Topological Effective Connectivity Modeling in Brain Networks

Resumen Técnico: Modelado de Conectividad Efectiva Topológica en Redes Cerebrales

Planteamiento del Problema
Caracterizar el flujo de información dirigido (conectividad efectiva) en redes cerebrales se ve fundamentalmente desafiado por la prevalencia de bucles de retroalimentación recurrentes. Los circuitos neuronales rara vez son acíclicos; intercambian señales continuamente entre regiones corticales y subcorticales. Las herramientas existentes para la dependencia dirigida suelen basarse en el supuesto de un Grafo Acíclico Dirigido (DAG) para resolver la ambigüedad direccional. Este supuesto es incompatible con la realidad biológica, lo que obliga a los algoritmos a eliminar ciclos (perdiendo información fisiológica) o a devolver grafos parcialmente orientados y ambiguos. Además, los análisis topológicos tradicionales de señales multivariantes se han basado mayoritariamente en medidas simétricas (por ejemplo, correlación, coherencia) que ignoran la direccionalidad, fallando en capturar dependencias de orden superior y multirregionales esenciales para comprender sistemas neurales complejos.

Metodología: Modelado de Conectividad Efectiva Topológica (TECM)
Los autores proponen el TECM, un marco no paramétrico y basado en la teoría de la información, diseñado para analizar la dependencia dirigida en redes donde la retroalimentación y la recurrencia son intrínsecas. La metodología procede en tres etapas:

1. Acoplamiento Basado en la Teoría de la Información:

   • Definición del Esqueleto: Una estructura previa define el conjunto de aristas dirigidas admisibles (por ejemplo, electrodos espacialmente adyacentes en la aplicación de LFP).
   • Ponderación: El marco cuantifica la dependencia dirigida mediante la información mutua (MI) de retardo-avance (lead-lag). Para los canales $p$ y $q$, el peso de la arista $W_{p \to q}$ es la suma acumulada de la información mutua con retardo $k$, $I(X_p(t-k); X_q(t))$, a través de un retardo máximo $K$. Esto captura relaciones predictivas no lineales y direccionales donde el pasado de $p$ informa el presente de $q$.
   • Flujo Alternante: Para aplicar la teoría de Hodge, el grafo dirigido ponderado se descompone en una parte simétrica y una parte alternante (antisimétrica). Los autores adoptan una descomposición mínima (orientada a la dispersión/sparsity) donde las aristas unidireccionales permanecen intactas en el componente alternante ($W_{a, pq} = W_{pq} - W_{qp}$), en lugar de ser reducidas a la mitad como en las proyecciones ortogonales estándar.

2. Descomposición de Hodge Discreta:
   El flujo de aristas alternante $W_a$ se descompone en tres componentes ortogonales basados en la teoría de Hodge discreta sobre un complejo simplicial de 2-D (nodos, aristas, triángulos):

   • Término de Gradiente ($-\delta_0 \phi$): Captura estructuras jerárquicas, de alimentación hacia adelante (feed-forward) y tipo DAG. Induce un ranking de nodos desde fuentes hasta sumideros mediante un potencial de nodo $\phi$.
   • Término de Rotacional/Curl ($\delta^*_1 \psi$): Aísla bucles de retroalimentación que circulan alrededor de triángulos individuales (motivos de 3 nodos). Mide la circulación recurrente mediante un potencial de triángulo $\psi$.
   • Término Armónico ($h$): Captura el flujo cíclico alrededor de huecos topológicos (ciclos no reducibles a la circulación a nivel de triángulo). En la aplicación específica de LFP (rejilla totalmente triangulada), este término es de dimensión cero, pero el marco lo conserva para complejos con huecos.

3. Prueba de Hipótesis Basada en Permutaciones:
   Para identificar cambios significativos entre condiciones (por ejemplo, pre- vs. post-ictus), el marco emplea una prueba de permutación por bloques:

   • Estadísticos de Prueba: Se calculan las diferencias de medias estandarizadas para los potenciales de los nodos ($\phi_p$) y los potenciales de los triángulos ($\psi_\tau$).
   • Distribución Nula: Los rótulos de los épocas se permutan en bloques contiguos para preservar la autocorrelación temporal.
   • Comparaciones Múltiples: El procedimiento de Benjamini-Hochberg (BH) controla la Tasa de Falso Descubrimiento (FDR) a través de nodos y triángulos simultáneamente.

Contribuciones Clave

• Desacoplamiento de Tipos de Flujo: El TECM logra separar con éxito el impulso de alimentación hacia adelante (feed-forward) de la circulación recurrente, una separación que las medidas convencionales confunden. Aísla explícitamente el feedback a nivel de triángulo (curl) de la propagación jerárquica (gradiente).
• Pruebas de Orden Superior: En lugar de probar cambios en aristas pareadas, el marco evalaza características estructurales de orden superior: el rol jerárquico global de los nodos y la reorganización de los motivos triangulares locales.
• Validación Robusta: El marco se valida con datos sintéticos con estructuras de verdad de campo (ground-truth) conocidas, demostrando la recuperación exacta de los componentes de gradiente, rotacional y armónico, así como la detección precisa de perturbaciones plantadas con cero falsos positivos bajo la nulidad global.

Resultos
El marco se aplicó a registros de Potenciales de Campo Local (LFP) de un modelo de roedor de ictus isquémico focal (oclusión permanente de la arteria cerebral media) antes y después del evento.

• Hallazgos Descriptivos: En tres de cuatro animales, el estado post-ictus exhibió un cambio hacia una propagación jerárquica impulsada por fuentes. Esto se evidenció por un aumento en la energía del componente de gradiente y una disminución relativa del componente de rotacional (curl).
• Cambios a Nivel de Nodo: Nodos específicos mostraron cambios significativos en sus roles jerárquicos. Por ejemplo, en un animal, el nodo 19 se convirtió en un sumidero más fuerte (recibiendo más flujo), mientras que el nodo 32 se convirtió en una fuente más fuerte. Estos cambios exhibieron una estructura vertical a lo largo del eje de profundidad cortical, sugiriendo una reorganización laminar.
• Heterogeneidad: Mientras que tres animales mostraron una reorganización topológica significativa, el cuarto animal no mostró cambios significativos ni a nivel de nodo ni de triángulo, lo que resalta la variabilidad sujeto-específica.
• Patrones Espaciales: La capa de pruebas identificó cambios generalizados en nodos y motivos triangulares, con patrones espaciales que variaron entre sujetos. En un caso, los nodos afectados se organizaron a lo largo del eje de profundidad, un patrón que requiere mayor investigación.

Significancia y Reivindicaciones
El artículo afirma que el TECM proporciona un marco general para caracterizar la dependencia dirigida en cualquier red donde la conectividad es intrínsecamente cíclica, yendo más allá de las limitaciones del descubrimiento causal basado en DAG.

• Perspectiva Fisiológica: Al separar el impulso de alimentación hacia adelante de la retroalimentación recurrente, el método revela cómo el ictus isquémico altera el equilibrio entre la propagación jerárquica y la integración local. El cambio observado hacia la propagación impulsada por fuentes sugiere una posible pérdida de los mecanismos de retroalimentación integrativa tras la lesión.
• Rigor Metodológico: El enfoque evita los problemas de forzar la aciclicidad en sistemas cíclicos y proporciona una forma estadísticamente rigurosa de probar cambios en motivos de red de orden superior.
• Alcance: Los autores declaran explícitamente que no pretenden identificar efectos causales intervencionales en el sentido de Pearl/Rubin a partir de datos observacionales; más bien, caracterizan los cambios en las redes de dependencia dirigida resultantes de una perturbación del sistema (el ictus). El marco se presenta como una herramienta para describir y probar cambios estructurales en el flujo de información, no para inferir causalidad mecánica sin modelos de intervención explícitos.