[論文レビュー] Optimal Trajectories of Brain State Transitions

Shi Gu, Richard F. Betzel+5 more|arXiv (Cornell University)|Jul 6, 2016

Functional Brain Connectivity Studies参考文献 84被引用数 5

ひとこと要約

本研究は、ネットワーク制御理論を用いて、白質の構造が脳状態遷移をどのように制約するかをモデル化し、注意および実行機能制御ネットワークが多様でかつ脆い遷移を可能にしていることを明らかにした。軽度閉鎖性脳損傷では、この多様性が低下し、制御の特異性が低下し、ノイズへの感受性が増加していることを示している。

ABSTRACT

The complexity of neural dynamics stems in part from the complexity of the underlying anatomy. Yet how the organization of white matter architecture constrains how the brain transitions from one cognitive state to another remains unknown. Here we address this question from a computational perspective by defining a brain state as a pattern of activity across brain regions. Drawing on recent advances in network control theory, we model the underlying mechanisms of brain state transitions as elicited by the collective control of region sets. Specifically, we examine how the brain moves from a specified initial state (characterized by high activity in the default mode) to a specified target state (characterized by high activity in primary sensorimotor cortex) in finite time. Across all state transitions, we observe that the supramarginal gyrus and the inferior parietal lobule consistently acted as efficient, low energy control hubs, consistent with their strong anatomical connections to key input areas of sensorimotor cortex. Importantly, both these and other regions in the fronto-parietal, cingulo-opercular, and attention systems are poised to affect a broad array of state transitions that cannot easily be classified by traditional notions of control common in the engineering literature. This theoretical versatility comes with a vulnerability to injury. In patients with mild traumatic brain injury, we observe a loss of specificity in putative control processes, suggesting greater susceptibility to damage-induced noise in neurophysiological activity. These results offer fundamentally new insights into the mechanisms driving brain state transitions in healthy cognition and their alteration following injury.

研究の動機と目的

• 白質の構造が認知的脳状態間の遷移をどのように制約するかを理解すること。
• 特に注意および実行機能制御系を含む特定の脳ネットワークが、多様な状態遷移を可能にする役割を調査すること。
• 軽度閉鎖性脳損傷が、脳の状態遷移を制御する能力にどのように影響するかを評価し、制御の特異性の喪失に注目すること。
• 健全な脳および損傷を受傷した脳における、ネットワークトポロジーと動的制御能力の関係を調査すること。
• 異なる拡散画像撮影プロトコルおよびデータセットにおいて、制御可能性プロファイルの妥当性を検証すること。

提案手法

• 234領域とトラクトラセーションを用いて、拡散スペクトラム画像（DSI）データから重み付き脳ネットワークを構築した。
• 線形力学的モデルを適用し、デフォルトモード状態からターゲット状態（例：視覚皮質、運動皮質）への有限時間内遷移をシミュレートした。
• ネットワーク制御理論を用いて最適制御問題を定式化し、複数の脳領域における最小制御エネルギー入力を特定した。
• ネットワークの隣接行列と固有構造を用いて、制御可能性指標（モーダル、平均、境界制御可能性）を計算した。
• 健全対照群と軽度閉鎖性脳損傷（mTBI）患者との間で制御可能性プロファイルを比較し、制御能力の変化を評価した。
• 複数の拡散画像撮影プロトコルで結果を検証し、既存のトラクトトレーシングデータを構造的妥当性のゴールドスタンダードとして用いた。

実験結果

リサーチクエスチョン

• RQ1 白質結合性のトポロジーは、脳が認知的状態間を遷移する能力をどのように制約するか？
• RQ2 どの脳ネットワークが広範な状態遷移を可能にする上で最も影響力が大きく、それはなぜか？
• RQ3 軽度閉鎖性脳損傷は、脳状態遷移の特異性と効率性にどのように影響するか？
• RQ4 制御可能性プロファイルは、異なる拡散画像撮影プロトコルにおいてどの程度頑健であるか？
• RQ5 線形ネットワーク制御モデルは、認知に関連する非線形神経系の動的挙動を予測できるか？

主な発見

• 注意および実行機能制御ネットワークは、多様な脳状態間の遷移を可能にする点で非常に多様性に富んでおり、認知の柔軟性の役割と整合的である。
• これらのネットワークは、広範な状態遷移を制御できる位置に置かれているが、その多様性は損傷に対する感受性の増加という代償を伴う。
• 軽度閉鎖性脳損傷を有する患者では、制御プロセスの特異性が失われており、神経生理的ノイズへの感受性が高まっていることが示唆される。
• 線形モデルから得られた制御可能性プロファイルは、異なる拡散画像撮影プロトコルにおいても一貫性を示し、信頼性が裏付けられている。
• 線形モデルの理論的結果は、非線形ウィルソン＝カウアンオシレーターのシミュレーションと一致しており、現実の神経動態への広範な適用可能性を示唆している。
• 固有ベクトル中心性が高いうなずき（ネットワークハブ）の領域は制御において重要な役割を果たしており、その機能障害は神経疾患に伴う認知障害の背後要因である可能性がある。