Exploring Relationships Between Controllability Measures and Centrality Metrics in Brain structural Network 中文标题：脑结构网络中可控性测度与中心性指标的关系探索

《Neuroscience Informatics》：Exploring Relationships Between Controllability Measures and Centrality Metrics in Brain structural Network

　　

理解结构脑组织如何塑造神经活动动态转变的能力是网络神经科学的一个关键挑战。在此，研究人员利用扩散张量成像和T1加权MRI在30名健康成年人（平均年龄34±5岁；3名女性，27名男性；所有参与者均为右利手）中构建了个体化结构脑网络。利用网络控制理论，研究人员量化了两个互补的控制指标——平均可控性（Average Controllability, AC），反映区域支持能量上容易的转变的能力；以及模态可控性（Modal Controllability, MC），反映驱动系统朝向难以到达状态的能力。研究人员将这些动力学指标与一套全面网络中心性指标进行了比较，包括度（Degree）、介数（Betweenness）、接近度（Closeness）、特征向量（Eigenvector）、调和（Harmonic）、Katz和PageRank中心性。在受试者内部，平均可控性与节点连接性呈强正相关，而模态可控性与除调和中心性（表现出弱且不稳定的关联）以外的所有主要中心性指标均呈稳健负相关。这些发现揭示了全脑连接组中能量效率与动态灵活性之间的明显权衡。重要的是，可控性指标并非简单地复制拓扑描述符，而是捕捉到了仅凭网络结构无法推断的独特动态特性。这一系统的多指标比较为解释结构连接组学中的可控性建立了基线，并阐明了拓扑结构如何限制大脑的动态控制能力。

论文解读：脑结构网络中可控性测度与中心性指标的系统比较

研究背景与意义

人脑可被视为一个复杂网络，其中结构连接（Structural Connectivity, SC）塑造并限制了功能动力学。理解特定脑区如何促进或稳定大脑状态一直是网络神经科学的核心问题。近年来，网络控制理论（Network Control Theory, NCT）被应用于脑网络，以量化局部结构属性如何影响全局动力学，由此衍生出平均可控性（AC）和模态可控性（MC）两个关键指标。与此同时，图论方法长期强调中心性指标在表征脑区结构角色中的重要性，如度、介数、接近度等。然而，可控性与中心性之间的关系尚未得到充分探索。尽管两者均源于相同的结构连接矩阵，但前者属于动力学指标，后者主要为静态拓扑描述符。二者在多大程度上信息重叠？可控性是否揭示了网络组织中独特的特征？这些问题对于阐明控制理论方法在神经科学中的附加价值至关重要。本研究由Tahereh Niyazmand、Farid Sheikholeslam和Marzieh Kamali共同完成，旨在通过对30名健康成年人的结构脑网络进行分析，系统比较多种中心性指标与可控性测度的关系，相关成果发表在《Neuroscience Informatics》上。

关键技术方法

本研究采用了Betzel等人公开的数据集构建脑网络。首先，利用T1加权解剖图像经FreeSurfer处理进行皮层分区和皮下分割，依据Lausanne图谱将大脑划分为129个皮层和皮下节点。利用扩散谱成像（DSI）数据，通过q空间微分同胚重建（QSDR）和基于连续追踪的确定性纤维束成像（FACT）算法生成流线重建，形成结构连接矩阵，边权重定义为经区域体积归一化的流线计数。在网络动力学建模方面，采用无噪声、线性、连续时间和时不变网络模型（x˙[t]=Ax[t]+BKuK[t]）。可控性分析通过计算可控性格拉姆矩阵（WK）来判定，其中平均可控性（AC）通过迹（Trace(WK)）衡量，反映驱动系统至邻近状态的能效；模态可控性（MC）则基于邻接矩阵的特征向量（V=[vij]）计算，反映对难以到达模式的调控能力。统计分析涵盖了皮尔逊相关（Pearson correlation）和斯皮尔曼等级相关（Spearman rank correlation），并使用组内相关系数（ICC(3,1)）评估跨被试的一致性。

研究结果

3.1 与度中心性的关系

在组水平，平均可控性与度呈强正相关（r=0.90到0.97），表明高连接节点能有效驱动系统至邻近的低能态。单被试水平的斯皮尔曼相关分析也证实了这种关系的稳定性（中位数ρ=0.9762）。相反，模态可控性与度呈强负相关（r=?0.97到?0.91），说明高连接枢纽区在驱动高能、难达状态方面作用较弱。

3.2 与介数中心性的关系

平均可控性与介数呈中等正相关（r=0.30到0.70），而模态可控性与介数呈中等负相关（r=?0.70到?0.30）。这表明位于最短路径上的“桥梁”节点更倾向于支持低能耗的局部过渡，而非全局性的剧烈重组。

3.3 与接近度中心性的关系

平均可控性与接近度呈中等正相关（r=0.40到0.70），模态可控性与接近度呈中等负相关（r=?0.70到?0.40）。这意味着全局可达性高的节点同样倾向于维持系统的稳定性，而非推动其进入遥远的状态。

3.4 与特征向量中心性的关系

平均可控性与特征向量中心性呈强正相关（r=0.75到0.95），模态可控性则呈强负相关（r=?0.94到?0.70）。这进一步验证了连接到高影响力邻居的节点（枢纽节点）主要贡献于平均可控性。

3.5 与PageRank中心性的关系

平均可控性与PageRank呈极强正相关（r=0.87到0.97），模态可控性呈极强负相关（r=?0.97到?0.89）。结果强调了Pagerank定义的枢纽在局部控制中的主导地位。

3.6 与调和中心性的关系

与其他指标不同，调和中心性与可控性的关联普遍较弱。平均可控性表现为轻微负相关（r=?0.23到?0.21），模态可控性表现为轻微正相关（r=0.18到0.23），且仅在少数被试中显著。这表明调和中心性对可控性的预测力较弱。

3.7 与Katz中心性的关系

平均可控性与Katz中心性呈极强正相关（r=0.91到0.97），模态可控性呈极强负相关（r=?0.98到?0.93）。这再次印证了兼具直接与间接连接影响力的节点在支持低能过渡中的关键作用。

3.8 偏相关分析与一致性检验

为了验证模态可控性是否捕捉了超越传统中心性的信息，研究人员计算了在控制其余六个中心性指标后的偏相关。结果显示偏相关系数普遍接近于零，证明模态可控性提供了关于节点控制能力的互补信息。此外，组内相关系数（ICC）分析显示平均可控性（ICC=0.736）和模态可控性（ICC=0.790）均具有强跨被试一致性。

讨论与结论总结

讨论部分指出，本研究揭示了脑结构连接组中可控性与广泛中心性指标之间存在稳健且系统的关系。AC与基于连接性和影响力的指标（度、特征向量、PageRank、Katz）呈强正相关，表明枢纽区域支持高能效的稳定状态转换；而MC与这些指标呈强负相关，表明稀疏连接或拓扑边缘区域更适合驱动困难或全局距离较远的状态转换。这种互补模式反映了人脑的基本权衡：枢纽区促进高效、低能的动态过渡，而外围区域则促进灵活访问难以到达的神经活动配置。至关重要的是，可控性指标并非图论中心性的冗余，前者量化了状态转换的能量需求和动态可达性，提供了基于模型的表征，而后者仅是拓扑描述。调和中心性的弱关联进一步强调了并非所有结构描述符都能捕捉控制相关特征。

结论部分翻译：

本研究通过比较平均和模态可控性与多种图论中心性，考察了脑结构架构如何塑造其动态控制特性。研究人员发现了一个清晰且互补的模式：高连接和具影响力的区域支持能量上容易的转变（高平均可控性），而连接较弱或边缘区域则促进困难的、高能的转变（高模态可控性）。结果表明，可控性指标捕捉了仅凭拓扑结构无法推断的动态影响。重要的是，可控性提供了关于结构连接如何实现神经状态转换中稳定性和灵活性的机制性见解，补充了中心性指标关于网络组织的揭示。这种区别对于理解认知功能、识别病理敏感区域以及指导靶向神经调控具有实际意义。总体而言，该研究强调了整合可控性与图论方法以获得对结构网络如何塑造脑动力学更全面理解的宝贵价值。