科研进展
  • 科研进展
  • 小世界”人脑网络研究展望与挑战
     
        2017年6月,国际著名神经科学类杂志《Neuroscience & Biobehavioral Reviews》刊登人脑“小世界”网络计算模型研究的长篇综述论文(“Small-world human brain networks: perspectives and challenges”)。该论文是由北京师范大学廖旭红副研究员和贺永教授以及瑞典吕勒奥理工大学Athanasios Vasilakos教授合作完成。
        “小世界”网络的概念最早起源于对社会网络中人际关系的思考,意在表明人与人之间可以通过少数几个中间人相互认识,代表性工作有美国实验心理学家Stanley Milgram提出的“六度分离”理论。1998年美国康纳尔大学的Duncan Watts和Steven Strogatz在Nature上发表论文指出,许多生物、技术和社会网络并非是简单的规则或随机网络,而是存在与规则网络类似的高的局部聚类和与随机网络类似的较短平均路径长度属性,进而提出了“小世界”网络计算模型以刻画真实复杂网络的特征(图1)。该研究还指出具有“小世界”结构的动力系统其信息传递速度、计算能力以及同步性可得到加强。此后,“小世界”计算网络模型被广泛应用于基因调控网络、交通网络等,引发了复杂网络研究的热潮。
        人脑是一个高度复杂的系统,探索其内在的结构和功能联结模式及其工作原理是神经科学研究领域面临的巨大挑战。近二十年来,非侵入性的多模态神经影像技术(如脑电图、脑磁图和磁共振成像等)得到了快速发展,这为无创检测活体人脑的结构与功能提供了重要技术手段。特别的,基于现代图论的复杂网络研究将人脑建模为由不同神经单元(如神经元、皮层柱或脑区)构成的复杂脑网络,并能够定量刻画脑网络的拓扑属性,这为理解人脑的结构和功能组织原则提供了新颖的计算框架。在这些研究中,一个重要的发现就是人脑结构网络和功能网络组织均呈现出“小世界”的联结特征。
        在该综述论文中,作者们首先介绍了现阶段人脑结构和功能网络的构建方法以及基于图论的“小世界”网络计算模型,随后回顾了基于多模态神经影像的“小世界”人脑网络的发现历程。特别是,这些研究一致地发现人脑结构和功能网络局部脑区之间联结稠密,任意两个脑区间可通过少数联结联系起来,即人脑网络服从“小世界”的联结规律。作者们认为这一特征有利于人脑以较低的联结和能量成本实现高效的信息分离与整合,很可能是人脑在长期进化过程中追求成本-效率平衡的压力下自然选择的结果。
        作者们进一步强调了“小世界”脑网络计算模型在脑发育、脑认知和脑疾病研究中的重要价值。特别是,通过这种脑网络计算模型,研究者能够揭示人脑的“小世界”网络特征在脑发育和脑老化时的调整规律,能够显著解释个体在高级认知功能(如记忆、智力等)的差异。“小世界”脑网络计算模型也被用于多种神经精神疾病(如注意缺陷多动障碍、孤独症、精神分裂症、抑郁症、阿尔茨海默病等)研究,揭示了不同类型的神经精神疾病具有不同的“小世界”脑网络异常特征(图2)。例如,与正常对照相比,注意缺陷多动障碍患者的脑结构与功能网络呈现出“小世界”偏规则化,很可能反映其脑结构与功能的发育延迟,而精神分裂症患者的功能组织更偏随机化,伴随着脑区之间过度的整合和局部脑区功能分离的下降,这为不同类型的神经精神疾病的发生发展机制提供了重要的计算模型。文章也指出,探讨人脑的“小世界”组织模式对工程领域尤其是计算机领域低功耗、高效智能系统的设计具有重要价值。例如受皮层神经元联结模式启发而设计的TrueNorth芯片(图3),由4096个仿神经突触内核通过长距离联结进行通讯,具有高效、可扩展和灵活性等特征,并且和传统的中央处理单元相比能耗大为降低(功耗为20mW/cm2)。
        最后,文章指出了当前“小世界”人脑网络研究领域所面临的重要挑战和未来的发展方向,这包括:解析更高空间精度的人脑网络特性,探索人脑网络的发育轨迹、动态重组规律及其生理基础,基于计算神经网络模型探究人脑结构与功能网络对应关系,评价人脑网络的个体差异,以及人脑网络研究与类脑计算科学的相互促进等。研发“小世界”脑网络计算模型和其他复杂网络模型,结合计算神经科学的最新成果,将有望为探索和理解健康和疾病状态下的人脑工作机理提供新思路和新方法,并为类脑智能系统的设计与开发提供新理念。
        该综述论文第一作者廖旭红和通讯作者贺永来自北京师范大学认知神经科学与学习国家重点实验室、神经影像大数据与人脑连接组学北京市重点实验室和麦戈文脑科学研究院。
     
     
    图1. “小世界”网络计算模型。左图为规则网络,具有高的局部聚类和长的平均路径长度;中图为“小世界”网络,具有高的局部聚类和较短的平均路径长度;右图为随机网络,具有低的局部聚类和短的平均路径长度(Nature 1998; 393:440-442)
     
    图2.两种不同类型的精神疾病具有不同的“小世界”脑网络模型。与正常对照相比,注意缺陷多动障碍和精神分裂症患者的“小世界”脑网络的异常模式呈现不同的偏移方向,其中前者脑网络呈现偏规则化的联结模式(上图),后者脑网络呈现偏随机化的联结模式(下图)。(Molecular Neurobiology 2014; 50:1111-1123)
     
    图3.脑启发芯片(TrueNorth)的结构。(Science 2014; 345:668-673)
     
    参考文献:
    Liao X, Vasilakos A.V, He Y. 2017. Small-world human brain networks: perspectives and challenges. Neuroscience & Biobehavioral Reviews 77:286-300.