[论文解读] Avalanches of Activation and Spikes in Neuronal Complex Networks

Luciano da Fontoura Costa|ArXiv.org|Feb 4, 2008

Neural dynamics and brain function参考文献 1被引用 5

一句话总结

本文提出一种基于同心邻域和分层度的平均场等效模型，用以解释复杂神经元网络中的级联激活动力学。结果表明，网络拓扑结构——尤其是分层节点分布——决定了激活级联的时机与强度：路径规则网络与Barabási-Albert网络表现出突然的、S型的激活爆发，而Watts-Strogatz网络与地理网络则呈现渐进的扩散。

ABSTRACT

As shown recently (arXiv:0801.3056), several types of neuronal complex networks involving non-linear integration-and-fire dynamics exhibit an abrupt activation along their transient regime. Interestingly, such an avalanche of activation has also been found to depend strongly on the topology of the networks: while the Erdős-Rény, Barabási-Albert, path-regular and path-transformed BA models exhibit well-defined avalanches; Watts-Strogatz and geographical structures present instead a gradual dispersion of activation amongst their nodes. The current work investigates such phenomena by considering a mean-field equivalent model of a network which is strongly founded on the concepts of concentric neighborhoods and degrees. It is shown that the hierarchical number of nodes and hierarchical degrees define the intensity and timing of the avalanches. This approach also allowed the identification of the beginning activation times during the transient dynamics, which is particularly important for community identification (arXiv:0801.4269, arXiv:0801.4684). The main concepts and results in this work are illustrated with respect to theoretical and real-world (\emph{C. elegans}) networks. Several results are reported, including the identification of secondary avalanches, the validation of the equivalent model, the identification of the possible universality of the avalanches for most networks (depending only on the network size), as well as the identification of the fact that different avalanches can be obtained by locating the activation source at different neurons of the \emph{C. elegans} network.

研究动机与目标

• 理解网络拓扑如何影响神经元网络中瞬态的非线性激活动力学。
• 开发一种简化的平均场模型，以捕捉激活级联的本质特征，而无需模拟完整的网络动力学。
• 识别同心邻域与分层度在决定级联启动与强度中的作用。
• 通过合成网络（如ER、BA、WS）与真实网络（C. elegans）验证该模型。
• 探讨该模型在神经元系统中社区检测与激活局限性方面的意义。

提出的方法

• 在激活源节点周围定义同心邻域，测量每一层的节点数量与分层度。
• 构建一个平均场等效网络，其中每个同心环被表示为一个单一的超节点，其连接关系进行聚合。
• 利用分层度与环的大小，对跨层级的累积激活流进行建模，模拟瞬态动力学。
• 将该模型应用于多种网络类型（ER、BA、WS、GG、PN、PA），比较不同拓扑结构下的级联行为。
• 通过将模型预测的激活时机与强度与完整积分-放电模拟结果对比，验证模型的有效性。
• 利用该模型预测C. elegans中二次级联与源依赖的激活模式。

实验结果

研究问题

• RQ1 网络拓扑如何影响非线性积分-放电神经元网络中激活级联的出现？
• RQ2 基于同心邻域的平均场模型能否准确再现激活级联的时机与强度？
• RQ3 分层度与环的大小在决定级联启动与传播中起到何种作用？
• RQ4 不同网络类型（如小世界网络与无标度网络）在激活动力学上存在哪些差异？
• RQ5 该模型能否预测真实神经元网络（如C. elegans）中二次级联与源依赖的激活模式？

主要发现

• 路径规则网络与Barabási-Albert网络由于其分层节点分布，表现出突然的、S型的激活级联。
• Watts-Strogatz网络与地理网络则表现出渐进的、平滑的激活扩散，而非剧烈的级联。
• 平均场等效模型在多种网络类型中均能准确再现激活级联的时机与强度。
• 在路径规则网络中观察到二次级联，表明其时间动力学远超初始激活爆发的复杂性。
• 该模型成功预测了C. elegans中不同激活源位置会产生不同的级联模式。
• 同心邻域的分层结构被识别为级联行为的关键决定因素，提示其可能是一种仅依赖于网络规模的近似普适机制。