人类连接组中的团与腔

将脑区及其连接编码为节点和边的网络，捕捉了人类在处理和执行复杂行为时信息可能传输的诸多路径。由于认知过程涉及大规模且分布式的脑区网络，考察更大连接模式内的多节点路径可以为脑功能的复杂性提供基础性见解。在此，我们既研究能够执行局部计算的密集连接节点群，也研究允许并行处理的更大交互模式。寻找此类结构要求我们从考虑成对相互作用转向捕捉高阶关系，这些概念自然地用代数拓扑的语言来表达。这些工具可用于研究由称为团的密集连接子结构在原本稀疏连接的脑网络中排列而产生的中尺度结构。我们在 8 名健康成年人的平均结构连接组中检测团（全连接脑区集合），发现存在比通过布线最小化构建的零模型网络中预期更多的大的团，提供了脑网络可借此执行快速局部处理的架构。然后，我们定位了不同维度的拓扑腔，信息可围绕这些腔以发散或汇聚模式流动。这些腔在受试者间一致存在，不同于在零模型网络中观察到的腔，并以长环路连接早期和晚期进化起源的区域，突显了它们在控制脑功能中的独特作用。这些结果首次证明，代数拓扑技术为结构连接组学提供了新颖视角，突显环状路径是人类大脑结构架构中的关键特征。