[論文レビュー] The Energy Landscape of Neurophysiological Activity Implicit in Brain Network Structure

Shi Gu, Matthew Cieslak+5 more|arXiv (Cornell University)|Jul 7, 2016

Functional Brain Connectivity Studies参考文献 61被引用数 17

ひとこと要約

本研究は、白質の構造的結合を情報源として用いた最大エントロピーモデルを提案し、神経生理的活動のエネルギー状態の地図を作成する。低エネルギー状態は、認知系に類似した同時活性化パターンを示し、予測された休息状態のfMRI活性化率と観測された活性化率の間に強い相関（r=0.17, p=0.0094）を示しており、エネルギー的および構造的制約が機能的脳組織を共同で規定していることが明らかになった。

ABSTRACT

A critical mystery in neuroscience lies in determining how anatomical structure impacts the complex functional dynamics of human thought. How does large-scale brain circuitry constrain states of neuronal activity and transitions between those states? We address these questions using a maximum entropy model of brain dynamics informed by white matter tractography. We demonstrate that the most probable brain states -- characterized by minimal energy -- display common activation profiles across brain areas: local spatially-contiguous sets of brain regions reminiscent of cognitive systems are co-activated frequently. The predicted activation rate of these systems is highly correlated with the observed activation rate measured in a separate resting state fMRI data set, validating the utility of the maximum entropy model in describing neurophysiologial dynamics. This approach also offers a formal notion of the energy of activity within a system, and the energy of activity shared between systems. We observe that within- and between-system energies cleanly separate cognitive systems into distinct categories, optimized for differential contributions to integrated v.s. segregated function. These results support the notion that energetic and structural constraints circumscribe brain dynamics, offering novel insights into the roles that cognitive systems play in driving whole-brain activation patterns.

研究の動機と目的

• 構造的脳結合が機能的脳動態および状態遷移をどのように制約するかを理解すること。
• エネルギー的制約が脳状態の確率および安定性をどのように規定するかを調査すること。
• エネルギー最小化の原則を介して脳ネットワーク構造と神経生理的活動を結びつける形式的枠組みを構築すること。
• モデルの予測を独立した休息状態fMRIデータと照合して検証すること。
• 統合的および分離的機能的役割を、システム内およびシステム間のエネルギー指標を用いて区別すること。

提案手法

• 本研究は、実証的な白質トレイセティグデータを構造的制約として用いて、脳活動の最大エントロピーモデルを構築する。
• 可能な脳状態の間をランダムウォークでシミュレートし、エネルギー状態の局所的最小値（最も確率の高い状態）をサンプリングする。
• エネルギーは、領域的活動と構造的結合の関数として定義され、各脳領域についてシステム内およびシステム間のエネルギー成分が計算される。
• モデルは、サンプリングされた低エネルギー状態に頻繁に現れる領域に基づき、脳領域の活性化率を計算する。
• 予測された活性化率は、別個の休息状態fMRIデータから得られた観測された活性化率とピアソン相関を用いて比較される。
• 認知系は、既存のパラセレーションスキームを用いて同定され、そのエネルギープロファイルは、機能的役割の区別を目的として分析される。

実験結果

リサーチクエスチョン

• RQ1 構造的結合は、脳活動の最も確率の高い状態をどのように規定するか？
• RQ2 構造的結合に加えて、エネルギー的制約が人間脳における観測された機能的ダイナミクスをどの程度予測できるか？
• RQ3 脳状態のエネルギー状態の地図を用いて、機能的役割に基づいて認知系を区別できるか？
• RQ4 システム内およびシステム間のエネルギー寄与は、脳の統合と分離のバランスとどのように関係するか？
• RQ5 脳領域の予測された活性化率は、休息時の実測fMRI活性化率と有意に相関しているか？

主な発見

• エネルギー状態の局所的最小値に対応する最も確率の高い脳状態は、既知の認知系に類似した同時活性化パターンを示す。
• 最大エントロピーモデルから得られた予測された活性化率は、休息状態fMRIデータからの観測された活性化率と有意な正の相関（r=0.17, p=0.0094）を示す。
• システム内およびシステム間のエネルギー指標は、認知系を明確に異なる機能的カテゴリーに分類し、統合的および分離的脳機能への寄与の差を示す。
• モデルは、エネルギー的制約が構造的結合単体よりも追加の説明的力を持つことを明らかにした。
• 領域の活性化率は、領域の次数やエネルギー単体ではよく予測されないため、結合性とエネルギーの相互作用が正確な予測に不可欠であることが示された。
• エネルギー状態の地図フレームワークは、脳状態遷移の正式なメカニズムを提供し、異常な状態遷移を示す精神的および神経疾患に影響を及ぼす可能性がある。