【博士每天一篇文献-模型】A mechanistic model of connector hubs, modularity and cognition

简介: 本文提出了一个机制模型,阐释了连接中枢在人类大脑网络中的作用及其对认知表现的影响,揭示了连接中枢的多样性与大脑网络模块化和认知功能之间的正向关系。

阅读时间:2023-11-10

1 介绍

年份:2018
作者:Maxwell A. Bertolero, B. T. Thomas Yeo
期刊: nature human behaviour
引用量:180

2 创新点

作者提出了一个机制模型,解释了连接中枢的功能以及其对认知表现的影响。
(1)提出连结枢纽在人类大脑网络中的作用:论文着重探讨了连结枢纽在人类大脑网络中的作用,并阐明了它们对认知过程的支持。
(2)提出了一个机制模型:作者提出了一个机制模型,解释了连结枢纽的功能以及它们对任务表现的影响。
(3)揭示了连结枢纽的连接与认知表现的关系:研究发现,具有强大和多样化连接的连结枢纽可以增加模块化并提高认知表现。
(4)探讨了连结枢纽与模块化之间的平衡:论文指出,完全模块化的大脑组织会限制其功能,连结枢纽提供了一个解决方案,调节不同模块之间的连接以实现任务相关的信息整合。
(5)发现连结枢纽之间存在联系:作者强调连结枢纽之间相互连接形成了一个多样化的群体。

3 相关研究

(1)connector hubs
连接器中枢是大脑网络中的一种特殊节点,其具备多样的连接性,连接着不同的社区。连接器中枢在大脑网络中发挥着重要的作用,通过调节社区之间的连接性,实现信息的整合和任务适应性的信息传递。研究结果表明,具备强大和多样的连接器中枢有助于增加大脑网络的模块化程度,并提升认知任务的表现。连接器中枢之间还存在紧密的连接,形成一个多样的群体。因此,连接器中枢在支持认知过程中发挥着重要的功能。

来自【Network hubs in the human brain】的图
Provincial hub是高度连接的节点,主要在同一模块内连接其他节点。与此相反,Connector hub是连接不同模块的高度连接节点。Provincial hub主要负责连接同一功能模块内的节点,而Connector hub则在不同功能模块之间进行连接。这种不同的分类有助于理解大脑网络的组织方式和功能。

4 模型

image.png
(1)大脑网络具有模块化结构,具有紧密连接的节点组成的社区,这些节点在自己的群体内的联系比在群体外的联系更紧密。community内的本地中心与自己的community有很强的连通性,对特定的认知功能很重要。
(2)连接中枢在人脑中具有特定的细胞结构,并与各种认知任务有关。由不同的连接中枢促进的模块化网络结构对于广泛的认知过程是最佳的。
(3)在网络中存在多样化的连接中枢有助于增加网络的模块化性。连接中枢的多样化连接与更高的网络模块化之间存在正相关关系。
(4)连接中枢在通过调整其邻居的连接使其更加模块化,从而在促进更高的模块化方面发挥作用。

5 实验分析

image.png
说明连接器中枢的多样性与功能模块化之间存在正向的关系,也与认知表现之间存在正向的关系
image.png
通过计算连接器枢纽节点和本地枢纽节点分别对脑网络模块化和任务性能的促进系数来探究它们对大脑网络的作用。连接器和本地枢纽节点的模块化系数显著更高,这表明强大的连接器和本地枢纽有助于大脑网络的模块化结构。研究结果表明连接器枢纽和本地枢纽节点能够同时促进大脑网络的模块化结构和任务性能。

image.png
图中结果显示连接器枢纽与模块性之间的关系是通过原基感觉、运动、背侧注意、腹侧注意和扣带-颅顶叶社区之间的连接性介导的。这些结果提供了关于大脑功能网络组织的新见解,表明连接器中枢的位置和功能对于大脑网络的模块性具有重要影响。

6 思考

在【Network hubs in the human brain】的基础上,进一步详细介绍了connector hubs的生物机理,可能会推动神经科学的计算机实现的进一步发展。

目录
相关文章
|
7月前
|
编解码 算法 数据挖掘
Sentieon | 每周文献-Multi-omics-第四十一期
**多组学研究揭示人类前额皮质发育中的遗传变化与转录组协调,文章发表于2020年《Cell Reports》,利用Sentieon软件分析全基因组和RNA测序数据,发现约12,000个基因表达在协调的胎儿晚期转变中变化,关联神经精神疾病。另一研究对比了EGFR生物标志物检测方法对胶质母细胞瘤精准医疗的影响, Sentieon软件同样用于变异检测,强调了检测方法的一致性和比较的重要性。Sentieon是高效精准的基因变异检测软件,广泛应用在多个生命科学领域。**
76 6
|
4月前
|
机器学习/深度学习 算法 关系型数据库
【博士每天一篇文献-实验】Is a Modular Architecture Enough?
本文探讨了模块化架构在机器学习中的有效性,通过实验展示了模块化系统在特定任务中通过专业化显著提升性能的潜力,并提出了评估模块化架构性能的新指标,同时指出了当前系统在泛化和性能上的局限性。
34 2
【博士每天一篇文献-实验】Is a Modular Architecture Enough?
|
4月前
|
算法 IDE 开发工具
【博士每天一篇文献-实验】Impact of modular organization on dynamical richness_in cortical networks
本文研究了大脑模块化组织对其动态特性的影响,发现不同耦合强度下的模块化网络展现出不同的活动模式,并通过实验揭示了单键模式在动态丰富性方面的优势,为理解大脑皮层网络的复杂动态提供了新的视角。
21 2
【博士每天一篇文献-实验】Impact of modular organization on dynamical richness_in cortical networks
|
4月前
|
编解码 算法 数据挖掘
【博士每天一篇文献-综述】Modular Brain Networks
本文详细介绍了模块化大脑网络的概念、生物作用以及使用图论工具检测这些网络的方法,探讨了模块化在大脑结构和功能中的证据及其在大脑进化和连接性最小化中的潜在角色,并回顾了网络神经科学领域在模块化大脑网络研究方面的最新进展。
45 4
【博士每天一篇文献-综述】Modular Brain Networks
|
4月前
|
机器学习/深度学习 存储 算法
【博士每天一篇文献-算法】Evolutionary multi-task learning for modular knowledge representation in neuralnetworks
本文提出了一种进化式多任务学习方法(EMTL),用于在神经网络中通过模块化网络拓扑实现模块化知识表示,模仿人脑的模块化结构存储知识,提高了网络的鲁棒性和灵活性,并在奇偶校验问题和基准模式分类任务上验证了其有效性。
37 1
|
4月前
|
机器学习/深度学习 算法
【博士每天一篇文献-算法】Adult neurogenesis acts as a neural regularizer
本文研究了成人神经发生(adult neurogenesis)在大脑学习过程中的作用,发现其作为一种神经调节器能提高学习泛化能力,并通过在卷积神经网络(CNN)中模拟神经发生,证明了其作为正则化手段与传统技术一样有效,甚至在某些方面更优。
31 6
|
4月前
|
机器学习/深度学习 人工智能 算法
【博士每天一篇文献-算法】Seeing is believing_ Brain-inspired modular training for mechanistic interpretability
这篇文章提出了一种模仿大脑结构和功能的训练正则化方法,称为大脑启发的模块化训练(BIMT),通过在几何空间中嵌入神经元并增加与连接长度成比例的正则化项来促进神经网络的模块化和稀疏化,增强了网络的可解释性,并在多种任务和数据集上验证了其有效性。
45 2
|
4月前
|
算法
【博士每天一篇文献-算法】Optimal resilience of modular interacting networks
本文是一篇关于网络科学中模块化相互作用网络最佳韧性的研究论文,提出了两种分析框架来探讨在确定性和随机耦合模式下这些网络的韧性,并发现存在一个最佳互连节点的比例,可以最大化系统的韧性,使其能够承受更多的破坏。研究强调了理解真实世界耦合模式的重要性,并基于这些模式优化系统设计的重要性,对于设计和优化经济、社会和基础设施网络具有重要意义。
29 0
【博士每天一篇文献-算法】Optimal resilience of modular interacting networks
|
4月前
|
机器学习/深度学习 人工智能
【博士每天一篇文献-模型】Self-organizing deep belief modular echo state network for time series
本文提出了一种自组织深度置信模块式回声状态网络(SDBMESN),通过结合深度置信网络和模块化回声状态网络,利用自组织机制动态调整网络结构,以提高时间序列预测的泛化能力。
23 2
|
4月前
|
算法 数据挖掘
【博士每天一篇文献-算法】A pseudo-inverse decomposition-based self-organizing modular echo
本文提出了一种基于伪逆分解的自组织模块化回声状态网络(PDSM-ESN),通过增长-修剪方法和伪逆分解提高学习速度,有效解决了ESN中的不适定问题,并在多个数据集上展示了其优越的预测性能和鲁棒性。
27 1