全脑临界模型中的稳态可塑性与功能网络涌现
神经元与认知
2018-10-25 v2
摘要
理解大规模结构脑网络与功能脑网络之间的关系仍是现代神经科学中的关键问题。近来，人们越来越关注在不同时空尺度上研究稳态可塑性机制在调节网络活动和脑功能以应对广泛的环境条件和脑状态（例如，在学习、发育、衰老、神经系统疾病期间）中的作用。在本研究中，我们探究了在随机全脑模型中引入稳态可塑性（实现为对节点 incoming 兴奋输入进行归一化）如何影响静息态下的宏观活动以及功能网络的形成。重要的是，我们在群体和基于个体的层面上均探讨了结构-功能关系。在这项工作中，我们表明对节点兴奋输入的归一化改善了模型模拟神经模式与各种脑功能数据之间的一致性。事实上，我们发现当模型控制参数处于其临界值时达到最佳匹配，并且归一化最小化了受试者间临界点和神经元活动模式的变异性。因此，我们的结果表明，引入稳态原理导致了更真实的脑活动，且与临界性的特征一致。我们的理论框架为个性化脑建模开辟了新视角，并有可能应用于研究由结构性损伤（例如中风）或脑疾病引起的对临界性的偏离。
引用
@article{arxiv.1804.05823,
title = {Homeostatic plasticity and emergence of functional networks in a whole-brain model at criticality},
author = {Rodrigo P. Rocha and Loren Koçillari and Samir Suweis and Maurizio Corbetta and Amos Maritan},
journal= {arXiv preprint arXiv:1804.05823},
year = {2018}
}
备注
Accepted for publication in Scientific Reports