构连接和功能连接之间并不存在完美的联系。在此，我们综述了宏观大脑网络中连接结构和功能的现状的知识，并讨论了用于评估这种关系的不同类型的模型。我们认为目前的模型不包括完全预测功能所必需的生物学细节。结构网络重构因局部分子和细胞元数据而丰富，与更细微的功能和属性表示相协调，为真正理解结构和功能关系的多尺度研究提供了巨大的潜力。

亮点：

网络神经科学的出现使研究人员能够量化神经元网络的组织特征和皮质功能的频谱之间的联系。

目前的模型表明结构和功能显著相关，但由于功能反映了结构网络中复杂的多突触相互作用，因此其对应关系并不完美。

功能不能从结构直接估计，但必须由高阶交互模型推断。统计、通信和生物物理模型已被用于将大脑结构转化为大脑功能。

结构功能耦合是区域异质性的，遵循分子、细胞结构和功能层次结构。

1.脑网络的结构和功能

结构和功能之间的关系是自然科学和工程的中心概念。想想蛋白质的构象如何决定它的化学性质，最终决定它的生物学功能。蛋白质折叠成三维结构，促进氨基酸之间的相互作用，使蛋白质与其他分子发生化学作用，并赋予其功能。相反，蛋白质结构的破坏导致功能的丧失。值得注意的是，据说这种蛋白质是变性的，强调了改变其结构已经从根本上改变其自然功能的观点。

神经系统的功能类似地由神经元和神经元群体的结构和排列所塑造。复杂的突触投射网络形成了一个嵌套的、越来越多功能的神经回路的层次结构(见术语表)，这些神经回路支持感知、认知和行动。现代成像技术允许在时空尺度和跨物种高通量重建神经回路(框1)。通过广泛的国际数据共享的努力,越来越详细的神经系统连接模式可以在人类和多种生物模型实现,包括无脊椎动物,鸟类,啮齿动物,和灵长类物种。这些神经系统的综合布线图，称为结构连接(SC)或连接体，代表神经元素之间的物理连接。

图I结构和功能连接的测量

网络边缘可以表示SC或FC，它们的定义和解释取决于成像方式。网络神经科学的出现提供了一个机会来量化和阐明神经元网络的组织特征和皮质功能的频谱之间的联系。SC网络具有独特的非随机属性，包括高局部聚类和短路径长度，这是小世界结构的特征。具有相似功能属性的群体往往聚集在一起，形成由具有不同连接强度的枢纽节点交联的专门化模块。网络的Hub不成比例地相互连接，形成了一个公认的核心或富人俱乐部，这是一个潜在的允许信号从专门模块采样和集成的架构特征。最后，大脑网络是空间嵌入的，具有有限的代谢和物质资源，导致更短、低成本的连接越来越普遍。这些组织属性已经在一系列物种和追踪技术中被复制，表明在系统发育学中存在共同的组织原则。

SC网络的结构赋予神经元共激活模式一个独特的特征。区域间投射促进远端神经元群体之间的信号传递和同步，从而产生相干的神经动力学，测量为电磁或血流动力学神经活动的区域时间序列。

对区域之间的系统协同激活可以用来映射功能连接(FC)网络。在过去的十年里，这些动态越来越多地在没有任务指导或刺激的情况下记录下来;由此产生的“内在”或“restingstate”FC被认为反映了自发的神经活动。内在FC模式具有高度组织性、可重复性，与任务驱动的共激活模式具有可比性。休息时大脑活动的持续性和可重复性使休息状态FC成为研究结构-功能关系的理想起点。

本文综合了宏观大脑网络中连接结构和功能的现状知识。我们首先表明，在结构和功能之间的直接一对一的联系是有限的，并且天生就被大脑的网络性质所掩盖。我们调查了现代定量方法，这些方法从结构和功能之间的直接相关性转移，将功能概念化为出现在多个神经元群体之间的高阶交互作用，重点放在优势、局限性和共性上。我们认为，下一步在理解网络水平的结构功能关系时，必须考虑到区域异质性，通过微尺度属性来丰富网络重构，包括转录组、细胞结构和神经调节信息。最后，我们强调了新兴的理论，即宏观结构功能关系在整个大脑中并不统一，而是与细胞结构和表征层次平行变化。

2.完美的一致性

早期的研究强调了结构和功能连接权重之间的相关性。结构权重与功能权重相关，在结构网络中处于中心位置的节点在功能网络中也处于中心位置。此外，结构上连接的神经元素对比结构上不连接的神经元素对显示更大的FC(图1A)。从更广泛的角度来看，许多内在功能网络，特别是视觉和躯体运动网络，都受到紧密解剖连接模式的限制。

虽然SC和FC显著相关，但对应关系并不完美。即使是最好的情况下的估计也将相关性置于R=0.5，这意味着功能连接权值的相当大的差异(至少一半)无法用简单的1:1对应结构来解释。在没有结构连接的区域之间的功能连接的情况下，这种差异会扩大(图1B)。

一个特别突出的例子是两个半球相应结构之间的同伦功能连接。

这些通常是FC中最强的功能连接子集，但并非所有同伦功能连接都被直接的胼胝体投射所支持，即使在没有胼胝体连接的个体中也可以观察到强同伦功能连接。这些例子说明了一个简单的观点:通过间接解剖连接的持续沟通可能表现为强大的FC。

结构和功能之间的不协调在介观尺度上特别明显。静息态FC和meta分析共激活中常见的内在网络无法从结构网络中恢复(图1C)。

尽管内在网络可以在静息状态记录和元分析共激活中通过独立成分分析、社区检测或数据驱动聚类来重复定义，但对扩散加权SC或解剖协方差网络应用可比方法可以得到更具有空间连续性的网络。

例如，聚类或社区检测方法通常无法识别类似结构网络的默认模式，这可能是因为网络的所有部分不是在解剖学上相互连接的。

结构和功能网络也显示出全球组织的差异。例如，结构网络显示了广泛的分类混合的证据，具有相似属性(例如，度)的节点更有可能被连接，而功能型网络则不是这样。在中观尺度上，从结构网络恢复的社区或模块是协调性的，而从功能网络恢复的社区是非协调性的。换句话说，在功能网络中，具有不同属性的节点之间有明显的亲缘关系。因此，调整社区检测算法，使其对非协调性结构敏感，可以改善结构化模块和功能模块之间的匹配。总之，大量的研究证明了SC和FC之间的不一致性，它们跨越多个尺度，从单个节点和边的嵌入到它们的全局分布。

为什么SC和FC会有差异?功能相互作用可能通过间接的结构连接产生，导致两个或多个突触彼此分离的区域之间的连贯时间过程。换句话说，两个区域时间过程相互关联的倾向不仅是由它们之间的直接信号驱动的，还受它们从感觉器官和整个网络接收的共同输入的驱动。一个推论是，功能上的相互作用比结构上的连接更少依赖于距离。解剖布线受材料、空间和代谢的限制;这些压力表现为连接概率和连接权随着空间分离度的增加而降低。尽管FC也存在类似的距离依赖性，但其作用较弱，这确保了结构和功能配置之间的系统性差异。在下一节中，我们将考虑通过将功能概念化为多个结构连接的突现属性来将结构转换为功能的模型。

图1结构和功能连接之间完美的一致性

3.高阶交互模型

正如我们到目前为止所看到的，SC和FC之间存在着重要的联系，但两者并不是完全一致的。许多模型都体现了这种联系，包括统计模型、通信模型和生物物理模型。尽管它们的实现和假设不同，但共同的想法是强调集体的、高阶的神经元素之间的相互作用，超越了强烈的局部聚类和二元结构关系的几何依赖。在这里，我们简要回顾每一种分析策略，重点

转载请注明:http://www.aideyishus.com/lktp/2894.html