Topological Effective Connectivity Modeling in Brain Networks

Resumo Técnico: Modelagem de Conectividade Efetiva Topológica em Redes Cerebrais

Definição do Problema
Caracterizar o fluxo de informação direcionado (conectividade efetiva) em redes cerebrais é fundamentalmente desafiado pela prevalência de loops de feedback recorrentes. Os circuitos neurais raramente são acíclicos; eles trocam sinais continuamente entre regiões corticais e subcorticais. Ferramentas existentes para dependência direcionada frequentemente dependem da suposição de um Grafo Acíclico Dirigido (DAG) para resolver a ambiguidade direcional. Essa suposição é incompatível com a realidade biológica, forçando algoritmos a ou cortar ciclos (perdendo informação fisiológica) ou retornar grafos parcialmente orientados e ambíguos. Além disso, análises topológicas tradicionais de sinais multivariados têm dependido amplamente de medidas simétricas (ex: correlação, coerência) que ignoram a direcionalidade, falhando em capturar dependências de ordem superior e multiregionais essenciais para a compreensão de sistemas neurais complexos.

Metodologia: Modelagem de Conectividade Efetiva Topológica (TECM)
Os autores propõem o TECM, uma estrutura não paramétrica e informacional para analisar a dependência direcionada em redes onde o feedback e a recorrência são intrínsecos. A metodologia procede em três estágios:

1. Acoplamento Teórico-Informacional:

   • Definição do Esqueleto: Uma estrutura a priori define o conjunto de arestas direcionadas admissíveis (ex: eletrodos espacialmente adjacentes na aplicação de LFP).
   • Ponderação: A estrutura quantifica a dependência direcionada usando a informação mútua (MI) de atraso-avanço (lead-lag). Para os canais $p$ e $q$, o peso da aresta $W_{p \to q}$ é a soma cumulativa da informação mútua de atraso-$k$, $I(X_p(t-k); X_q(t))$, através de um atraso máximo $K$. Isso captura relações preditivas não lineares e direcionais onde o passado de $p$ informa o presente de $q$.
   • Fluxo Alternante: Para aplicar a teoria de Hodge, o grafo direcionado ponderado é decomposto em uma parte simétrica e uma parte alternante (assimétrica). Os autores adotam uma decomposição mínima (orientada à esparsidade) onde as arestas unidirecionais permanecem intactas na componente alternante ($W_{a, pq} = W_{pq} - W_{qp}$), em vez de serem reduzidas à metade como na projeção ortogonal padrão.

2. Decomposição de Hodge Discreta:
   O fluxo de aresta alternante $W_a$ é decomposto em três componentes ortogonais baseadas na teoria de Hodge discreta em um complexo simplicial 2-D (nós, arestas, triângulos):

   • Termo de Gradiente ($-\delta_0 \phi$): Captura estruturas hierárquicas, de alimentação direta (feed-forward), do tipo DAG. Ele induz um ranking de nós de fontes a sumidouros via um potencial de nó $\phi$.
   • Termo de Rotacional (Curl) ($\delta^*_1 \psi$): Isola loops de feedback que circulam em torno de triângulos individuais (motivos de 3 nós). Ele mede a circulação recorrente via um potencial de triângulo $\psi$.
   • Termo Harmônico ($h$): Captura o fluxo cíclico em torno de buracos topológicos (ciclos não redutíveis à circulação ao nível de triângulo). Na aplicação específica de LFP (grade totalmente triangulada), este termo é de dimensão zero, mas a estrutura retém este termo para complexos com buracos.

3. Teste de Hipótese Baseado em Permutação:
   Para identificar mudanças significativas entre condições (ex: pré- vs. pós-AVC), a estrutura emprega um teste de permutação em blocos:

   • Estatísticas de Teste: Diferenças médias padronizadas são calculadas para potenciais de nós ($\phi_p$) e potenciais de triângulos ($\psi_\tau$).
   • Distribuição Nula: Os rótulos das épocas são permutados em blocos contíguos para preservar a autocorrelação temporal.
   • Múltiplas Comparações: O procedimento de Benjamini-Hochberg (BH) controla a Taxa de Descoberta Falsa (FDR) em nós e triângulos simultaneamente.

Principais Contribuições

• Desacoplamento de Tipos de Fluxo: O TECM consegue separar com sucesso o comando feed-forward da circulação recorrente, uma separação que medidas convencionais confundem. Ele isola explicitamente o feedback ao nível de triângulo (rotacional) da propagação hierárquica (gradiente).
• Testagem de Ordem Superior: Em vez de testar mudanças em arestas pareadas, a estrutura testa características estruturais de ordem superior: o papel hierárquico global dos nós e a reorganização de motivos triangulares locais.
• Validação Robusta: A estrutura é validada em dados sintéticos com estruturas de verdade fundamental conhecidas, demonstrando a recuperação exata dos componentes de gradiente, rotacional e harmônico, além de detecção precisa de perturbações plantadas com zero falsos positivos sob a nulidade global.

Resultos
A estrutura foi aplicada a registros de Potencial de Campo Local (LFP) de um modelo de roedor de AVC isquêmico focal (oclusão permanente da artéria cerebral média) antes e após o evento.

• Achados Descritivos: Em três de quatro animais, o estado pós-AVC exibiu uma mudança em direção a uma propagação hierárquica, dirigida por fontes. Isso foi evidenciado por um aumento na energia da componente de gradiente e uma diminuição relativa da componente de rotacional.
• Mudanças ao Nível do Nó: Nós específicos mostraram mudanças significativas em seus papéis hierárquicos. Por exemplo, em um animal, o nó 19 tornou-se um sumidouro mais forte (recebendo mais fluxo), enquanto o nó 32 tornou-se uma fonte mais forte. Essas mudanças exibiram uma estrutura vertical ao longo do eixo de profundidade cortical, sugerindo reorganização laminar.
• Heterogeneidade: Enquanto três animais mostraram reorganização topológica significativa, o quarto animal não mostrou mudanças significativas nem ao nível de nó, nem de triângulo, destacando a variabilidade específica de cada sujeito.
• Padrões Espaciais: A camada de teste identificou mudanças generalizadas em nós e motivos triangulares, com padrões espaciais variando entre os sujeitos. Em um caso, os nós afetados estavam organizados ao longo do eixo de profundidade, um padrão que merece investigação adicional.

Significância e Alegações
O artigo afirma que o TECM fornece um arcabouço geral para caracterizar a dependência direcionada em qualquer rede onde a conectividade é intrinsecamente cíclica, indo além das limitações da descoberta causal baseada em DAG.

• Insight Fisiológico: Ao separar o comando feed-forward do feedback recorrente, o método revela como o AVC isquêmico altera o equilíbrio entre a propagação hierárquica e a integração local. A mudança observada em direção à propagação dirigida por fontes sugere um potencial comprometimento dos mecanismos de feedback integrativos após a lesão.
• Rigor Metodológico: A abordagem evita as armadilias de forçar a aciclicidade em sistemas cíclicos e fornece uma forma estatisticamente rigorosa de testar mudanças em motivos de rede de ordem superior.
• Escopo: Os autores declaram explicitamente que não pretendem identificar efeitos causais intervencionais no sentido de Pearl/Rubin a partir de dados observacionais; em vez disso, caracterizam mudanças em redes de dependência direcionada resultantes de uma perturbação do sistema (o AVC). A estrutura é apresentada como uma ferramenta para descrever e testar mudanças estruturais no fluxo de informação, não para inferir causalidade mecânica sem modelos de intervenção explícitos.