Topological Effective Connectivity Modeling in Brain Networks

技术摘要：脑网络中的拓扑有效连通性建模

问题陈述
表征脑网络中的定向信息流（有效连通性）面临着循环反馈回路普遍存在的根本挑战。神经回路极少是无环的；它们在皮层与皮层下区域之间持续交换信号。现有的定向依赖工具通常依赖于有向无环图（DAG）的假设来解决方向歧义。这种假设与生物学现实不符，迫使算法要么切断循环（丢失生理信息），要么返回具有歧义的部分定向图。此外，多变量信号的传统拓扑分析主要依赖于对称度量（如相关性、相干性），这些度量忽略了方向性，无法捕捉理解复杂神经系统至关重要的高阶多区域依赖关系。

方法论：拓扑有效连通性建模 (TECM)
作者提出了 TECM，这是一个非参数化、信息论框架，旨在分析反馈和循环本质存在的网络中的定向依赖。该方法分为三个阶段：

1. 信息论耦合：

   • 骨架定义： 一个先验结构定义了允许的有向边集合（例如，在 LFP 应用中为空间相邻的电极）。
   • 加权： 该框架使用滞后互信息 (Lead-lag MI) 来量化定向依赖。对于通道 $p$ 和 $q$，边权重 $W_{p \to q}$ 是最大滞后 $K$ 内滞后-$k$ 互信息 $I(X_p(t-k); X_q(t))$ 的累积和。这捕捉了非线性、定向的预测关系，即 $p$ 的过去能够告知 $q$ 的现在。
   • 交替流： 为了应用霍奇理论（Hodge theory），加权有向图被分解为一个对称部分和一个交替（反对称）部分。作者采用了最小化（面向稀疏性）分解，其中单向边在交替分量中保持完整（$W_{a, pq} = W_{pq} - W_{qp}$），而不是像标准正交投影那样被减半。

2. 离散霍奇分解：
   交替边流 $W_a$ 根据二维单纯复形（节点、边、三角形）上的离散霍奇理论被分解为三个正交分量：

   • 梯度项 ($-\delta_0 \phi$)： 捕捉层次化的、前馈式的、类 DAG 结构。它通过节点势 $\phi$ 诱导从源到汇的节点排序。
   • 旋度项 ($\delta^*_1 \psi$)： 隔离围绕单个三角形（3 节点基元）循环的反馈回路。它通过三角形势 $\psi$ 测量循环的递归循环。
   • 调和项 ($h$)： 捕捉围绕拓扑孔洞（无法还原为三角形级循环的循环）的循环流。在特定的 LFP 应用（完全三角化的网格）中，该项是零维的，但框架保留了它以适用于有孔的复形。

3. 基于置换的假设检验：
   为了识别不同条件（例如，中风前与中风后）之间的显著变化，该框架采用了块置换检验：

   • 统计量： 计算节点势 ($\phi_p$) 和三角形势 ($\psi_\tau$) 的标准化均值差异。
   • 零分布： 对历元标签进行连续块置换，以保留时间自相关性。
   • 多重比较： 使用 Benjamini-Hochberg (BH) 程序同时控制节点和三角形的错误发现率 (FDR)。

核心贡献

• 解耦流类型： TECM 成功地将前馈驱动与递归循环解耦，这种分离是传统度量容易混淆的。它明确地隔离了三角形级的反馈（旋度）与层次化传播（梯度）。
• 高阶测试： 该框架不是测试成对边的变化，而是测试高阶结构特征：节点的全局层次角色以及局部三角形基元的重组。
• 稳健验证： 该框架在具有已知地面真值结构的合成数据上进行了验证，证明了能够精确恢复梯度、旋度和调和分量，并能准确检测出植入的扰动，且在全局零假设下无假阳性。

结果
该框架应用于针对局灶性缺血性中风（永久性闭塞中动脉）的啮齿动物模型中，记录了中风前后的局部场电位 (LFP)。

• 描述性发现： 在四只动物中的三只中，中风后的状态表现出向层次化、源驱动传播的转变。这通过梯度分量的能量增加和旋度分量的相对减少得到了证实。
• 节点级变化： 特定节点显示出其层次角色的显著转变。例如，在一只动物中，节点 19 变成了一个更强的汇（接收更多流），而节点 32 变成了一个更强的源。这些变化在皮层深度轴方向上呈现出垂直结构，暗示了层级重组。
• 异质性： 三只动物显示出显著的拓扑重组，而第四只动物在节点或三角形层面均未显示出显著变化，凸显了受试者特异性的变异性。
• 空间模式： 测试层识别出了广泛的节点和三角形基元变化，且空间模式因受试者而异。在一种情况下，受影响的节点沿深度轴排列，这一模式值得进一步研究。

意义与主张
本文声称 TECM 提供了一个通用的框架，用于表征任何在连接本质上具有循环性的网络中的定向依赖，超越了基于 DAG 的因果发现的局限性。

• 生理学见解： 通过分离前馈驱动与递归反馈，该方法揭示了缺血性中风如何改变层次化传播与局部整合之间的平衡。观察到的向源驱动传播的转变，表明损伤后可能存在整合反馈机制的丧失。
• 方法论严谨性： 该方法避免了在循环系统中强行施加无环性的陷阱，并提供了一种统计严谨的方法来测试高阶网络基元的变化。
• 范围： 作者明确指出，他们并不声称从观测数据中识别 Pearl/Rubin 意义上的干预因果效应；相反，他们表征的是由于系统级扰动（中风）导致的定向依赖网络的变化。该框架被呈现为一种描述和测试信息流结构变化的工具，而非在没有显式干预模型的情况下推断机械因果关系。