(d)冗余相互作用的平均区域密度。
(e)协同作用的平均区域密度。
(f)协同与冗余之间的Spearman相关性。
不同的子网络关联和细胞结构特征进一步表明,冗余和协同作用可能涉及完全不同的认知域。为了实证验证这一假设,我们使用(NeuroSynth)进行了基于术语的元分析,它被广泛用于表征认知相关性方面的宏观大脑模式。NeuroSynth通过综合数以千计已发表的功能磁共振成像(fMRI)研究,实现了广泛认知领域和神经模式之间的自动概率映射。我们使用了之前研究中使用的24个主题术语,范围从较低的感觉运动功能(例如眼动、运动、视觉和听觉感知)到较高的认知功能(例如注意力、工作记忆、社交和数字认知)。根据区域等级差异确定的冗余-协同梯度与这24项相关。
我们的研究结果支持了从神经解剖学到认知的推论,揭示了从冗余到协同的区域梯度相当于从较低的感觉运动功能到较高的认知功能的梯度,需要复杂信息的整合。具体来说,高冗余区域强烈地出现在听觉、视觉和多感官处理和运动上。相比之下,高协同作用区域对社会认知、记忆和认知控制的负荷最强(图1e)。
2.2 协同和冗余的独特图论轮廓
从理论的角度来看,感觉运动和高阶认知功能对认知结构提出了截然相反的要求:感觉处理得益于将整个网络分离为独立的模块,而信息的整合则需要高度互联的网络组织。对大脑区域之间的所有协同(冗余)交互的集合可以被视为一个全脑网络,其中每个节点是一个区域,每条边代表对应两个区域之间的协同(冗余)信息。这使得我们有可能将信息解析分析的优势与强大的图论数学结合起来,深入了解人类大脑中协同和冗余交互的网络组织。
在个体之间,由于协同连接的强度高,协同交互的全脑网络比由大脑区域之间的冗余定义的相应的全脑网络具有更高的互联性和全局效率(图3a)。相反,冗余交互作用描绘了一个具有高度模块化结构的网络,这在整个大脑的协同交互作用网络中几乎是不存在的(图3b)。因此,从图论的角度来看,协同和冗余交互作用的全脑网络显示出独特的图论特性,根据它们所支持的认知功能的要求,分别倾向于全局处理和分离处理。
为了补充这一图理论分析,我们展示了静息态子网络内部的冗余相互作用往往比它们之间的冗余相互作用更强(图3c),而协同相互作用的情况恰恰相反(图3d),协同相互作用在不同静息态子网络之间更强,特别是在DMN/FPN和其他子网络之间(图3e)。这些结果表明,大脑区域可以依赖冗余信息在各自分离的子网络内相互作用,同时通过协同作用支持跨子网络的综合处理。
2.3 为协同和冗余提供独特的结构支持
由于只有一小部分大脑区域是由白质束直接连接的,我们推断,一个生物的生存越依赖于A和B区域之间的相互作用,A和B区域就越可能是直接物理连接的,而不是依赖于中间的多突触连接。因此,直接的解剖学连接可以被理解为揭示大脑对稳定交流的需求是最高的。因此,如果冗余的相互依赖性为系统提供了鲁棒性(因为它们对应的信息不依赖于任何单一的大脑区域),那么它们应该与底层的直接结构连接共存。我们的研究结果支持了这一假设:在参与者中,白质流线的数量(使用扩散加权成像(DWI)量化)与区域之间的冗余相互作用的相关性显著高于协同相互作用(图4a)。
在确定协同性和冗余性与解剖学连接的基础网络的关联不同后,我们试图获得对它们各自与结构连接的关系的更精细的观察结果。为此,我们比较了它们之间有直接和间接解剖连接的区域之间的冗余值。正如我们之前的分析所预期的那样,我们发现在存在直接解剖连接的情况下,冗余性相对较强(图4b)。相反,我们发现在没有直接物理连接的区域之间协同作用相对更强(图4c)。这些结果与最近的证据是一致的,即具有直接解剖联系的区域在其表现出的动力学特征方面往往更相似,证实了我们对它们之间存在更大冗余的预期。相反,间接(多突触)连接为不同信息流在从A区域到B区域的过程中整合提供了更大的机会,并受到不同调节因素的影响,这应该对应于发生协同作用的更高机会。
为了证实我们的假设,我们将协同和冗余矩阵与皮质-皮质连线距离进行了比较,结果显示,两个区域的结构连接曲线之间的差异越大,它们保存相同信息的程度就越小,但它们之间的协同潜力却会增加(图4d)。
b,存在底层直接结构连接时,冗余连接显著增强。
c,不具有直接结构连接的区域间协同连接显著增强。
d,协同连接的全脑网络与皮质-皮质连线距离的相关性明显高于冗余网络。
总体而言,冗余交互划分了人脑中模块化的结构-功能主干,确保了稳定的感觉运动输入-输出通道,而协同交互则通过不同子网络的全局高效连接,受益于结构连接的不同模式,促进了高水平的认知。我们的方法揭示了大脑如何平衡模块化和全局信息处理,以服务于认知功能的不同方面。
2.4 大脑高协同区域的进化
协同信息处理和高级认知功能之间的联系,提出了一种有趣的可能性,即人类大脑可能使人类具有独特的复杂认知能力,特别是由于其高度协同的性质。我们通过三种趋同的方法来实现这一假设。
首先,我们证明,与非人类灵长类动物的大脑相比,人类的大脑在利用协同信息方面特别成功。协同互动在人类大脑总信息流中所占的比例高于猕猴(图5a),而就冗余占总信息的比例而言,两种物种的大脑是相等的(图5b)。为了进一步证实协同的作用,我们发现,人类和猕猴在协同作用方面的差异显著大于FC总强度(FC矩阵的大平均值)的差异,或FC网络的全局效率或模块化的差异。
猕猴大脑中的协同和冗余模式与在人类中观察到的模式大致相似(补充图7),显示了它们的进化稳定性——包括在感觉运动区域预期的高冗余(图5c)。然而,在猕猴的前额叶皮层中,冗余比协同更普遍,尽管前额叶皮层是人类最具协同优势的皮质之一(图5c)。有趣的是,人类的进化过程中经历了大量的皮质扩张。
c,猕猴大脑的区域冗余-协同梯度分数的表面投影。
d,人类冗余-协同梯度评分与从黑猩猩到人类的区域皮层扩张之间存在显著的Spearman相关性。
e,人类冗余-协同梯度评分与大脑相关的人类加速基因的区域表达之间的显著Spearman相关性。
(c)通过轴索示踪和扩散MRI估计解剖连通性。
(d)协同交互的网络组织表现出明显高于冗余交互的整体效率。
(e)冗余交互的网络组织表现出明显高于协同交互的隔离性(模块化)。
(f)与协同相互作用相比,冗余相互作用网络与潜在解剖连通性的相关性显著更高。
这些发现表明,在人类大脑中观察到的高协同作用可能与进化的皮层扩张有关。为了探索这一假设,我们分析了来自活体结构MRI的皮层形态测量数据,比较了人类和智人最接近的进化亲戚之一:黑猩猩。为了支持我们的假设,我们发现了人类相对于黑猩猩的皮层扩张与先前由功能磁共振成像(fMRI)得出的协同作用区域流行度梯度之间显著的正相关关系(图5d)。这些发现表明,人类额外的皮层组织可能主要用于协同作用,而不是冗余。
为了为协同作用的进化相关性提供进一步的支持,我们利用了艾伦脑科学研究所(AIBS)提供的人类成人大脑微阵列数据集,该数据集覆盖了左侧皮质的57个区域。我们发现,协同作用的区域优势与基因的区域表达相关,这些基因(1)与大脑发育和功能相关,包括智力和突触传递,(2)在人类与非人类灵长类动物中选择性加速(图5e)。因此,一个大脑区域在协同作用方面越突出,就越有可能表达人类特有的大脑基因。
2.5 大脑中协同作用的突触基础
人类加速基因DK-114图谱的区域表达图由Wei等人提供。简单地说,通过比较基因组分析,我们选取了基因组中总共2737个人类加速区(HARs)中的基因,代表人类加速分化的基因组位点。在这一过程中鉴定出的2143个HAR相关基因中,有1711个在Allen人脑图谱(AHBA)微阵列数据集中被描述,并被Wei和同事们用于分析,称为“HAR基因”。
HAR基因随后又被细分为HAR- brain基因和HAR- nonbrain基因。通过基因型-组织表达(GTEx)数据库,其中包括从449个个体的7333个样本中收集的53个身体部位的56238个基因表达谱。在这56238个基因中,有2823个基因被鉴定为BRAIN基因,其在脑位点的表达量显著高于非脑位点。HAR- BRAIN基因被鉴定为2823个BRAIN基因和1711个HAR基因之间重叠的405个基因,而剩余的HAR基因被标记为HAR- nonbrain基因。
上述观察结果提出了一个问题:人类大脑是如何达到如此高的协同作用的?为了从神经生物学角度解决这个问题,我们从AIBS微阵列数据中探索了20674个基因的冗余-协同梯度和区域表达谱之间的关联。使用偏最小二乘(PLS)回归,我们表明前两个PLS分量解释了区域协同冗余值中30%的方差。这两种成分的HAR-Brain基因显著富集,证实了上述假设驱动的结果(扩展图9)。我们接下来试图确定与大脑协同相关的过表达基因所起的作用,对于每个PLS成分。基因本体论术语的分析显示,PLS成分的转录标记在参与学习/记忆的基因中显著丰富(与我们的NeuroSynth元分析一致),以及突触、突触组件和突触传递(图6a-f)。
(b)冗余-协同区域模式与PLS第二主成分(PLS2)之间的Spearman相关性。
(c)由前2个PLS分量解释的方差显著高于基于保留空间自相关的随机模式的预期。
(d,e)在PLS1和PLS2中HAR-Brain基因显著富集。
(f)使用另一种方法也观察到显著的HAR-Brain基因富集。
(g,h)当使用自旋排列控制空间自相关时,也观察到在PLS1和PLS2中的HAR-Brain基因富集。
2.6 协同作用的代谢和分子基础
尽管基因和体内数据表明突触与大脑协同作用有关,但突触本身并不是固定的,而是在人的一生中发展起来的。在时间和空间上,突触生长都有完善的代谢基础,特别是与有氧糖酵解(AG)有关。时间上,在人类发育过程中,AG峰值出现在突触生长峰值;在空间上,AG在成人大脑中的区域分布与促进突触生长的基因的区域表达一致,这表明即使在成年期,AG也可能支持突触的持续形成。
根据这一系列的文献和我们之前的发现,我们表明冗余-协同梯度和糖酵解指数(GI)的皮层分布之间存在显著的相关性,GI是一种AG的测量方法,从大脑氧和葡萄糖代谢率的PET测量中获得(图7a)。此外,先前与区域AG分布相关的促进突触发育的相同基因在与协同-冗余梯度相关的基因表达的两个PLS组分中也显著富集(补充图10)。因此,遗传和PET证据一致表明,支持突触生长的相同代谢过程也可能是人脑协同作用的基础。
尽管突触的高密度反映了整合多种输入的高潜力,但神经元之间的实际相互作用依赖于作用于各种不同受体的多种不同的神经递质。重要的是,神经递质受体在人脑中的分布并不是均匀的,而是在皮层区域和同一区域的不同层之间存在差异。特别是,皮质区域在神经递质受体的多样性方面有系统的不同。这为识别人脑协同作用的潜在神经化学基础提供了机会,我们推断,不同受体类型和受体层的不同受体表达应该赋予一个区域更大的灵活性,因此它的活性将能够反映来自不同区域和系统的不同输入和神经调节影响的整合。
总的来说,假设驱动和数据驱动的遗传、代谢和分子证据都表明,突触、突触形成、突触传递和神经递质的多样性是大脑协同作用的关键神经生物学基础,这与协同作用量化信息整合及其在支持高级认知方面的作用的概念一致。
3. 讨论
我们对信息解析大脑动态的多模态、多物种调查揭示了人类大脑是如何进化到处理鲁棒性和整合性之间的内在权衡的。利用集成信息分解对人类BOLD信号的内在动态进行分解,量化了有多少关于大脑动态的信息是由不同大脑区域的当前状态冗余携带的,以及有多少信息是在区域之间协同携带的。
结果表明,协同相互作用在人类神经认知结构中起着至关重要的作用,并通过结合遗传、分子、细胞结构、代谢、结构和神经解剖学证据,进一步确定了其跨尺度的神经生物学基础。我们的研究结果表明,基本的感觉运动功能是由一个冗余交互的模块化结构-功能框架支持的。作为大脑的输入输出系统,可靠的感觉运动通道对生存至关重要,它保证了由冗余交互和直接解剖连接提供的额外稳定性,正如我们的结构-功能分析所表明的那样。
相比之下,元分析和图论结果表明,协同交互作用在整个大脑中形成了一个全局高效的网络,协同交互作用连接不同的大脑模块,以支持更高的认知功能。同时,高协同作用区域也表现出高比例的AG。我们发现高协同区域的神经解剖学组织与突触丰富的联想皮层一致。我们还发现,高协同作用的皮质区域表现出最多样化的神经递质受体表达,使灵活的神经调节成为可能。因此,跨尺度的网络组织和神经生物学提供了趋同的证据,表明协同交互在理想状态下可以作为人类大脑中的“全脑工作空间”,使来自整个大脑的互补信息得以整合,以服务于更高的认知功能。
综上所述,我们的研究结果勾画出了一个神经结构,在这个结构中,直接的解剖连接主要有助于确保同一特定模块内的区域获得相同的信息。相反,间接多突触连接更有利于不同模块之间的信息整合。事实上,DMN和FPN的高阶联想皮层可能能够精确地支持人类的高级认知,这是因为它们广泛参与了协同处理:我们发现,与其他灵长类动物相比,人类的协同(而不是冗余)互动特别增强,有专门的皮质区域和专门的基因,包括那些促进突触传输和形成的基因。这一过程产生了一种神经结构,能够在比其他灵长类动物更大的程度上利用协同信息。
同时,DMN和FPN在完成任务和休息时表现出不同的活动模式,在控制大脑动态方面发挥着不同的作用。因此,在未来的工作中,描述它们各自在大脑协同核心中的作用将是至关重要的。此外,未来的工作可能寻求大脑功能的信息分辨方法和时间分辨方法之间的融合,作为可能的补充策略,以平衡大脑对整合和鲁棒性的竞争需求。
将两个区域之间相互作用的协同和冗余贡献分离开来,就有可能区分“信息集成”(协同)和简单地“具有相同的信息”(冗余)的情况。协同信息的量化提供了一种严格的方法,可以从相互影响的角度捕捉不同大脑区域活动之间的整合,超越了传统的FC测量方法。如果目的是量化汇集和组合的信息,那么传统的FC可能是不够的,我们需要更复杂的信息解析方法机制来提供协同作用方面的全貌。事实上,最近的补充工作也强调,只关注锁定时间的波动将错过区域之间相互作用的重要方面。
最后,我们的大脑动力学信息解析分析方法的一个关键优势是其广泛的可能应用范围:基于信息论,集成信息分解可以应用于跨尺度的神经数据,从功能磁共振成像到神经元培养。因此,我们的框架有希望对神经科学的广泛范围内的一系列问题提供关键的新见解,从健康和病理发展到认知及其障碍。总的来说,这项工作提供了揭示信息处理原则的潜力,这些原则支配着神经生物学如何产生精神现象。
联系客服