[論文レビュー] Multiscale modeling of brain network organization

Charley Presigny, Fabrizio De Vico Fallani|arXiv (Cornell University)|Nov 26, 2021

Neural dynamics and brain function参考文献 220被引用数 2

ひとこと要約

本論文は、空間的・時間的スケールにわたる構造的・機能的・動的レベルを統合する、マルチレイヤーネットワークフレームワークを提示する。高度なネットワーキング理論的手法—例えばマルチレイヤー位相構造解析、生成モデル、機械学習—を用いることで、ミクロスケールの結合性がマクロスケール脳ダイナミクスをどのように形作るかを明らかにするとともに、アルツハイマー病および神経精神疾患のためのマルチモodalなネットワークバイオマーカーを同定する。

ABSTRACT

A complete understanding of the brain requires an integrated description of the numerous scales of neural organization. It means studying the interplay of genes, synapses, and even whole brain regions which ultimately leads to different types of behavior, from perception to action, while asleep or awake. Yet, multiscale brain modeling is challenging, in part because of the difficulty to access simultaneously to information from multiple spatiotemporal scales. While some insights have been gained on the role of specific microcircuits (e.g., thalamocortical), a comprehensive characterization of how changes occurring at one scale can have an impact on other ones, remains poorly understood. Recent efforts to address this gap include the development of new analytical tools mostly adapted from network science and dynamical systems theory. These theoretical contributions provide a powerful framework to analyze and model interconnected complex systems exhibiting interactions within and between different scales, or layers. Here, we present recent advances for the characterization of the multiscale brain organization in terms of structure-function, oscillation frequencies and temporal evolution. Efforts are reviewed on the multilayer network properties underlying higher-order organization of neuronal assemblies, as well as on the identification of multimodal network-based biomarkers of brain pathologies, such as Alzheimer's disease. We conclude this Colloquium with a perspective discussion on how recent results from multilayer network theory, involving generative modeling, controllability and machine learning, could be adopted to address new questions in modern neuroscience.

研究の動機と目的

• 複数の空間的・時間的・トポロジカルスケールにわたる脳組織の統合的理論的フレームワークを構築すること。
• fMRI、EEG、遺伝学などの多様な実験モダリティから得られる異種データを、一貫したマルチスケール表現に統合する課題に対処すること。
• 特定のスケール（例：シナプス的・遺伝的）での摂動が、脳ネットワーク全体を通じてどのようにマクロスケールのダイナミクスや行動に影響を及ぼすかを解明すること。
• マルチレイヤーネットワーク解析を用いて、神経学的および精神疾患のためのマルチモダリティなネットワークベースのバイオマーカーを同定すること。
• 生成モデル、制御可能性理論、機械学習の潜在的応用が、マルチスケール脳モデリングをどのように前進させるかを探索すること。

提案手法

• ミクロ、メソ、マクロスケールの脳レベルを、層内および層間接続を持つ相互接続された層として表す、マルチレイヤーネットワーク形式を用いる。
• ノードおよびレイヤーの中心性、コミュニティ検出、パス統合などの解析的手法を用い、ミクロ、メソ、マクロスケールのトポロジーを調査する。
• 現実的なマルチスケール脳ネットワークをシミュレートし、ネットワーク組織とダイナミクスに関する仮説を検証するための生成モデルを採用する。
• マルチスケールネットワークデータに対して、特にマルチノード2vecおよび畳み込みニューラルネットワークを用いた機械学習技術を統合し、低次元埋め込みを抽出し、疾患状態を分類する。
• 特定のノードまたはレイヤーに標的介入を加えた場合に、グローバル脳ダイナミクスにどのような影響を与えるかを評価するため、制御可能性理論を用いる。
• マルチモダリティな神経画像および電気生理学的データを統合し、構造的・機能的・振動的特性を反映するマルチレイヤーブレインネットワークを構築する。

実験結果

リサーチクエスチョン

• RQ1 ミクロスケールの構造的結合が、マクロスケールでの機能的および動的パターンをどのように生じさせるか。
• RQ2 人間脳における情報の分離と統合を規定するマルチレイヤーネットワークの性質は何か。
• RQ3 マルチレイヤーネットワークモデルは、アルツハイマー病およびその他の脳病理の初期段階バイオマーカーをどのように検出できるか。
• RQ4 マルチスケール脳ネットワークの生成モデルは、ミクロスケールのルールからシステムレベルの挙動をどの程度正確に予測できるか。
• RQ5 マルチレイヤーネットワークで訓練された機械学習技術は、神経精神疾患の分類をどのように改善できるか。

主な発見

• マルチレイヤーネットワークモデルは、スケールを越えて脳組織を理解する上で、構造的結合性と機能的ダイナミクスの相互作用が不可欠であることを明らかにした。
• マルチノード2vecアルゴリズムは、マルチレイヤーブレインネットワークを低次元空間に埋め込むことに成功し、脳領域の可視化およびクラスタリングを向上させるとともに、健常者と統合失調症患者の区別を可能にした。
• 多周波数EEGネットワークに適用された畳み込みニューラルネットワークは、特徴を学習することで、健常者と比較してうつ病の有病状態を効果的に分類した。
• マルチスケールネットワークの生成モデルは、ミクロスケールの結合パターンがマクロスケールの機能的組織を形作ることを示し、脳ダイナミクスの機械的メカニズム的理解を支持した。
• マルチレイヤーコミュニティ検出法により、健康状態と病的状態で異なる安定的で生物学的に意味のある脳コミュニティが同定され、特にアルツハイマー病において顕著であった。
• マルチレイヤーネットワークの制御可能性解析により、メソスケールにおける特定のハブ領域が大規模脳ダイナミクスを制御する上で重要であることが示され、神経調節の標的候補としての可能性が示唆された。