《Neuroscience & Biobehavioral Reviews》：Biological substrates of structure-function coupling in brain networks
编辑推荐：
本文综述了神经生物学与计算神经科学在探究人类大脑皮层结构连接与功能连接相关性区域差异中的应用，分析进化、髓鞘架构、细胞架构及神经调节机制，提出整合多层数据和计算模型以开发个性化脑模型的前景。
帕纳约蒂斯·福蒂亚迪斯（Panagiotis Fotiadis）| 艾米·F.T. 阿恩斯坦（Amy F.T. Arnsten）| 林登·帕克斯（Linden Parkes）| 西奥多·D. 萨特斯沃斯（Theodore D. Satterthwaite）| 拉塞尔·T. 新原（Russell T. Shinohara）| 丹尼·S. 巴塞特（Dani S. Bassett）
美国宾夕法尼亚大学佩雷尔曼医学院神经科学系，费城，宾夕法尼亚州
摘要
在这篇综述中，我们从神经生物学和计算神经科学领域汲取见解，探讨一个基本问题：为什么人类大脑皮层中结构连接性与功能连接性之间的相关性存在差异？我们首先总结了揭示大脑不同区域及个体之间结构-功能耦合异质性的实证研究。接着，我们确定了可能介导这种变异性的生物学因素，重点关注进化、髓鞘结构、细胞结构以及神经调节在塑造人类大脑皮层动态多样化的结构-功能景观中的作用。随后，我们通过计算建模来加深对系统结构与其功能表达之间关系的理解。我们研究了将大脑网络中的结构映射到功能的生物启发式计算模型，特别关注那些模拟外部干扰和结构损伤的研究，并讨论了这些方法对理解结构连接性与功能连接性之间因果机制的启示。最后，我们讨论了未来的研究方向，强调需要努力将神经生物学与计算建模结合起来，以设计出生物学上准确、个性化的脑模型。特别是，我们强调了基于个体特定微观结构和神经调节梯度以及非线性动态的多层网络的潜力，认为这是一个特别有前景的方向。这样的个性化模型可以通过实验验证其预测能力，最终使我们更接近于为个体量身定制的非侵入性、基于连接组的临床治疗方法。
引言
在物理学、工程学和生物学中，一个核心原则是“结构既限制功能也支持功能”。这一点在像大脑这样的适应性动态系统中表现得尤为明显。过去几十年里，磁共振成像（MRI）技术的进步使神经科学家能够无创地探测人类大脑的结构和功能活动。人类的大脑扩散加权MRI和实验室动物的神经元示踪研究通常用于重建连接不同大脑区域的白质纤维，从而形成大脑的“结构连接组”。同样，静息态和基于任务的功能性MRI（fMRI）通过检测血液（脱）氧变化来间接推断神经元激活模式，从而构建大脑的“功能连接组”。
为了将这两种方法联系起来，最近的研究探讨了一个大脑区域的结构连接性与功能连接性模式与其他所有区域之间的相关性，以此来量化一个大脑区域的功能激活模式对其潜在解剖连接性的依赖程度。这可以通过多种方法实现，这些方法主要在量化这种依赖性的方式上有所不同。常见的方法包括：(i) 连接性方法，其中将一个大脑区域的结构-功能耦合定义为该区域的结构连接性向量与其他大脑区域的连接性向量之间的统计相关性（例如，相关系数）（Fotiadis等人，2023a；Baum等人，2020；Gu等人，2021；Liegeois等人，2020；Zarkali等人，2021；Cocchi等人，2014）；(ii) 和谐分析方法，该方法将一个区域的功能性大脑活动表示为大脑结构连接组的谐波分量的加权线性组合（Atasoy等人，2016；Atasoy等人，2017；Deslauriers-Gauthier等人，2020；Facca等人，2024；Yang等人，2023）；以及(iii) 建模方法，评估由相关结构拓扑特征预测的功能连接性与实证得出的功能连接性之间的匹配程度（Vasquez-Rodriguez等人，2019；Liu等人，2022；Baller等人，2022；Hu等人，2022）。有关用于量化结构-功能耦合的方法论方法的更深入综合，请参见参考文献（Fotiadis等人，2024a）。
在定义和解释结构-功能关系时，一个关键的考虑因素是所使用工具的固有方法学限制。例如，来自组织学和示踪研究的实验数据中的测量误差和偏差可能会引入混淆因素，导致实证研究和建模研究之间的不一致。此外，束成像技术——一种利用扩散MRI数据三维重建穿过大脑的白质纤维的无创技术，通常用于构建结构连接组——经常会产生错误的解剖学连接（Maier-Hein等人，2017）。此外，该技术可能对解剖学标志物（如皮层折叠）敏感，这些标志物已知会在流线的起点和终点位置引入几何偏差（Maier-Hein等人，2017；Schilling等人，2019；Calamante等人，2019；Donahue等人，2016；Reveley等人，2015）。同样，从fMRI数据构建功能连接组也可能受到生理因素的干扰，如呼吸、心率、血管拓扑和神经血管耦合（Birn等人，2006；Glasser等人，2018；Power等人，2017；Chen等人，2020；Wise等人，2004；Tak等人，2015；Polimeni等人，2010）。在解释分析结果时，认识到并考虑这些方法学限制至关重要。重要的是，常被视作噪声的异常值实际上也可能提供有关大脑结构和功能动态相互作用的有价值见解。
越来越多的证据表明，人类大脑皮层中的结构连接性与功能连接性存在异质性（Fotiadis等人，2023a；Baum等人，2020；Gu等人，2021；Liegeois等人，2020；Facca等人，2024；Suárez等人，2020；Vázquez-Rodríguez等人，2019；Preti和Van De Ville，2019；Luo等人，2020）。单模感觉皮层（如视觉、听觉和体感区域）内的脑区往往表现出相对较强的结构-功能连接性相关性。相比之下，跨模态关联区域（包括前额-顶叶、默认模式和边缘网络中的区域）通常显示较弱的结构-功能耦合，这可能反映了它们在功能连接性模式上的固有更大变异性（Mueller等人，2013）。存在一个动态景观，在这个景观中，结构和功能之间的关系在皮层层面上是变化的，这被认为促进了功能多样性和认知灵活性（Baum等人，2020；Wu等人，2020；Yeo等人，2015；Srivastava等人，2022）。
鉴于结构-功能关系在不同区域、个体以及认知/行为背景或任务之间存在显著差异（有关这一主题的深入综述，请参阅参考文献（Fotiadis等人，2024a）），该领域开始寻求更深层次的解释和组织原则。我们如何更好地理解结构连接性与功能连接性之间“为什么”存在差异？其生物学原因或潜在机制是什么？在这篇综述中，我们从神经生物学和计算神经科学领域汲取见解，探讨大脑结构和功能之间的区域依赖性。我们的讨论集中在区域层面而非整个大脑层面，使用单模-跨模态皮层层次结构作为解释结构和功能如何交织的指导框架。我们讨论了可能解释皮层中结构-功能耦合异质性的生理机制，包括可以动态调节结构连接的皮层回路中的神经调节机制（Arnsten等人，2012），并最终探讨计算建模如何进一步洞察结构和功能之间的动态相互作用。尽管现有的研究已经提供了关于结构-功能耦合的重要见解，但它们主要是在孤立地处理生物学机制、测量限制和计算模型。在这里，我们将这些维度整合在一个共同的区域框架内，以识别解释解剖结构如何塑造皮层层次结构中功能组织的共性原则。
结构-功能耦合的生物学相关性
尽管人类大脑皮层中的结构连接性与功能连接性之间存在差异，但功能究竟是如何从结构中产生并反馈到结构中的仍然是一个未解之谜。与任何生物特征一样，结构-功能耦合可以通过不同的视角来研究；进化、细胞形态和神经调节等是调节结构和功能如何动态相互影响的强大驱动力。
总结
在本节中，我们探讨了进化、微观结构属性（如髓鞘和细胞结构）以及直接（即兴奋和抑制）和间接（即胶质细胞和经典神经调节系统）形式的神经调节如何不同程度地影响单模感觉皮层与跨模态皮层区域，从而导致了它们不同的结构-功能耦合模式。虽然进化提供了关于区域功能表达“何时”开始的关键见解
结构-功能耦合的计算洞察
如前文所述，侵入性和非侵入性实验方法长期以来一直是直接测试关于不同细胞属性（如髓鞘结构、细胞结构和神经调节）如何塑造大脑功能表达的假设的金标准。补充这些实证方法的是，计算建模也能够提供宝贵的见解，因为它能够模拟多种情景，其中对建模系统的改变
结论
数学公式和计算能力的进步使研究人员能够以前所未有的细节和惊人的准确性对人类大脑网络的结构和功能属性进行建模。来自组织学和神经影像学研究的最新发现强调了皮层层面上结构连接性与功能连接性之间异质性的关系，突显了对解释性计算模型的日益增长的需求。值得注意的是，建模工作已经
致谢
本项工作得到了NIH资助（T32-EB020087（P.F.）、R01MH113550（D.S.B. & T.D.S.）、R21MH106799（D.S.B.）、R01MH112847（R.T.S. & T.D.S.）、R01MH120482（T.D.S.）、R01EB022573（T.D.S.）、R01MH123550（R.T.S.）、R01NS112274（R.T.S.）、RF1MH116920（D.S.B. & T.D.S.）和K99MH127296（L.P.）、Swartz基金会（D.S.B.）、Brain & Behavior Research Foundation（2020 NARSAD青年研究员资助给L.P.）、AE基金会（T.D.S.）以及John D.和Catherine T. MacArthur基金会（D.S.B.）的支持。
引用多样性声明
术语表
- 结构连接组
- 一个矩阵，其中每条边代表不同大脑区域之间的估计解剖学连接强度。解剖学连接性可以定义为连接两个大脑区域的白质纤维束的程度（例如，密度、数量或扩散特性），这些信息来自扩散加权MRI；或者基于T1加权MRI推断出的解剖学指标（如灰质体积）的协方差；或者是神经元示踪剂的浓度
