Topological Effective Connectivity Modeling in Brain Networks

Technische Samenvatting: Topologische Effectieve Connectiviteitsmodellering in Breinnetwerken

Probleemstelling
Het karakteriseren van gerichte informatiestromen (effectieve connectiviteit) in breinnetwerken wordt fundamenteel bemoeilijkt door de prevalentie van recurrente feedbackloops. Neurale circuits zijn zelden acyclisch; ze wisselen continu signalen uit tussen corticale en subcorticale regio's. Bestaande instrumenten voor gerichte afhankelijkheid vertrouwen vaak op de aanname van een Directed Acyclic Graph (DAG) om directionele ambiguïteit op te lossen. Deze aanname is onverenigbaar met de biologische realiteit, waardoor algoritmen worden gedwongen ofwel cycli te verbreken (waardoor fysiologische informatie verloren gaat) ofwel ambigue, gedeeltelijk georiënteerde grafen terug te geven. Bovendien hebben traditionele topologische analyses van multivariate signalen grotendeels geleund op symmetrische maten (bijv. correlatie, coherentie) die directionaliteit negeren, waardoor ze niet in staat zijn om hogere-orde, multi-regionale afhankelijkheden te vangen die essentieel zijn voor het begrijpen van complexe neurale systemen.

Methodologie: Topologische Effectieve Connectiviteitsmodellering (TECM)
De auteurs stellen TECM voor, een niet-parametrisch, informatie-theoretisch kader ontworpen om gerichte afhankelijkheid te analyseren in netwerken waar feedback en recurrentie intrinsiek zijn. De methodologie verloopt in drie stadia:

1. Informatie-theoretische Koppeling:

   • Definitie van het Skelet: Een vooraf bepaalde structuur definieert de verzameling toelaatbare gerichte randen (bijv. ruimtelijk aangrenzende elektroden in de LFP-toepassing).
   • Weging: Het kader kwantificeert gerichte afhankelijkheid met behulp van lead-lag wederzijdse informatie (MI). Voor kanalen $p$ en $q$ is het randgewicht $W_{p \to q}$ de cumulatieve som van lag-$k$ wederzijdse informatie $I(X_p(t-k); X_q(t))$ over een maximale lag $K$. Dit vangt niet-lineaire, directionele voorspellende relaties waarbij het verleden van $p$ het heden van $q$ informeert.
   • Alternerende Flow: Om de Hodge-theorie toe te passen, wordt de gewogen gerichte graaf gedecomposeerd in een symmetrisch deel en een alternerend (scheef-symmetrisch) deel. De auteurs hanteren een minimale (op spaarzaamheid gerichte) decompositie waarbij eenrichtingsranden intact blijven in het alternerende component ($W_{a, pq} = W_{pq} - W_{qp}$), in plaats van gehalveerd te worden zoals bij standaard orthogonale projecties.

2. Discrete Hodge-decompositie:
   De alternerende randflow $W_a$ wordt gedecomposed in drie orthogonale componenten op basis van discrete Hodge-theorie op een 2-D simpliciële complex (knopen, randen, driehoeken):

   • Gradiëntterm ($-\delta_0 \phi$): Vangt hiërarchische, feed-forward, DAG-achtige structuren. Het induceert een rangschikking van knopen van bronnen naar putten via een knooppotentiaal $\phi$.
   • Curl-term ($\delta^*_1 \psi$): Isoleert feedbackloops die circuleren rond individuele driehoeken (3-node motieven). Het meet recurrente circulatie via een driehoekspotentiaal $\psi$.
   • Harmonische Term ($h$): Vangt cyclische flow rond topologische gaten (cycli die niet reduceerbaar zijn tot circulatie op driehoeksniveau). In de specifieke LFP-toepassing (volledig getrianguleerd rooster) is deze term zero-dimensionaal, maar het kader behoudt het voor complexen met gaten.

3. Permutatie-gebaseerde Hypothesetoetsing:
   Om significante veranderingen tussen condities te identificeren (bijv. pre- vs. post-beroerte), gebruikt het kader een blok-permutatietoets:

   • Teststatistieken: Gestandaardiseerde gemiddelde verschillen worden berekend voor knooppotentialen ($\phi_p$) en driehoekspotentialen ($\psi_\tau$).
   • Nulverdeling: Epoch-labels worden in aaneengesloten blokken gepermuteerd om temporele autocorrelatie te behouden.
   • Meervoudige Vergelijkingen: De Benjamini-Hochberg (BH) procedure controleert de False Discovery Rate (FDR) over knopen en driehoeken gelijktijdig.

Belangrijkste Bijdragen

• Ontkoppeling van Flow-typen: TECM slaagt erin om feed-forward drive te scheiden van recurrente circulatie, een scheiding die conventionele maten verwarren. Het isoleert expliciet driehoek-niveau feedback (curl) van hiërarchische propagatie (gradiënt).
• Hogere-orde Toetsing: In plaats van pairwise randveranderingen te testen, test het kader hogere-orde structurele kenmerken: de globale hiërarchische rol van knopen en de reorganisatie van lokale driehoekige motieven.
• Robuuste Validatie: Het kader wordt gevalideerd op synthetische data met bekende grondwaarheid-structuren, waarbij een exacte reconstructie van gradiënt-, curl- en harmonische componenten wordt aangetoond, evenals een nauwkeurige detectie van geplante perturbaties met nul fout-positieven onder de globale nulhypothese.

Resultaten
Het kader werd toegepast op Local Field Potential (LFP) opnames van een knaagdiermodel van een focale ischemische beroerte (permanente occlusie van de middelste cerebrale arterie) vóór en na het evenement.

• Beschrijvende Bevindingen: In drie van de vier dieren vertoonde de post-stroke staat een verschuiving naar hiërarchische, door bronnen gedreven propagatie. Dit werd aangetoond door een toename in de energie van de gradiëntcomponent en een relatieve afname van de curl-component.
• Knooppunt-niveau Veranderingen: Specifieke knopen vertoonden significante verschuivingen in hun hiërarchische rollen. Bijvoorbeeld, in één dier werd knoop 19 een sterkere put (ontvangt meer flow), terwijl knoop 32 een sterkere bron werd. Deze veranderingen vertoonden een verticale structuur langs de corticale diepteas, wat duidt op laminaire reorganisatie.
• Heterogeniteit: Terwijl drie dieren een significante topologische reorganisatie vertoonden, vertoonde het vierde dier geen significante veranderingen op noch het knoop- noch het driehoekniveau, wat wijst op subject-specifieke variabiliteit.
• Ruimtelijke Patronen: De toetsingslaag identificeerde wijdverspreide veranderingen in knopen en driehoekige motieven, waarbij de ruimtelijke patronen per subject varieerden. In één geval waren de getroffen knopen georganiseerd langs de diepteas, een patroon dat verdere investigatie behoeft.

Betekenis en Claims
Het artikel claimt dat TECM een algemeen kader biedt voor het karakteriseren van gerichte afhankelijkheid in elk netwerk waar connectiviteit intrinsiek cyclisch is, waarmee de beperkingen van DAG-gebaseerde causale ontdekking worden overstegen.

• Fysiologisch Inzicht: Door de feed-forward drive te scheiden van de recurrente feedback, onthult de methode hoe een ischemisch beroerte de balans tussen hiërarchische propagatie en lokale integratie verandert. De geobserveerde verschuiving naar bron-gedreven propagatie sugggeert een potentieel verlies van integratieve feedbackmechanismen na letsel.
• Methodologische Rigor: De aanpak vermijdt de valkuilen van het afdwingen van acycliciteit op cyclische systemen en biedt een statistisch rigoureuze manier om veranderingen in hogere-orde netwerkmotieven te testen.
• Reikwijdte: De auteurs stellen expliciet dat zij niet beweren interventionele causale effecten in de zin van Pearl/Rubin te identificeren vanuit observationele data; zij karakteriseren eerder veranderingen in gerichte afhankelijkheidsnetwerken als gevolg van een systeem-niveau perturbatie (de beroerte). Het kader wordt gepresenteerd als een instrument om structurele veranderingen in informatiestroom te beschrijven en te testen, niet om mechanistische causaliteit te infereren zonder expliciete interventiemodellen.