神经科学网络模型

Posted 2021-04-07 天津市功能影像重点实验室

文献汇报

随着网络理论的应用日益广泛，“Network Model（网络模型）”这个术语的解释也众说纷纭，而这种多样性会导致混乱、难以评定网络模型的效度以及阻碍学科间合作，因此，本文作者希望能制定一些原则来解决这些问题。本文比较系统全面地概括了网络神经科学的发展现状；将如今常用的网络模型划分为3个维度；从生物学、哲学角度出发提供了一套评估模型效度的方法；最后提出了一种拼接不同类型模型的可能性，并指出了网络模型未来的发展方向。

网络神经科学的发展现状

现代网络神经科学的基本元素是节点/Nodes（微观体现为细胞胞体，宏观为细胞构筑或具有功能意义的分区，更抽象一点的如体素等等）和边/Edges（已确定的突触，追踪出的白质纤维，节点时间序列的统计相似性等），基于这些节点和边所构建的网络模型来描述、解释和预测它所表达的真实网络。常用的分析方法有图论，神经元网络中还有超图、单纯复形、不基于图形的方法等；更复杂的网络形式有多层网络、多模态网络、时间动态网络。其中多层网络有助于寻找多个网络中共同的成分以及特异于某一种网络的模块，多模态网络可将不同模态的数据，如EEG和FMRI结合分析，以挖掘更多的信息。此外，还有常用的一些网络指标，如度，模块，最短路径等。

常用网络模型的3个维度：

1.从简单的数据表达到有公式描述网络动态变化：在First-principles theory中，借用神经元集群模型（Neural mass model）可实现基于结构连接预测功能连接；借用网络控制理论可计算每个节点的可控性（Controllability），分析不同脑区在脑部不同认知状态转变中的作用；借用最大熵原理构建最大熵模型，获得网络中的边，该模型所构建的连接与Pearson相关功能连接相比，较结构连接更相近。

2.从结构网络到功能网络

3.从微观到宏观

这三个维度相对独立：一个简单的数据表达模型可以是结构的或者是功能的，同时是微观或宏观的。现今研究最少的一个领域是：微观角度、有公式表达网络动态变化的功能网络。

评估模型效度

效度（Validity）即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。换言之，一个模型的效度高低可以理解为该模型的好坏程度。效度可分为三个部分：描述效度（Descriptive validity/Face validity），即模型可以多好地描述它所要表达的网络，强调对数据的拟合程度；解释效度（Explanatory validity/Construct validity），即由模型所得结果的可解释性，以及能否对因果关系进行合理阐述，强调对数据的拟合程度，同时惩罚模型复杂度；预测效度（Predictive validity），即模型对扰动的响应可预测真实生物体对扰动的反映，强调模型泛化程度，降低模型复杂度，同时对数据的拟合程度较高。其中大多数模型所欠缺且亟待补充的是预测效度。

拼接不同类型的模型

因为每一种类型的网络模型各有优缺点，所以将不同类型的模型拼接起来，可以用其他模型的优点来弥补某一模型的缺点。本文将拼接出的网络称为“Meta-network models”，在这种模型中，节点是不同的网络，边是网络与网络间的连接，通过这种方法可将不同尺度的网络拼接起来，综合多种模型的信息。但这仅是一种设想，作者建议未来应在评估模型效度以及拼接模型方面做更多的工作。

 

【文献】Bassett D S, Zurn P, Gold J I. On the nature and use of models in network neuroscience [J]. Nat Rev Neurosci. 2018 Jul 12. doi: 10.1038/s41583-018-0038-8.

汇报PPT