。最近一些全基因组关联研究(GWAS)分别对CMR和脑MRI特征进行了研究。尽管MRI广泛应用于临床研究和基因定位，但很少有研究使用多器官MRI来检查心脑连接并识别心脏和大脑的共享遗传特征。

在本文中，我们使用来自英国生物银行(UKB)研究中超过40,000名受试者的多器官成像数据来研究心脑连接。通过使用新开发的心脏分割和特征提取管道43，我们从原始的短轴、长轴和主动脉图像中生成了82个CMR特征。这些CMR特征包括4个心室(左心室(LV)、右心室(RV)、左心房(LA)和右心房(RA))和2个主动脉段(升主动脉(AAo)和降主动脉(DAo))的整体测量，以及左心室心肌壁厚度和应变的区域表。然后，我们确定了82个CMR特征与从多模态图像中发现的大量脑MRI特征之间的关系，包括T1结构MRI (sMRI)、弥散性脑MRI (dMRI)、静息功能MR和fMRI。这些脑MRI特征提供了基本脑形态测 (脑区域体积和皮质厚度特征)、脑结构连通性 (白质束弥散张量成像(DTI)参数)和脑内在和外在功能组织 (休息和任务期间的功能活动和连通性)的详细信息。为了评估潜在的心脑连接的遗传决定因素，我们对82个CMR特征进行了GWAS，以揭示心脏和主动脉的遗传结构。与现有的CMR特征GWAS相比，我们的研究使用了更广泛的心脏和主动脉特征组，这使我们能够识别出具有多种脑相关复杂特征和疾病的共同遗传成分。

近年来，越来越多的研究对最短路径假设提出了质疑。正如我们随后详细阐述的那样，这个方向的一个中心论点是最短路径的计算以网络拓扑的全局知识为前提。这意味着确定连接单个节点对的最短路径要求提供有关网络中所有其他节点之间连接的信息。尽管这一要求对于工程系统来说可能是合理的——在工程系统中，中央控制器通常可以鸟瞰整个网络——但大脑网络是分散的系统，其中单个元素不太可能拥有关于它们所嵌入的网络的完整信息。鉴于这一点，人们提出了大量的替代脑网络通信模型。从社会科学到互联网工程等基于分散网络通信的其他科学领域的启发，这些模型试图理解信息如何通过神经连接以一种有效而生物学上合理的方式传播。越来越多的证据表明，源自这些模型的连接体通信测量与一系列生理、行为和临床变量有关本文综述了脑网络通信模型的最新进展。我们专注于利用图论和网络科学的概念来描述和量化结构连接体中的信息传递的模型。我们的主要目标是帮助研究人员导航、应用和解释文献中越来越多的方法。本评论的其余部分分为四个部分。首先，我们介绍了整个论文中使用的基本概念和术语。我们在图论的数学概念和神经信号的生物学方面之间建立了联系。其次，我们将突出的网络通信模型和措施组织到信令概念化的分类中，提供了文献综述。我们还对网络通信模型的生物学合理性进行了定性评估。第三，我们调查了这些模型在基础、认知和临床脑科学关键领域的当前和新兴应用。我们展示了网络通信作为研究大脑功能的通用框架，并讨论了目前支持不同信号概念化的经验证据。最后，对网络通信模型的发展、应用和验证提出了一些建议，并对未来进行了展望。

2. 从图论到脑网络通信

从神经元到大脑区域，结构连接促进了物理连接的神经元素之间的直接交流。然而，对物理上不相连的元素之间的信号的观察却知之甚少。例如，秀丽隐杆线虫(Caenorhabditis elegans)和黑腹果蝇(Drosophila melanogaster)幼虫的完整连接体以感觉神经元和运动神经元之间的多突触信息流为特征。在人脑成像的宏观尺度上，结构上不相连的灰质区域之间的强功能协同激活模式已经被广泛报道。同理。在局灶性脑刺激过程中获得的电生理记录显示，下游区域的诱发反应是一致的，这些区域与受刺激部位的白质投射不相交。此外，这些报告证明了信息传递可以在大脑网络中被操作和研究的多种方式——从微观突触传递，到在多个时空分辨率下表达的内在功能同步性，再到局部外源性扰动的全球传播。图论和网络科学为理解复杂脑网络中的多突触通讯提供了数学基础。通过将生物神经信号抽象为网络通信动力学，该理论框架提供了一种灵活的方法来模拟相互连接的神经元素之间的相互作用。

在这里，我们概述了脑网络通信模型的三个主要家族。路由协议建议通过少量有效的、选择性访问的路径进行信令。相反，扩散过程提出信号通过连接体扩散，可能同时沿着多个网络前沿或遵循随机游动动态传播。参数模型结合了路由和扩散的元素，根据模型参数的调整方式，提供了倾向于通过有效路径或随机行走进行通信的混合策略。这些大类中的每一个都包含一系列特定的模型。

例如，一个模型可以描述一个过程来识别节点对之间的有效路径。反过来，网络通信度量在给定模型下量化信号传输的属性，例如，沿着模型所描绘的路径发送信号的成本。通信措施可以捕捉到信号的成本、效率、弹性或其他方面。在连接组上计算，网络通信度量产生通信矩阵，该矩阵量化了在网络通信模型下解剖连接或未连接的每对节点之间的信号推定属性(图1b)。

图1a中的路径和步道作为区域间交流通道的适用性各不相同。直观地说，包含很少连接的“短”路径比经过许多中间区域的“长”路径更有利。这里，术语“短”和“长”描述了与沿着路径传播信号相关的成本，即路径长度。在i和j之间的所有可能路径中，最短路径是最有效的。通过最小化两个节点之间的步数，最短路径最小化了信号传递的延迟以及穿越突触和沿轴突推进信号的代谢消耗。然而，通过最短路径路由信号需要了解整个网络拓扑;因此，识别包含i和j之间最短路径的连接集要求对各个网络元素可用的拓扑信息的数量进行强有力的假设。前一段介绍了网络通信成本的三个维度:延迟、信息和能源。延迟代价是指信号传输的拓扑效率(或速度);信息成本是指引导信号传播所需的网络属性知识的数量;能量消耗是指信号传递所需的代谢资源的数量。这些成本维度被认为是形成连接组组织和信号机制的进化驱动因素，以促进大脑中快速和节约的信息整合。他们还提供了概念性的指导方针，以评估候选脑网络通信模型的生物学合理性。理想的模型将实现快速通信和经济信号传输，并依赖于适合分散系统的知识假设-即分别具有低延迟，低能量和低信息成本。然而，在实践中，正如最短路径路由的例子所示，协调这些因素是困难的，并且通信模型通常在这三个维度之间进行权衡。正如我们在接下来的章节中讨论的那样，信号传导的某些概念实现了因素之间的良好平衡，可能构成生物学上更合理的神经通信策略。                  

图1 脑网络通信模型的核心概念。人类连接组是由白质束(网络连接)相互连接的灰质区域(网络节点)组成的宏观连接网络。是什么原理指导信号通过复杂的大脑连接进行多突触传播? walk和paths是图论中的概念，描述了遍历网络的方式。walk被定义为一个连接序列，其中连续的连接对共享一个公共节点。遍历对节点和连接可以遍历的次数没有限制，构成了在网络中旅行的最不受约束的方法。路径是一种遍历，其中单个节点和连接只能遍历一次，因此不允许信号重新访问网络元素。a，人类连接体中路径和行走的例子。i区和j区之间的许多可能的通信通道的长度各不相同，索引了它们支持快速可靠信号的能力。最短路径是两个区域之间最有效的通道。b、网络通信建模。结构连接矩阵描述了n个神经元素之间的物理连接。它只直接对信息进行编码连接节点，因此通常是稀疏的。通信模型描述了一种通过结构连通性引导信号传播的策略。该模型确定了从节点i到节点j的路径(蓝色箭头)。通信度量量化了模型确定的路径的特征(例如，效率、成本和弹性)，从而产生了从i到j的信令过程的假定特征。对每对元素进行计算，度量产生了一个通信矩阵，该矩阵是完全连接的。网络通信模型和度量可以在无向(双边连接)或有向(不对称连接)以及未加权(表明存在或不存在连接)或加权(表明连接强度)的结构网络中进行计算。对于某些模型，需要将连接权值转换为连接长度，以捕获遍历解剖链路的代价。

图2脑网络通信模型和措施的分类。当前的大脑网络通信模型可以分为三大类——扩散过程、参数模型和路由协议——从分散(上)到集中(下)策略。一个家族分为几个通信模型，每个模型都提出一个特定的策略或算法来引导网络节点之间的信号。一个模型的优劣可以根据通信成本的三个维度进行概念性评价:延迟、信息和能量。在这些方面的性能是用颜色标签表示的，表示低、中、高成本。给定模型的属性可以通过一系列通信度量来量化。根据量化神经通信的各个方面，如信号成本或恢复力，对测量方法进行分组和颜色编码。AT: 激活时间;五、信息成本; cmy传染性; Ctrams传输成本(相当于MFPT); DE:扩散效率; EDP，边缘不相交路径; 例如:效率比;k-SPL, k最短路径长度; MFPT，表示首次通过时间; NE，导航效率; NPL，导航路径长度; PT:路径传递性; RE，资源效率; SI，搜索信息; SPE，最短路径效率; SPL:最短路径长度; Sp，成功率。

3. 脑网络通信模型和措施的分类

在本节中，我们将网络通信的家族、模型和度量组织成一个树形分类法(图2)。我们重点描述了不同模型的关键概念特征，重点是在通信成本维度上对它们的优缺点进行定性评估。源于路由协议、扩散过程和参数模型族的突出网络通信措施见表1-3。

3.1 路由协议

这一系列网络通信模型提出，信号沿着单一的、可选择性访问的路径通过连接组进行路由。与工程网络中的传输过程类似，路由协议旨在确定由少量强而可靠的连接组成的路径，以便有效而忠实地传输信号。在连接体的背景下，这种对速度和保真度的关注意味着路由模型的特点是低延迟和能量消耗。相比之下，有效路径的识别通常依赖于对单个网络元素可用知识的强大假设，因此路由协议通常与中等到高的信息成本相关。

最短路径路由。最短路径路由是表征脑网络信息集成的最广泛使用的通信模型。该模型提出，一对区域之间的信号是沿着连接它们的最有效路径发生的。因此，根据定义，最短路径路由实现最优的信令延迟。这种模式的选择性特征——通信只通过最短路径展开——也意味着信号在代谢消耗方面是最理想的节俭。然而，该模型的主要缺点在于用于识别最优通信路由的策略，该算法过程要求每个单独的网络元素了解整个网，因此最短路径路由需要极高的信息成本，这表明该策略难以在分散的神经系统中实。尽管可以想象网络拓扑信息可以通过神经活动动态编码，但目前缺乏对全局连通性进行这种集中描述的证据。最短路径路由模型下的信令可以通过几种网络通信度量来量化。

导航。导航是一种分散的路由协议，它不要求单个节点拥有网络拓扑的全局知识。提出了一种基于节点距离度量的局部知识来识别通信路径的策略。从源到目标节点的路由遵循一个简单的策略:从源开始，每个节点将信号转发到距离目标最近的邻居。导航通常也被称为“贪婪路由”，因为通信过程的每一步都寻求最小化到目标的距离。这种启发式方法不能保证确定节点之间的有效路径。事实上，与大多数网络通信模型不同，导航下的信令可能会陷入中间节点之间的环路中，无法到达预定目标。然而，众所周知，复杂的网络是高度可导航的。这意味着导航可以成功地在节点之间传播信号，并通过识别路径来实现，其效率可与最短路径相媲美(Box1)。成功的网络导航必须由一个距离度量来指导，这个距离度量反映了节点对形成连接的概率导航宏观脑网络的一个简单方法是考虑节点之间的欧几里得距离。这种选择的动机是大脑在3D空间中的自然嵌入，以及结构连接强度与欧几里得距离之间的强烈关系。值得注意的是，在人类、小鼠和猕猴的连接体中，欧几里得空间中的贪婪路由识别的路径具有70-100%的最佳信号效率(即与最短路径相比)。导航的主要缺点是它的信息成本。信号传播的前提是区域知道其邻近区域与期望目标区域之间的距离。尽管有证据表明这一要求可以在某些生物系统中得到满足，但尚不清楚如何将这一知识应用于构成大脑网络的单个神经元件。重要的是，导航的信息成本仍然比最短路径路由低得多。导航以分散迭代的方式展开，其中路径上的每个节点只需要关于其邻居相对于目标的空间定位的局部知识，而不是整个网络的全局知识。尽管有这种去中心化的特点，但导航的延迟与最短路径相当。此外，由于信号被建模为只沿着导航路径展开，这种策略也需要低能量成本。因此，导航平衡了中等信息成本与低延迟和能量成本，潜在地构成了比最短路径更生物现实的路由策略。

Box1 路由措施:对通信效率进行基准测试。最短路径长度量化了两个节点之间移动的最小可能代价或延迟(见图)。它可以根据步骤数或沿着路径的连接长度的总和来定义。值得注意的是，这种度量通常被简单地称为“路径长度”，因为通常假设神经通信沿着最短路径进行。网络的特征路径长度是小世界架构的基石之一，它被定义为其所有节点对的平均最短路径长度。另一种方法是根据效率来量化沟通。最短路径效率定义为沿最短路径的连接长度的倒数之和，网络的整体效率由其所有节点对的平均最短路径效率给出。对于任何网络，最短路径路由都提供了通信效率的上限。因此，最短路径度量通常用作评估其他模型的相对效率的基准。可导航性是一个广义术语，指的是作为网络通信模型的导航性能。成功率是衡量可通航性的最基本指标，定义为通过导航可以成功到达的节点对的比例。在成功路由的情况下，导航路径长度和导航效率的定义类似于其最短路径对应项——也就是说，根据包含导航路径的连接的长度来定义。同时，失败导航具有无限路径长度的特点。导航可以通过效率比作为最短路径路由的基准，效率比计算为最短路径长度与导航路径长度之比。路由倾向于遵循“细粒度、粗粒度、细粒度”的传播模式。最初，通信发生在源节点附近。一旦到达一个局部高度节点，远程连接就可以用很少的步骤遍历大距离。最后，一旦到达目标节点附近，就发出返回最终目的地的信号。在最短路径和导航路径中都可以观察到这种模式(见图)，它共同依赖于高集群(支持对本地连接的细粒度探索)和互连集线器的核心(允许长距离快速通信)。

3.2 扩散过程

扩散过程提出了神经通信的分散概念，其中信号沿多个网络前沿广播或通过随机行走动态传播。与路由协议相比，扩散过程不需要单个神经元素拥有其邻近区域以外的连接体知识。然而，这种类型的传播需要更多的信号重传来建立节点之间的通信。因此，这类模型通常受益于较低的信息成本，但遭受较高的信号延迟和能量成本。

随机漫步。随机漫步是网络上最流行的扩散过程模型，被用于从广泛的科学领域研究复杂系统的动力学。在这里，我们专注于无偏随机漫步，这是网络扩散的最简单形式，也是作为大脑网络通信模型受到相当关注的一种。在随机行走中，从源节点出发的信号以与它们的连接权成比例的概率传输到随机选择的邻居节点。最终，到达所需的目标节点。这个过程被称为“无偏”，因为下一步访问哪个节点的决定完全基于本地连通性，没有其他因素影响信号传播。为了实现这个策略，一个节点只需要知道它自己的连通性，这个假设可以被单个神经元素所满足。随机漫步的低信息成本是以增加延迟和能量成本为代价的。直观地说，随机信号传播导致行走明显长于最短路径。信号在许多突触连接和轴突突起之间的重传使得区域间通信缓慢且代谢昂贵。与这一概念评估一致，实证研究发现，随机漫步导致人类连接体的信号传导效率低下。这是使用平均首次通过时间来评估的，这是一种量化随机行走从给定源节点开始后首次访问期望目标所需的平均步数的度量。扩散效率定义为平均首次通过时间的倒数。这些度量可以解释为从源到目标区域的预期步行长度和步行效率，这是一个类似于路由协议度量的概念。更有趣的是，除了信号效率本身，许多有用的基于扩散的测量方法量化了大脑网络拓扑和随机行走动力学之间的相互作用(Box2)。

广播(传染性)。广播是信号在网络的多个前端同时传播的扩散过程。到目前为止，我们已经探索了通信模型，通过路由协议或随机选择来确定信号下一步应该发送到的单个节点。相反，在广播的每一步，一个信号同时传播到许多节点。在这里，我们关注的是可通信性，这是一种在大脑网络中被广泛探索的特定广播模型。可通信性认为信令在网络的所有行走中展开。为了理解这一点，考虑一个简单的广播策略:从一个源开始，区域总是将信号传播到它们所有的邻居。最初，信号源将信号发送到它直接连接的区域。第一步从源处描绘出所有单位长度的步道。接下来，所有接收到信号的区域将其传播到所有相邻区域，描绘出从源开始的长度为2的所有可能的行走。重要的是，这个过程与一个区域是否已经接收到信号无关——长度为2的所有行走的集合包括回溯到源的行走和在源的邻居之间重新通信的行走(在它们之间有连接的情况下)。第n个广播步骤描绘了从源开始长度为n的所有行走的集合。

Box 2 扩散测量: 连接如何自发地形成传播。许多扩散度量描述了随机行走和最短路径之间的关系，捕获了网络拓扑自发地沿着有效路径引导随机行走的程度。搜索信息量化了使随机漫步沿着两个节点之间的最短路径展开所需的努力(以信息位为单位)。这个度量与网络中有效路径的可达性有关。本地连接(见图a部分;黑色虚线箭头)有助于偏离最短路径(蓝色箭头)，有助于获得更高的搜索信息。同样，路径传递性被定义为沿最短路径的局部弯路的密度。局部绕行是一系列短暂偏离最短路径的连接，但在下游节点又反馈到最短路径(见图b部分;黑色虚线箭头)，从而有助于沿有效路线集中扩散流。“资源效率”定义为在给定概率下，至少有一个信号沿着最短路径在源和目标区域之间传播所需的随机行走次数。这种独特的测量方法旨在量化路由和扩散之间的成本效率权衡，假设随机漫步的低效率可以通过增加信号副本的数量来改善。通过投入更多的资源(信号副本)，随机漫步模型可以在保持低信息成本的同时实现低延迟。显然，这种效率的提高是以更高的代谢需求为代价的。可通信性提出信号在所有网络行走中同时广播，因此实现了资源效率度量的最极端场景。可沟通性的独特之处在于，它既是一种沟通模式，也是一种衡量标准，因为它将特定的广播概念与特定的公式相结合，以量化其属性。具体来说，高(低)可通信性表明两个节点之间存在许多(很少)有效的行走，这种特性可以解释为通信弹性和并行信号的总体容量。可沟通性是网络神经科学中一个流行的测量方法，是最常用的替代最短路径测量的方法之一。

Box 3 参数度量: 探索通信成本的权衡。激活时间是线性阈值模型的主要通信度量。它量化了向网络传递扰动后两个节点激活之间的延迟。与阈值模型的可调参数相结合，这种简单的方法可以用来模拟复杂的扩散动力学，并且在神经级联的计算和经验研究中都有应用。有偏差的随机漫步产生了一个连续的通信策略频谱，可以对延迟和信息成本之间的权衡进行定量分析。凭直觉。经验连接组分析表明，增加λ(节点可获得的全局信息量)导致平均信息成本单调增加，节点对之间的平均传输延迟减少62(见图)。然而，重要的是，这两种成本的变化率并不相同，a值的范围很窄，可以实现低的信息成本和延迟成本。这表明连接体拓扑结构可能被组织成这样，即引入微妙的偏差因素可能会在通信效率方面获得不成比例的巨大收益。提出了两种网络通信方法来研究最短路径集成的特性。最短路径长度是一种结合了信号效率和信息成本概念的混合度量。k边不相交路径量化了一个集合中不与任何其他路径共享连接的路径的数量。它是对网络要素故障(如灰质区域退化)时通信恢复能力的一种衡量。

3.3 参数的模型

这类模型的定义特征是它们的行为是由一个可调参数控制的，这个参数是沿着可能值的连续体定义的。在这一范围的任何一端，参数值通常近似通过路由或扩散进行通信，而中间值实现混合策略。仔细的参数调优可以产生复合策略，在延迟、信息和能量成本之间取得有利的权衡，而从路由和扩散的相反角度无法获得这些代价。

线性阈值模型。线性阈值模型旨在描述对单个节点的扰动如何在整个网络中传播。与广播密切相关，该模型提出局部扰动触发沿多个网络前沿传播的通信级联。在任何给定的时间点，节点被建模为处于“活动”或“非活动”状态，第一个表示扰动已传播到的网络元素。向节点的传输基于其邻居的状态-如果其邻居的比例足够大，则节点变为活动节点。

设置θ=0实现了一个广播过程，其中信号总是传播到活动节点的所有邻居。在这种情况下，任何节点的扰动都会导致激活迅速传播到整个网络，称为完整级联。当θ增大时，传播所需的节点邻域活动比例增大，级联变得更慢、更小。临界值=是对单个节点的任何扰动导致完整级联的最大阈值。超过这一点，信号就越来越局限于信号源附近。到目前为止，线性阈值模型在脑网络中的应用已经考虑了。这些研究报告，完整的级联的轨迹很大程度上是由有效的通信路径形成的。重要的是，级联传播是由节点激活的局部知识决定的——一个节点仅仅根据它的近邻的状态而激活。因此，连接体拓扑与线性阈值模型之间的相互作用以较低的信息代价获得了良好的信令效率。与广播一样，这些好处是以多次信号传输的高能量成本为代价的。然而，重要的是，与可通信性相反，线性阈值模型不考虑向已经活动的节点进行多次重传。因此，在能量成本方面，线性阈值模型可以认为具有适中的能量成本，处于扩散模型和路由模型之间。

有偏随机漫步。在无偏随机行走中，信号仅使用局部拓扑知识传播，即对于当前节点i，行走以与ij连接权成比例的概率过渡到节点j。相比之下，有偏随机漫步使用附加因素来影响(偏差)转移概率。在特定领域的应用程序中，偏差因素可以表示网络元素的内在属性(例如，一个人在社交网络中的地位)，它会影响走向某些节点或沿着网络延伸的梯度的行走。另外，随机漫步也可以根据拓扑属性进行偏置我们关注的是最近应用于研究大脑网络中的通信的有偏差随机漫步的参数化公式。在该模型中，参数a控制单个节点可用的全局拓扑信息的数量。当A=0时，不引入偏差，节点只能访问自己的连接权值;因此，交流是通过无偏随机漫步进行的。A逐渐引导人们沿着有效的路线行走。这是通过赋予节点有关其邻居中哪一个更有可能在到达期望目标的最短路径上的信息，并使转移概率偏向于选择该邻居来实现的。在极限→下，有偏随机行走收敛于最短路径路由，迁移到最短路径外任意节点的概率消失为零。有偏随机行走跨越了从无偏随机行走到最短路径路由的连续通信策略。因此，该模型在通信成本维度上的性能完全取决于λ的值。

最短路径集合。最短路径集成模型提出，信号通过由k条最有效路径组成的集成在两个节点之间传播。传统的最短路径路由对应于k =1的特殊情况，在这种情况下，信号只利用节点之间最有效的一条路径。最短路径集成强调，虽然高效率是自适应的，但没有原则性的理由说明为什么神经通信只通过最优的短路径进行。事实上，实证分析表明，连接组中所有节点对之间的最短路径只使用了一小部分连接。因此，在严格的最优路由机制下，大脑中绝大多数轴突投影在支持全局信号传输中不起作用。参数化参与神经通信的路径数量可以系统地放松这一假设(Box3)。与其他多路径信令模型相反，最短路径集成只考虑节点之间最有效的前k条路由，因此对支持通信的路径保持选择性。对于较小的k值，确定节点对之间的k条最有效路径仍然严重依赖于全局拓扑知识。然而，路径集成变得更大、更包容，它们的构建需要更低的信息成本。同样，沿着多条路径传输信号所需的能量成本与k的选择成正比。考虑到可能k的全频谱，最短路径集成模型的特点是传输延迟低，平均而言，信息和能量成本适中。

图3通信矩阵的当前和新兴应用。网络通信模型和度量用于计算通信矩阵，通信矩阵将结构连通性网络转换为神经元素对之间信号的定量估计(图1b)。a，功能连接矩阵在时间序列中捕获成对的神经活动关联。大量研究表明，通信矩阵可以解释功能连接的多个方面。在这个方向上的大多数工作都考虑了静息状态功能MRI的数据，但最近的研究正在将这些努力扩展到神经活动的电生理记录。b，学科水平的通信矩阵可用于研究神经信号如何与认知、行为和临床变量相。在全脑水平上，对通信矩阵的所有条目进行平均，可以提供连接组通信的单值总结，这可以与感兴趣的表型相关。也许更有趣的是，通信矩阵的子集可用于测试关于特定区域或系统的假设，例如，同调区域之间或感兴趣的功能系统内的通信。c，通信矩阵可以量化由于局部损伤，病理或故障导致的区域间信号的全局中断。结构损伤可以在动物模型中使用控制操作进行研究，并通过从连接中删除节点和连接在计算机上进行模拟。在人类中，沟通措施已被用于模拟多发性硬化症(1%)、中和创伤性脑损伤患者的真实协调中断。d，局灶性脑刺激的非局部效应可以从通信矩阵中推断出来。通信矩阵的行(列)量化了传出(传入)区域通信。第i行模型刺激从区域i到网络其余部分的传输。相反，第j列量化了从所有区域到区域j的传输。在受试者特定的连接组上计算，这些测量可以帮助完善临床脑刺激的个性化方案，并通过非侵入性技术(如经颅磁刺激)为间接调节深部结构的刺激点的选择提供信息。

4. 当前和新兴的应用

在本节中，我们回顾了脑网络通信模型如何用于研究一系列基础、认知和临床神经科学问题的突出例子(图3)。通过这些例子，我们展示了这些模型如何提供一个通用的、可解释的和计算上可处理的框架来研究健康和疾病中的大脑功能。重要的是，实际应用也为模型验证提供了重要的机会。在上一节中，我们考虑了生物学合理性的定性评估，在这里，我们根据不同经验现象的解释能力来比较模型。

4.1 连接大脑结构和功能

功能连通性描述了神经活动随时间的同步。与结构连接相反，结构连接建立在解剖学基础上，通常是静态的过短间隔，功能连接在多个空间和时间尺度上变化，从而产生了大脑丰富的动态曲目。至关重要的是，神经活动的编排是通过解剖连接的信号来支持的。因此，交流过程在神经系统的结构和功能之间架起了一座桥梁。因此，毫不奇怪，大脑网络通信模型的一些最早应用是研究结构和功能连接之间的关系(图3a)。早期的报告建立了人类大脑结构和功能连接之间的强大相关性:连接两个灰质区域的白质束越强——正如扩散核磁共振成像和神经束成像推断的那样——它们的活动时间过程就越紧密。

为了研究这个问题，在2014年，Goñi等人计算了人类连接组中的许多网络通信测量，并使用它们来预测从静息状态功能MRI (fMRI)推断的功能连接。作者发现，由强大且可访问的通信通道连接的区域对——通过多突触网络通信的测量来量化——显示出更高的功能连通性。有趣的是，基于扩散的搜索信息度量和路径传递性(Box 2)比最短路径长度更具预测性，这表明扩散动态可能促进区域间的通信。在当代的一篇论文中，Abdelnour等人使用另一种网络扩散模型获得了类似的结果。总之，这些研究提供了网络通信模型作为研究大脑功能框架的最早证明，以及连接组通信不完全由最短路径形成的初步经验证据。在这些基础论文之后，功能连接的关联强度-通常从静息状态fMRI推断-已成为验证和比较网络通信模型的最常用措施之一(见图3a，此方向的其他研究示例)。尽管这种方法卓有成效，但它也有重要的缺点。例如，静息状态数据可能对与特定行为或认知需求相关的交流过程提供有限的见解，这可以使用基于任务的范式进行更好的探索。同样地，在脑活动介入操作下获得的功能数据可以提供更强大的实验设置来验证和比较通信模型。沿着这些思路的例子包括模拟脑刺激的传播和研究由于脑病变或病理导致的功能连接的变化。在接下来的章节中，我们将回顾一些关于脑网络通信模型的新兴应用的论文。

4.2 认知和临床表型的个体间差异

人类的认知和行为依赖于大脑多个区域的协同活动。现代神经科学的一个核心研究方向是绘制功能连接特征与认知表型之间的关联。网络通信模型可用于研究与不同认知需求相关的信号过程，以及连接体通信的差异如何导致认知和行为的个体间差异(图3b)。同样，虽然区域间协调对健康的大脑功能至关重要，但连接组沟通异常与多种脑部疾病的病因学和症状学有关。在这些观察的基础上，作者提出连接组连接障碍——大脑区域间信息整合的失败——可能是精神和神经疾病共有的病理学的一个潜在维度。网络通信模型提供了工具来操作连接体连接障碍和量化功能整合的崩溃，从而建立了一个平台来联系大脑疾病状态的结构和生理改变特征。

事实上，最初的比较研究发现，替代模型往往比最短路径测量更能解释认知和临床变量。例子包括应用导航、可沟通性和其他基于扩散的测量来调查健康个体的信息处理速度和一般智力，以及精神分裂症、阿尔茨海默病、中风和创伤性脑损伤患者的认知和神经沟通中断。最近使用机器学习对不同测量方法进行系统比较的工作已经开始理清哪些模型具有更高的行为和临床预测效用，这仍然是未来研究的一个重要方向。

4.3 模拟病变影响及病理扩散

在网络系统中，局部元素的中断——如灰质和白质部位的损伤、萎缩或功能障碍——会引发连锁反应，通过网络级联，潜在地影响整个系统的功能。网络通信可用于研究和预测脑功能如何受到结构病变、断连和病理的影响(图3c)。在2016年的一篇论文中，Grayson等人使用药物遗传干预暂时使恒河猴的杏仁核失活。作者发现，在目标失活后，区域间功能连通性的变化并不局限于与杏仁核有直接结构连接的区域。这表明，局部活动抑制导致多突触信号中断，这表现在全局功能连接重构模式中。为了进一步探讨这一点，作者使用可沟通性模型来量化恒河猴结构连接体中的沟通。通过将杏仁核从连接组中移除，在计算机上模拟了药物遗传学失活，有效地阻碍了利用该区域作为信号传输介质的通信能力。这产生了一种破坏结构网络通信的测量方法，值得注意的是，这种方法与观察到的功能连接变化密切相关。这项工作提供了实验证据，表明网络通信模型可以预测经验性和介入性灰质结构破坏的功能后果。在人类中，这一领域的研究对我们理解脑功能受损和损伤后的认知结果具有重要意义。最近的研究应用了基于弥散的方法来研究创伤性脑损伤后的信号重定向和神经可塑性，为了解通信如何绕过受损区域恢复脑功能和促进患者康复提供了见解在相关的研究中，网络通信模型也被用来描述病理因子在大脑中的逐渐扩散和神经变性。许多神经系统疾病的进展被认为是由病原体的跨突触传播促进的(例如，阿尔茨海默病中错误折叠的蛋白质)，因此由结构连接形成。2012年一项有影响力的研究表明，痴呆症中灰质萎缩的空间分布可以通过病原体通过人类连接组传播的扩散模型来概括。随后的研究使用了各种扩散和流行病学传播模型(概念上类似于线性阈值模型)来研究肌萎缩性侧索硬化症、阿尔茨海默病和帕金森病中神经变性的进展。最近，在精神分裂症中也报道了皮层萎缩的跨突触传播的证据。

这两条研究路线有望加深我们对脑损伤和病理如何与患者临床结果相关的理解。超越诊断性生物标志物或组间差异，前面提到的应用促进了对预后洞察力的关注。在疾病或损伤发病时预测临床结果的能力——通过考虑个体自身的连通性和损伤位点——可能有助于解释异质性患者轨迹和长期结果。未来的工作需要将这些预测模型转化为临床设置，并建立其在患者治疗中的效用。在这个方向上的努力可能受益于人口规模的可用性，纵向数据集，如英国生物银行。通过跟踪未来几十年成千上万参与者的健康状况，这些资源将提供在疾病或病变发作之前患者的连接组，以及在临床诊断的情况下定期影像学随访。这将使长期功能重组和信号转导在不同表现的脑损伤或病理的纵向研究成为可能。确定哪种网络通信模型在这些情况下具有更高的临床效用，将为模型验证提供重要途径。

4.4 模拟大脑刺激的传播

刺激神经元件的能力-从单个神经元通过光遗传技术到使用直接电脉冲的大型大脑结构能够对目标扰动的因果效应进行调查。来自微观和宏观尺度研究的证据表明，局部刺激的影响并不局限于初始扰动部位，而是通过元素间的连通性传播。因此，模拟脑刺激的效果是一个典型的网络通信问题(图3d)。在最近的一篇论文中，我们的作者团队使用了一个大的直接电刺激数据集来研究人类大脑中的经验信号传输。对550例癫痫患者进行局灶单脉冲刺激后的颅内脑电图记录。利用患者间和患者内部电极放置的可变性，作者根据经验和神经信号固有的毫秒时间尺度推导出因果区间刺激传播的全脑图。在人类连接组上计算了一套网络通信措施，以量化区域之间的传输，特别关注解剖上不连接和空间上遥远的区域对-多突触通信最相关的情况。我们发现，通信测量能够准确而有力地预测通过白质连接发出的信号。重要的是，对不同预测因子的解释能力的比较表明，搜索信息和可沟通性优于其他沟通措施，这一发现有助于深入了解复杂拓扑白质连接如何塑造局部脑刺激的全局效应(图4)。这项工作提示了网络通信模型为临床脑刺激提供信息的潜力。许多研究报道，刺激部位的连通性与患者预后相关，表明治疗效果与刺激后大脑活动的分布变化有关。然而，目前对连接图的关注并没有明确考虑通过连接组的多突触传递。

4.5 简单模型的作用：利用可解释性和可追溯性

脑网络通信模型是神经信号的简化概念。尽管传递延迟和代谢消耗在概念上有联系，但这里回顾的模型并没有明确地基于神经元生理学的各个方面。相反，在复杂系统的极简描述的传统中，这些简单的模型故意抽象神经元信号的微观方面，以便捕捉神经动力学的突发和系统范围的特性。正如我们所看到的，这种抽象为描述和量化广泛的经验现象提供了一个共同的数学基础。沿着这些思路，本节进一步探讨了网络通信模型的两个关键优势:(i)能够对连接组组织如何形成网络通信模式产生可解释的见解;(ii)计算可追溯性。网络通信模型的解释取决于每个模型和测量与底层结构连通性的不同特征相互作用并依赖于这些特征的洞察力。为了举例说明这一点，让我们考虑在可通信条件下通过最短路径路由和广播的模型。路由完全依赖于由少量选定连接组成的有效路径。因此，落在这些路径之外的网络元素与路由模型无关，进而与基于路由度量的任何预测或统计解释无关。相比之下，可通信性假定网络中的所有行走都对信令有贡献。因此，可通信性度量是由更广泛的网络拓扑形成的，例如，两个节点之间存在多条可选路由，从而促进它们的通信。有了来自这两个模型的测量方法，研究人员就可以确定路由或广播是否更能解释感兴趣的经验观察(图4)。这里调查的通信度量的计算效率非常高。在大多数情况下，它们构成结构连接矩阵的解析变换，对于包含数千个节点的矩阵，可以在秒级上执行。这种实际的好处促进了对经验数据的系统和易于处理的探索，例如对数百个刺激点的电信号传播的预测，以及对数千个受试者的个性化连接体的分析。重要的是，尽管具有可解释性和可追溯性的好处，但目前模型的简单性对研究调节柔性神经信号的生物机制构成了一定的障碍。也就是说，尽管网络通信模型可以通过复杂的连接来量化信号路径，但它们对神经元活动如何通过一条路径与另一条路径进行通道传输提供的见解有限。

图4 网络传播模型的可解释性洞察：一个脑刺激案例研究。a，通过局灶直接电刺激传递的脉冲在远端解剖上不相连的部位引起皮质-皮质诱发反应。b，网络通信测量根据白质连接的不同特征量化通过连接体的信号。比较刺激诱发反应(R)强度的差异有多大，可以用不同的测量方法来解释，这可以让我们深入了解神经通讯动力学。从节点A, B和C到目标节点T的最短路径长度(左)完全基于它们之间最直接路径的连接。根据最短路径模型，A、C波段的刺激应引起R>R>Rcr的反应。搜索信息(中心)与沿着最短路径从源节点到目标节点的无偏随机行走的概率有关，该值由组成路径的节点的局部连通性决定。因此，搜索信息不仅对网络的最短路径结构敏感，而且对局部拓扑特征敏感。在大脑刺激的背景下，搜索信息可以被解释为刺激点和靶点之间刺激分散的倾向。尽管A、B、C到T的最短路径长度相同，但搜索信息预测R>Rer>RAr。可通信性(右)考虑了通过所有网络行走的广播。它对节点可以通过多个备选路由进行通信的程度进行索引，其中短路径比长路径贡献更多。在这里，尽管A和B到T的最短路径长度相同，但可通信性预测R>R，因为A到T的短路径数量更多。c，直接电刺激后网络通信测量与经验观察到的响应幅度之间的相关性。诱发反应是侵入性地从解剖上不相连的部位之间的颅内脑电图记录推断的。与最短路径效率相比，搜索信息和沟通能力解释了刺激传播的更多差异，从而深入了解了白质连接的哪些特征决定了人类大脑中的多突触沟通。

5. 展望与建议

5.1 当前证据的综合，以支持相互竞争的脑网络通信模型

我们从以下互补的角度回顾了网络通信模型:(i)延迟的定性性能;精力和信息成本以及(ii)其解释力的经验证据。在这些标准的基础上，对于目前支持连接体通信的不同概念，我们可以得出什么结论?从概念的角度来看，我们已经看到模型可以沿着一个范围组织，从集中的-高效但依赖于强大的知识假设-到分散的-弱假设但低效的-沟通政策。我们推测，定位于这一频谱的任何一个极端的策略——即最短路径路由和无偏随机行走——都不太可能反映神经信号的潜在机制。相反，我们推测，基于相互竞争的进化驱动之间的平衡权衡的模型和测量方法，可能会为连接体通信提供更现实的生物学描述。这一观点得到了当前一系列神经科学领域的经验证据的支持。比较研究发现，搜索信息、可沟通性和导航等指标通常能对实证现象做出最有力的解释。尽管这些措施都属于通过扩散或路由进行通信的范围，但它们并不完全基于最短路径或无偏随机行走。例如，导航试图使用分散策略识别短路径，但不一定是最短路径。类似地，搜索信息和通信描述的扩散过程虽然受到最短路径的影响，但也明显受到其他拓扑特征的影响。这些观点强调，尽管最短路径路由作为一种通信模型存在局限性，但连接体的最短路径结构可能在形成神经信号方面发挥重要作用。正如我们所探索的，类似广播的策略，如可通信性和线性阈值模型，可以在没有集中网络知识的情况下访问最短路径。相对而言，最短路径度量仍然提供了对网络属性的有用描述，而不必对神经通信做出声明。因此，关于比较竞争模型的最佳实践，仍然存在许多悬而未决的问题。值得注意的是，目前尚不清楚生物信号的模式是否会根据特定的通信过程而变化。例如，内在功能同步的信号机制是否与形成外源性脑刺激传播的信号机制相同? 同样，不同模型的效用是否会因个体的临床特征而异，如认知受损状态、神经病理学或损伤后补偿和康复? 这些知识差距强调，目前的合成应该通过未来广泛的神经科学领域的研究来验证。随后，我们通过讨论未来的机会和实际建议来结束我们的审查，以指导网络通信模型的原则开发，应用和验证。

5.2 当前的限制和未来的机会

网络通信模型假定信令过程具有定义良好的源和目标。尽管这一假设非常适合于某些应用(例如，模拟从刺激到记录电极的外源扰动的传播)，但它仍然是对内在神经动力学的简化，值得未来的研究。类似地，当前的模型假设所有节点对之间的通信同等重要。除了路径可能失败的导航之外，其他模型允许所有节点对之间的交互。然而，在特定的环境下，大脑的某些区域可能无法进行交流，因此它们之间的信号可能会导致适应不良的过度整合。同样，迄今为止的大部分研究都假设大脑网络中的所有节点都使用相同的策略进行通信。然而，连接体嵌入在拓扑和3D空间中，可以在某些区域的策略中产生偏好。例如，结构模块和功能模块之间的信号交换可能根据不同的策略发，也可能涉及单峰式和多峰式皮层区。最近的工作已经开始通过实现复合模型来探索这个问题，该模型允许大脑区域使用不同的策略进行通信。与此相关，直接将计算建模到单个神经元素内部的通信策略(如排队和碰撞模型)是未来研究的一个重要方向网络通信模型的当前实例并没有促进对时间解析动态的明确关注。通信矩阵是神经信号的静态估计，不提供产生神经活动时间序列的手段。尽管如此，正如我们所看到的，通信测量可以用于研究在不同时间尺度上展开的过程，例如毫秒级电刺激的传播，随时间变化的功能连接的波动，以及神经病理学随时间的传播。将本文回顾的模型扩展到更直接地包含时间分辨通信动力学是未来研究的一个有希望的方向。目前的努力远远没有对文献中所有脑网络通信模型和措施进行详尽的调查。我们专注于极简主义模型，它主要基于网络拓扑如何塑造信息流，不需要广泛的参数拟合。许多替代模型已被应用于大脑网络，值得进一步研究。举几个例子，包括几个频谱流行病模型、信息论模型、队列模型和分组交换模型。更广泛地说，网络通信的研究补充了其他脑功能模型的研究，如网络控制理论和神经动力学的生物物理模型。

5.3 脑网络通信模型的应用和验证建议

网络通信模型已经在神经科学研究的各种途径中发现了效用。然而，迄今为止，尚不清楚哪种通信策略最忠实地描述了生物神经信号。因此，在过去的十年中，对量化连接体通信的兴趣日益浓厚，导致了一系列不断扩大的网络测量方法。一方面，这种膨胀使理论学家能够描述大脑组织和交流的各种特性。另一方面，对于将网络度量作为研究工具感兴趣的实践者来说，它可能是令人生畏的和适得其反的。我们认为，网络神经科学的理论和计算进步必须密切伴随着生物验证的经验努力。我们提出可以通过将网络通信模型的原则应用和生物学验证视为同一枚硬币的两面来实现这一目标，并为这些方向的未来努力提供了两条建议。首先，我们提倡研究考虑神经信号的多种概念，明确比较来自不同模型和测量的通信矩阵的解释能力。重要的是，除了参与计算练习之外，从业者还可以从这一建议中受益。正如我们所看到的，不同的沟通策略是基于特定的假设，即结构连接如何介导神经元素之间的功能相互作用。因此，确定哪种网络测量方法可以提供最准确和最简洁的经验观察解释，可能会揭示支持感兴趣现象的神经生物学过程。其次，我们认为网络模型的生物学验证最终依赖于干预或纵向实验设计的经验数据。例子包括脑刺激因果效应的记录，神经退行性疾病进展的纵向成像，以及脑损伤或脑断连后结构和功能重构的评估。这些现象提供了一个机会，将注意力从对大脑网络的描述转向机械和预测的模型。许多这些主题的建模已经在进行中，未来的工作应该通过比较不同信号概念化的预测效用来推进它。随着神经科学多个领域的研究进展，特定沟通策略的证据可能会变得比现在更有说服力，从而缩小了有用模型和测量的范围。

参考文献：Brain network communication: concepts, models and applications.