[论文解读] Small-World Brain Networks Revisited

Danielle S. Bassett, Edward T. Bullmore|arXiv (Cornell University)|Aug 19, 2016

Functional Brain Connectivity Studies参考文献 110被引用 9

一句话总结

本文重新审视了小世界脑网络的概念，认为尽管二值图分析长期以来主导了连接组学，但加权图模型更能反映神经连接的生物现实。通过重新评估猕猴和小鼠大脑的高分辨率示踪数据，作者表明，加权小世界拓扑结构——尤其是弱连接和长程连接的作用——比传统的二值度量提供了更准确、更具生物学意义的框架，以理解皮层网络组织。

ABSTRACT

It is nearly 20 years since the concept of a small-world network was first quantitatively defined, by a combination of high clustering and short path length; and about 10 years since this metric of complex network topology began to be widely applied to analysis of neuroimaging and other neuroscience data as part of the rapid growth of the new field of connectomics. Here we review briefly the foundational concepts of graph theoretical estimation and generation of small-world networks. We take stock of some of the key developments in the field in the past decade and we consider in some detail the implications of recent studies using high-resolution tract-tracing methods to map the anatomical networks of the macaque and the mouse. In doing so, we draw attention to the important methodological distinction between topological analysis of binary or unweighted graphs, which have provided a popular but simple approach to brain network analysis in the past, and the topology of weighted graphs, which retain more biologically relevant information and are more appropriate to the increasingly sophisticated data on brain connectivity emerging from contemporary tract-tracing and other imaging studies. We conclude by highlighting some possible future trends in the further development of weighted small-worldness as part of a deeper and broader understanding of the topology and the functional value of the strong and weak links between areas of mammalian cortex.

研究动机与目标

• 重新评估小世界网络分析在神经科学中的基础假设，特别是对二值或无权重图的依赖。
• 突出经典小世界度量在应用于高分辨率、加权神经解剖数据时的局限性。
• 倡导在连接组学中采用加权图论，以更准确地反映皮层连接的真实拓扑结构。
• 证明在哺乳动物大脑中，弱连接和长程连接在维持小世界特性与功能整合方面起着关键作用。

提出的方法

• 将加权图论应用于基于高分辨率示踪数据构建的猕猴和小鼠皮层连接组。
• 使用针对加权网络改进的Watts-Strogatz生成模型，其中边权重基于空间距离。
• 计算加权聚类（Γ）和加权路径长度（Λ），作为重连概率和网络密度的函数。
• 引入并计算小世界倾向性（φ），作为将实证网络与随机和规则网络基准进行比较的归一化度量。
• 对连接矩阵进行阈值处理，以研究小世界度量如何随网络密度和连接强度变化。
• 分析最强的5%和最弱的5%连接的拓扑特性，以比较其空间组织与随机性。

实验结果

研究问题

• RQ1 加权小世界度量与经典二值度量在描述真实脑网络时有何不同？
• RQ2 弱连接和长程连接在哺乳动物皮层网络中的功能与拓扑作用是什么？
• RQ3 当使用加权图模型分析时，猕猴和小鼠大脑的高分辨率示踪数据在多大程度上支持小世界拓扑？
• RQ4 网络密度在加权脑图中如何影响小世界特性的出现？
• RQ5 小世界倾向性（φ）能否作为连接组学中网络拓扑的稳健且具有生物学可解释性的度量？

主要发现

• 猕猴连接组在66%的连接密度下表现出约0.8的小世界倾向性（φ），表明加权网络中具有强烈的小世界特性。
• 小鼠连接组在53%的密度下表现出约0.6的φ值，同样表明存在小世界拓扑，但其显著性低于猕猴。
• 小鼠大脑中最强的5%连接在空间上具有组织性，主要连接相邻或同源区域；而最弱的5%连接则跨越更长距离，表现出更多随机的拓扑模式。
• 加权小世界度量（Γ、Λ、σ、φ）对网络密度高度敏感，φ在中等密度时达到峰值，表明整合性与模块性之间存在权衡。
• 研究发现，尽管数量稀少，弱连接在维持短路径长度和全局整合方面至关重要，挑战了‘仅强连接重要’的假设。
• 作者得出结论：与二值模型相比，加权小世界特性提供了更准确、更具生物学相关性的框架，以理解皮层连接的功能价值。