より良い洞察のための脳接続マップの改善
新しい手法が脳の接続マップの精度と脳活動との関係を向上させる。
― 0 分で読む
脳の接続を細かくマッピングする「コネクトーム」を作るのは難しいんだ。研究者たちは脳のそれぞれの半分にある約32,000の接続点を示している地図を見ているけど、正確な地図を作るのは簡単じゃなくて、間違いを引き起こすこともある。例えば、特定の接続がどこで終わるかを判断するのはすごく精密じゃないといけない。このプロセスでミスがあると、脳の異なる部分がどう繋がっているかについての信頼できない結果になっちゃうんだ。
このマッピングプロセスでの大きな問題の一つが「回転バイアス」ってやつ。これは、接続が脳の外側のリッジで終わってしまう傾向があるときに起きる。これがあると、異なる領域がどう相互作用しているかの評価が不正確になっちゃう。レビューしているコネクトームにはこのバイアスが存在してたんだ。
さらに、研究者の中には、接続の強さに関する詳細な情報を単純なはい/いいえの答えに変えて、これらの地図のシンプルなバージョンを使う人もいる（バイナリ化）。これでデータの扱いは簡単になるけど、大事な情報が失われたり、結果が信頼性を欠くこともある。
これらの問題に対処するために、より良い方法を使って同じ研究対象の新しい脳の接続マップを作ったんだ。この方法は、マッピングプロセスのバイアスや不正確さを減らすように設計してある。私たちのアプローチには、生データの不一致を修正したり、接続を追跡する方法を改善するステップが含まれてた。脳の構造をより正確に表現するために、いろんなテクニックを使って、接続の強さに関する詳細な情報を保持するようにしたんだ。
私たちの分析は、新しいコネクトームマップが脳の活動をどれだけよく予測できるかに焦点を当てて、以前のマップと比較した。私たちは、更新したマップが安静時や課題実行時の脳の活動をもっと正確に説明できることを発見した。実際、私たちのマップは脳の形状に基づいたマップと同じくらい良いパフォーマンスを見せたんだ。
面白いことに、私たちの発見は、以前のコネクトームマップの問題が、高解像度の脳マップを正確に作成するための重要な課題に対処しなかったことによるものであることを示唆してる。私たちは、精度にいくつかの違いがあったとしても、コネクトームマップが幾何学的マップと比較したときに脳の働きを説明するのにうまく機能することを示したんだ。
マップの種類の比較
私たちの研究では、さまざまな接続マップが脳の活動をどれだけ説明できるか見た。コネクトームマップは、脳が安静時やタスクを実行しているときの予測精度が良かった。私たちは、コネクトームマップと脳の幾何学に基づくマップで行われた予測の違いがほんの少ししかないことを発見した。
コネクトームマップは、低周波数の接続において少し高い精度を提供したけど、その違いは最小限で、私たちはどちらのマッピング手法が優れているなんて主張を支持するものではないと考えている。
私たちが見つけたコネクトームマップの空間パターンは、幾何学的マップに見られるものとかなり似てた。脳の幾何学と私たちのコネクトームマップの間には、古いバージョンよりも強い関連性があった。これは、脳の接続のあり方が構造と密接な関係にあることを示しているんだ。
短い接続と長い接続
私たちの研究では、接続の長さが脳の活動の予測にどう影響するかの分析も含まれてた。短い接続と長い接続の両方が重要な役割を果たすことがわかった。特に短い接続は高い周波数で重要で、脳の表面の形状により密接に従っていることを示唆してる。
これは、短い接続と長い接続が脳の活動に与える影響の違いを理解することが重要であることを意味してる。これは複雑な作業で、短い接続は脳の形状と配線の両方に影響される可能性があるからなんだ。
結論
私たちが示した結果は、脳の形状に基づいたマップが脳の活動をよりよく理解できるとする以前の主張と対立してる。私たちの発見は、更新したコネクトームマップが異なる状態のときに脳が何をしているかを説明するのに同じくらい効果的であることを示している。
以前の研究ではコネクトームマップがあまり正確でないと示唆されていたが、これはおそらくそれらの作成において重要な課題に対処していなかったからだ。私たちのコネクトームマップは、特に低周波数で脳の活動に影響を与える構造的接続の可能性を示している。
私たちが見つけたコネクトームマップと幾何学的マップとの類似性は、脳の構造とその接続の間に深い関連があることを示している。この関係は、幾何学と接続性がどのように互いに影響し合うかのさらなる探求が価値があることを示唆してる。
結論として、幾何学的マップはシンプルかもしれないけど、正確なコネクトームマップを作ることは脳の働きを包括的に理解するために重要だと思ってる。これらのマップを作成する際の課題は、脳の構造と機能に関する結論が信頼できるデータに基づくように、先進的な技術の必要性を強調してるんだ。
知識の共有
私たちは、他の人が私たちの分析を再現できるように、すべての方法と補足情報を公開してる。この透明性は科学コミュニティにとって重要で、正確なマッピング手法を使って脳がどう機能するかの理解を進める手助けになるかもしれない。
最終的に、脳の幾何学とその接続性の相互作用は、今後の研究にとって豊かな分野であり、健康と病における脳の機能についてのより良い洞察に繋がる可能性がある。短い接続と長い接続の両方を理解することは、脳の活動の複雑さやそれが私たちの思考や行動をどう形作るかを完全に把握するために重要だね。
タイトル: Eigenmodes of the brain: revisiting connectomics and geometry
概要: Eigenmodes can be derived from various structural brain properties, including cortical surface geometry1 and interareal axonal connections comprising an organisms connectome2. Pang and colleagues map geometric and connectome eigenmodes to spatial patterns of human brain activity, assessing whether brain connectivity or geometry provide greater explanatory power of brain function3. The authors find that geometric eigenmodes are superior predictors of cortical activity compared to connectome eigenmodes. They conclude that this supports the predictions of neural field theory (NFT)4, in that "brain activity is best represented in terms of eigenmodes derived directly from the shape of the cortex, thus emphasizing a fundamental role of geometry in constraining dynamics". The experimental comparisons favoring geometric eigenmodes over connectome eigenmodes, in conjunction with specific statements regarding the relative efficacy of geometry in representing brain activity, have been widely interpreted to mean that geometry imposes stronger constraints on cortical dynamics than connectivity5-9. Here, we reconsider the comparative experimental evidence focusing on the impact of connectome mapping methodology. Utilizing established methods to mitigate connectome construction limitations, we map new connectomes for the same dataset, finding that eigenmodes derived from these connectomes reach comparable accuracy in explaining brain activity to that of geometric eigenmodes. We conclude that the evidence presented to support the comparative proposition that "eigenmodes derived from brain geometry represent a more fundamental anatomical constraint on dynamics than the connectome" may require reconsideration in light of our findings. Pang and colleagues present compelling evidence for the important role of geometric constraints on brain function, but their findings should not be interpreted to mean that geometry has superior explanatory power over the connectome.
著者: Sina Mansour L., H. Behjat, D. Van De Ville, R. E. Smith, B. T. T. Yeo, A. Zalesky
最終更新: 2024-04-20 00:00:00
言語: English
ソースURL: https://www.biorxiv.org/content/10.1101/2024.04.16.589843
ソースPDF: https://www.biorxiv.org/content/10.1101/2024.04.16.589843.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。