[论文解读] A Framework for the Time- and Frequency-Domain Assessment of High-Order Interactions in Brain and Physiological Networks

Luca Faes, Gorana Mijatović+8 more|arXiv (Cornell University)|Feb 8, 2022

Functional Brain Connectivity Studies被引用 5

一句话总结

本文提出了一种新颖的信息论框架，利用O-信息速率（OIR）量化脑网络与生理网络在时域和频域中的高阶交互作用（HOIs），该框架可分解为格兰杰因果与瞬时成分，并可扩展至各频段。该方法揭示，麻醉诱导了从α/β频段冗余向前额叶与顶叶区域参与的δ与γ频段冗余增强的转变，表明与意识状态改变相关的整合神经回路发生了重组。

ABSTRACT

While the standard network description of complex systems is based on quantifying links between pairs of system units, higher-order interactions (HOIs) involving three or more units play a major role in governing the collective network behavior. This work introduces an approach to quantify pairwise and HOIs for multivariate rhythmic processes interacting across multiple time scales. We define the so-called O-information rate (OIR) as a new metric to assess HOIs for multivariate time series, and propose a framework to decompose it into measures quantifying Granger-causal and instantaneous influences, as well as to expand it in the frequency domain. The framework exploits the spectral representation of vector autoregressive and state-space models to assess synergistic and redundant interactions among groups of processes, both in specific bands and in the time domain after whole-band integration. Validation on simulated networks illustrates how the spectral OIR can highlight redundant and synergistic HOIs emerging at specific frequencies but not using time-domain measures. The application to physiological networks described by heart period, arterial pressure and respiration measured in healthy subjects during paced breathing, and to brain networks described by ECoG signals acquired in an animal experiment during anesthesia, document the capability of our approach to identify informational circuits relevant to well-defined cardiovascular oscillations and brain rhythms and related to specific physiological mechanisms of autonomic control and altered consciousness. The proposed framework allows a hierarchically-organized evaluation of time- and frequency-domain interactions in networks mapped by multivariate time series, and its high flexibility and scalability make it suitable to investigate networks beyond pairwise interactions in neuroscience, physiology and other fields.

研究动机与目标

• 开发一种可扩展、基于原理的方法，用于评估多变量生理与神经时间序列中的高阶交互作用（HOIs），超越成对交互作用。
• 解决标准网络模型忽略三者及以上单元集体动态的局限性。
• 整合基于信息论度量的时域与频域高阶交互作用分析。
• 将交互作用度量分解为格兰杰因果与瞬时成分，以获得更深入的机制洞察。
• 在真实生理与神经数据上验证该框架，证明其能够检测到具有生物学意义的交互作用模式。

提出的方法

• 提出O-信息速率（OIR）作为对称且可扩展的度量，用于量化多变量随机过程中的冗余与协同高阶交互作用。
• 采用向量自回归（VAR）与状态空间模型，实现在各频段上的OIR谱分解。
• 利用基于模型的谱表示，将OIR分解为反映格兰杰因果与瞬时影响的成分。
• 将OIR在整个频带范围内积分，以获得时域度量，同时保留频带特异性洞察。
• 将该框架应用于模拟网络与人类节律性呼吸及动物皮层脑电图记录的真实数据。
• 采用参数化建模以确保计算可靠性与大规模网络的可扩展性。

实验结果

研究问题

• RQ1 如何在时域与频域中量化涉及三个或更多生理或神经过程的高阶交互作用？
• RQ2 格兰杰因果影响与瞬时影响对动态网络中整体高阶交互作用结构的贡献是什么？
• RQ3 哪些特定频段在生理与脑网络中承载显著的冗余或协同交互作用？
• RQ4 在意识状态改变（如麻醉）期间，高阶交互作用模式如何变化？
• RQ5 所提出的框架能否检测到仅依赖成对或时域度量时无法察觉的交互作用模式？

主要发现

• 在麻醉期间，δ频段（≈2 Hz）与γ频段的OIR显著增加，尤其在包含前额叶皮层信号的多重交互中，表明高阶冗余增强。
• 与清醒静息状态相比，麻醉期间α与β频段的OIR下降，尤其在涉及视觉与顶叶皮层的多重交互中，与无意识状态下α节律的消失一致。
• 麻醉期间δ频段的冗余主要由涉及前额叶皮层的交互驱动，支持其在慢波振荡中的作用。
• 麻醉期间γ频段的OIR增加，表明高阶交互作用重组，与无意识状态下的认知处理相关。
• 该框架检测到了仅通过时域或成对交互度量无法察觉的频带特异性HOIs，凸显其对隐藏网络动态的敏感性。
• 结果支持意识源于整合神经交互作用的理论，因为麻醉下从α/β频段向δ/γ频段冗余的转变，反映了整合信息的破坏与冗余的上升。