[論文レビュー] Spatial Embedding Imposes Constraints on the Network Architectures of Neural Systems

Jennifer Stiso, Danielle S. Bassett|arXiv (Cornell University)|Jul 12, 2018

Functional Brain Connectivity Studies参考文献 4被引用数 3

ひとこと要約

本論文は、物理的空間的埋め込みが、配線最小化や通信効率といった配線ルールを形作り、局所的なクラスタリングが高く長距離接続が疎であるような特定のトポロジーを生じさせることにより、ニューラルネットワークアーキテクチャに根本的な制約をもたらすと主張している。これらの空間的制約は機能的ダイナミクスに影響を与え、観察されたコンネクトーム特徴を説明するものであり、脳機能および疾患における機能障害を理解する上で不可欠である。

ABSTRACT

A fundamental understanding of the network architecture of the brain is necessary for the further development of theories explicating circuit function. Perhaps as a derivative of its initial application to abstract informational systems, network science provides many methods and summary statistics that address the network's topological characteristics with little or no thought to its physical instantiation. Recent progress has capitalized on quantitative tools from network science to parsimoniously describe and predict neural activity and connectivity across multiple spatial and temporal scales. Yet, for embedded systems, physical laws can directly constrain processes of network growth, development, and function, and an appreciation of those physical laws is therefore critical to an understanding of the system. Recent evidence demonstrates that the constraints imposed by the physical shape of the brain, and by the mechanical forces at play in its development, have marked effects on the observed network topology and function. Here, we review the rules imposed by space on the development of neural networks and show that these rules give rise to a specific set of complex topologies. We present evidence that these fundamental wiring rules affect the repertoire of neural dynamics that can emerge from the system, and thereby inform our understanding of network dysfunction in disease. We also discuss several computational tools, mathematical models, and algorithms that have proven useful in delineating the effects of spatial embedding on a given networked system and are important considerations for addressing future problems in network neuroscience. Finally, we outline several open questions regarding the network architectures that support circuit function, the answers to which will require a thorough and honest appraisal of the role of physical space in brain network anatomy and physiology.

研究の動機と目的

• 物理的空間的埋め込みがニューラルネットワークアーキテクチャに根本的な制約をもたらし、接続パターンやダイナミクスに影響を与えることを確立すること。
• 配線最小化や通信効率といった空間的制約が、高クラスタリングと疎な長距離接続といった特定のトポロジカル特徴を生じることを示すこと。
• ネットワーク神経科学における幾何学とトポロジーの統合の重要性を強調し、機能的ダイナミクスおよび疾患メカニズムを理解すること。
• 空間的埋め込みを考慮した神経系における分析を向上させるための計算ツールおよびモデルをレビューすること。
• 空間的制約をより深く考慮する必要がある、コンネクトーム発達、ネットワークダイナミクス、バイオマーカー探索における未解決の問題を特定すること。

提案手法

• 神経解剖学およびコンネクトミクスからの実証的証拠をレビューし、空間的埋め込みが観察されたネットワークトポロジーを形作ることを示すこと。
• トポロジカル性質（内在的なグラフ構造）と幾何的性質（空間的埋め込み）を区別するネットワーク科学のツールを適用すること。
• 距離依存的接続確率や最小配線コストといった空間的制約を組み込んだ生成的ネットワークモデルを用いること。
• クラスタリング係数、経路長、モジュラリティなどの統計的ノイズモデルおよび指標を用いて、空間的制約を受けるトポロジーを定量すること。
• 空間的埋め込みニューラルネットワークにおけるサイクルや高次構造を分析するために、応用代数的トポロジーを統合すること。
• 機能的および構造的結合データを分析し、空間的埋め込みが機能的勾配やダイナミックモチーフとどのように相関するかを検討すること。

実験結果

リサーチクエスチョン

• RQ1 空間的制約を受ける発達的プロセスは、脳ネットワークにおけるサイクル形成をどのように制約するか？
• RQ2 配線最小化や通信効率では説明できない、コンネクトームトポロジーのどの側面が、より繊細なルールに起因するのだろうか？
• RQ3 物理的成長則に従って生じる構造的トポロジーは、どのように機能的勾配をサポートするか？
• RQ4 脳活動の不変的特徴とその下位の解剖学的構造との正確な関係は何か？
• RQ5 コンネクトームの発達は、健康および疾患状態における皮質における活動の空間的進行をどのように決定するか？

主な発見

• 空間的埋め込みは、ニューラルネットワークアーキテクチャに物理的制約をもたらし、局所的クラスタリングが高く長距離接続が疎なトポロジーを生じさせる。
• 配線最小化と通信効率は、皮質および副皮質系において特に顕著な、観察された脳ネットワークトポロジーを形作る競合するルールである。
• 脳における機能的結合パターンは、空間的埋め込みおよびその結果生じるトポロジカル特徴（モジュラリティやスモールワールド組織）と密接に関連している。
• 脳ネットワークのトポロジカル性質（クラスタリングや経路長）は、てんかんや統合失調症などの神経および精神的疾患において広範に変化する。
• 空間的制約は、発現可能な神経ダイナミクスの範囲に影響を与え、正常機能および疾患関連のネットワーク dysregulation に寄与する。
• ノイズモデル、生成的モデル、トポロジカルデータ解析を含む、計算ツールの集合が増大しており、これらは空間的埋め込みの効果を観察されたニューラルネットワーク現象から分離可能にする。