Energy-Driven Structure in Coupled Brain–Body Dynamics

技术摘要：脑—体系统中的跨尺度能量协调

问题陈述
神经精神疾病和神经退行性疾病传统上被视为分子病理级联反应导致网络功能障碍的下游结果。然而，由于以病理为中心的干预手段成效有限，表明需要一种补充性的系统级解释，以解释在不可逆结构损伤发生之前的早期脆弱性。目前的模型通常假设行为优化或预测误差最小化是脑功能的核心组织原则。本研究提出了另一种观点：大规模大脑动力学的主要组织目的是调节分布式的脑—体系统间的能量，而当这种跨系统能量调节变得低效时，认知脆弱性便会产生。

方法论
作者开发了一个生成式计算机模拟（in silico）框架，用以研究大规模神经动力学、外周生理学与代谢能量调节之间的相互作用。该研究采用了以下方法论组件：

• 模型架构： 一个结合了耦合非线性 Stuart–Landau 振荡器网络、模拟心脏信号及动态能量变量的全脑模型。
• 网络构建： 结构连接性使用多种典型拓扑结构（小世界网络、随机网络和格点网络）进行建模，节点数分别为 40、80 和 120，以确保结果不依赖于特定架构。
• 动力学：
  • 神经： 节点通过内在振荡动力学、扩散耦合（通过图拉普拉斯算子）以及来自心脏输入和代谢能量的乘性调制进行演化。
  • 外周： 一个随机心脏振荡器提供随时间变化的外部输入至神经动力学。
  • 能量： 代谢能量被建模为一个动态变量，平衡生产（由心脏信号驱动）、消耗（随神经功率缩放）和衰减。这建立了双向耦合：神经激活消耗能量，而可用能量则调节神经动力学。
• 寿命参数化： 关键参数（耦合强度、神经噪声、代谢衰减）作为年龄的函数进行调制，以模拟发育和退行性轨迹，而不引入离散的分组。
• 指标：
  • 脑—心相干性 (BHC)： 一种量化神经亚稳态与自主—代谢变异性之间对齐程度的指标（全局神经信号与心脏节律之间的相位相干性）。
  • 能量—熵耦合指数 (EECI)： 一种动态系统指标，量化网络亚稳态与自主—代谢变异性之间的对齐程度。
  • 合成认知： 一个结合了全局耦合强度与能量统计数据（平均能量和变异性）的代理变量。
• 分析： 使用 Pearson 相关和置换检验评估统计关联。进行中介分析（自助重采样）以测试能量效率是否在中介系统级协调与认知结果之间的关系中起作用。通过 5 年年龄间隔（20–85 岁）分析纵向轨迹，并进行 FDR 校正。

核心贡献

1. 引入脑—心相干性 (BHC)： 一种量化神经亚稳态与自主—代谢变异性对齐程度的新颖指标，在动态系统框架内形式化了神经内脏整合。
2. 系统级假设： 提出认知表现取决于跨尺度能量协调的效率，而非仅仅取决于病理负担。它表明，当系统偏离能量受限的亚稳态最优值时，认知脆弱性就会产生。
3. 机制区分： 证明了能量—熵耦合提供了区别于预测处理（主动推理）和以病理为中心模型的解释价值。
4. 寿命轨迹： 识别出涌现的轨迹，即最优认知发生在特定的能量受限亚稳态机制内，并显示出不同模型具有不同的时间峰值（主动推理模型在成年早期达到峰值；脑—体耦合模型在成年中后期达到峰值）。

结果

• 预测有效性： 主动推理模型与“认知能量”显示出中度关联（$R^2 \approx 0.089$），而脑—体耦合模型和零模型（Null models）的效应微乎其微（$R^2 < 0.001$）。然而，这些预测因子是统计独立的，捕捉到了非重叠的变异性。
• 能量效率的中介作用：
  • 对于脑—体模型，与认知能量的关联主要通过能量效率的中介路径表达（负间接效应，正直接效应）。
  • 对于主动推理模型，间接效应和直接效应均为显著的正向效应。
  • 零模型显示出极低的中介效应。
• 寿命动力学：
  • 能量效率在成年期呈现单调下降趋势。
  • 主动推理模型 的最强中介效应出现在成年早期（峰值在 22.5 岁）。
  • 脑—体模型 在生命后期达到其最大效应（峰值在 57.5 岁）。
  • 这些轨迹在跨验证折叠和网络拓扑结构中均具有鲁棒性。
• 构念特异性： 研究结果表明，观察到的关系是针对脑—体—能量系统的特有属性，而非随机变异或循环定义的产物。

意义与主张
本文声称提供了一个将神经动力学、代谢和外周生理学联系起来的、具有明确机制且可进行经验验证的模型。它认为，认知脆弱性应被视为跨越寿命的脑—体能量对齐的系统属性。

• 理论转向： 该工作促使人们从将认知衰退仅视为病理累积负担或“磨损”（稳态负荷）转向将其视为能量效率的丧失以及对能量受限亚稳态最优值的偏离。
• 发育相关性： 模型表明，主要精神疾病出现的发育窗口（青春期和成年早期）与特定的能量权衡和耦合强度转变相吻合，这可能解释了结构损伤发生之前的脆弱性。
• 局限性与范围： 作者明确指出，本研究完全是计算机模拟（in silico）研究，使用了简化的外周和代谢表示。他们并不声称取代分子模型，而是提供一种补充性的假设。较小的 $R^2$ 值归因于合成认知变量的独立设计，作者也承认未来的工作需要通过多模态神经成像和生理记录进行经验验证。