通过非回避行走视角看秀丽隐杆线虫连接组中的群落结构

神经元回路的中尺度结构与其所服务的机体功能之间的基本关系是当代神经科学的主要挑战之一。神经元结构性连接模块的形成实现了从单细胞放电到机体大规模行为的转换，凸显了在数据中精确刻画这些模块的重要性。尽管连接组通常以神经元连接的显著稀疏性为特征，网络理论与机器学习的最新进展揭示了传统所用社区检测方法在网络稀疏情况下的根本局限。在此，我们研究了秀丽隐杆线虫结构连接组的最优社区结构，为此我们采用了一种基于非回避随机行走的非常规方法，几乎消除了稀疏性问题。与先前渐近结果完全一致，我们证明非回避行走在具有连接组尺寸与密度的随机块模型（SBM）上比关联于简单随机行走的谱方法更能解析出真实标注的簇。基于簇可检测性阈值，我们确定最近绘制的秀丽隐杆线虫连接组中模块的最优数目为 10，这恰好对应于非回避流矩阵谱中孤立特征值的个数。广义上，我们的工作提供了一个鲁棒的网络框架以揭示稀疏连接组数据集中的中尺度结构，为进一步研究不同功能的连接组机制铺平道路。