CAN Lab课题组：演化计算揭示人脑结构网络的混合路由模式
以下文章来源于CANlab ，作者CANlab
近日，中山大学心理学系CAN Lab在医学影像领域国际一流期刊《IEEE Transactions on Medical Imaging》（SCI影响因子: 10.6; JCR一区; 中科院大类一区Top）在线发表了题为"A hybrid routing pattern in human brain structural network revealed by evolutionary computation" 的论文。论文第一作者为CAN Lab硕士研究生梁权民，通讯作者为CAN Lab林盈副教授和代政嘉教授，合作者包括北京师范大学舒妮教授，埃默里大学林起湘研究员和CAN Lab成员马骏骥、陈曦甜。研究获得了科技部、国家自然科学基金和广东省自然科学基金等项目的资助。
人脑的通信谜题
人脑相对稳定的结构如何支持灵活多变的认知功能？这个问题长久以来一直困扰着研究者们，是脑科学领域的核心问题之一。要回答该问题，一个关键在于理解人脑的通信机制，即信号如何在人脑中沿白质纤维传播，从而使不同脑区之间协同活动，共同执行认知功能。在前人关于人脑通信机制的研究中，一个主流假设是信号沿脑区之间的最短路径传播。但最短路径路由存在信息成本高昂、鲁棒性差、容易发生信号拥堵的问题，且难以解释人脑中存在众多不参与任何一条最短路径的结构连接。近年，研究者们开始尝试采用空间导航（将信号传向与目标脑区在空间最相近的邻接脑区）、随机游走（将信号随机传向邻接脑区）等经典路由策略解释人脑结构-功能耦合。也有研究者提出人脑的路由策略位于从最短路径（传输效率最高、信息成本最大）到随机游走（传输效率最低、信息成本最低）的连续谱上。
尽管已有多种路由策略被提出，前人的研究大多假设全脑采用相同的路由策略，即每个脑区采用统一的寻路方式来确定信号传播的路径。然而，不同脑区进行通信的结构基础和功能目标并不相同，且越来越多证据表明人脑的结构-功能耦合关系具有区域异质性，表现出初级功能区域紧耦合而高级功能区域松耦合的变化梯度。因此，路由策略全脑一致的假设可能并不合理。然而，鲜少有研究对人脑的混合路由模式展开探索。
人脑的混合路由模式
—— 基于演化计算的探索
为了探索人脑的混合路由模式，本研究将其建模为一个优化问题：令每个脑区从三种代表性路由策略（最短路径、随机游走、空间导航）中选择一种，模拟该混合路由策略下的通信过程，使脑区间通信效率的期望能够最大化地解释功能连接。然而，该优化问题缺乏良好的数学性质，且搜索空间巨大。对此，本研究提出采用演化计算（evolutionary computation, EC）对问题进行求解。EC是通过模拟生物进化过程来求解问题的一类元启发式算法，具有不依赖问题的数学模型、全局寻优和天然并行等优点，应用十分广泛。CAN Lab课题组结合人脑连接组学和EC算法，在探索人脑组织和运作机制方面也已取得一系列成果（参见文末链接）。
EC算法找到的混合路由模式如图1A所示，其通信效率的期望与真实脑功能网络的相关达0.473（P<0.001），显著高于单纯使用一种代表性路由策略或随机混合三种路由策略的情况（R: 0.391 ~ 0.402; Ps<0.001），表明混合路由模式能够更好地解释结构-功能耦合。在混合路由模式中，使用不同路由策略的脑区数量比较均匀，其空间分布显示出异质性：初级功能模块更倾向于使用信息成本高但传输较快的最短路径和空间导航策略，而高级功能模块中的脑区更多地使用信息成本低但传输较慢的随机游走策略（图1B & 1C）。这一结果可为人脑结构-功能耦合关系的区域异质性提供通信机制层面的解释。
图1. 演化计算得到的人脑混合路由模式。(SP: 最短路径; DIF: 随机游走; NAV: 空间导航)
混合路由模式下全脑的通信负载更为均衡
混合路由模式具有更好的通信鲁棒性
图2. 不同路由策略的通信鲁棒性: (A) 脑区和 (B) 结构连接的介数中心度 (C) 指定目标的模拟损伤实验。(HYB: 混合路由模式; SP: 最短路径; DIF: 随机游走; NAV: 空间导航)
我们进一步分析了混合路由模式中选择不同脑区的拓扑属性，发现采用随机游走策略的脑区具有更多的结构连接和更高的功能模块参与系数（Pc），但功能模块内的相对连接数（Z）更少（图3A）。按参与系数和模块内相对连接数将脑区划分为四种类型后，发现两类连接子（Pc高）有更高比例采用随机游走策略，而模块内核心（Pc低Z高）则不使用随机游走（图3B）。这些发现表明脑区所使用的路由策略可能与其拓扑特性和通信角色适配。结构连接稠密的脑区倾向于采用随机游走来降低通信的信息成本和平衡通信负载。负责模块间通信的脑区也更多地使用随机游走来达到去中心化地发散信息的目的。而负责模块内通信的脑区则倾向于使用高效的路由策略以更快速整合信息，并通过限制远距离通信缓解信号堵塞。
图3. 混合路由模式中采用不同路由策略脑区的拓扑属性分析。(SP: 最短路径; DIF: 随机游走; NAV: 空间导航)
最后，我们也在多个条件（包括预处理流程、通信过程的控制参数设计、脑图谱和脑影像数据）下验证了上述主要结果的可重复性。
总结
本研究提出了基于脑区水平的混合路由概念，通过允许不同脑区在路由策略上的差异，为更真实地研究人脑通信机制提供了一个新的途径。运用演化计算所发现的混合路由模式在解释功能连接和支持鲁棒通信方面具有优势，其空间分布与人脑功能梯度有紧密联系，并与脑区的拓扑属性和通信角色有关。然而，本研究也存在多个局限。未来，CAN Lab将在现有基础上继续深化和拓展人脑基于混合路由的通信机制研究，期望在人脑结构-功能耦合关系的科学问题和精神疾病的实际应用上取得突破。
论文信息
▌Liang, Q., Ma, J., Chen X., Lin, Q., Shu, N., Dai, Z.*, and Lin, Y.* (2024) A hybrid routing pattern in human brain structural network revealed by evolutionary computation. IEEE Transactions on Medical Imaging, online, https://ieeexplore.ieee.org/document/10385209.
▌相关成果（可点击查看）
SC2FC：
CAN Lab课题组：运用人工神经网络揭秘人脑结构与功能的内在关系
Overlapping modules：
CAN Lab课题组：人脑功能网络重叠模块化结构在成人期的变化
Cost-efficiency：
CAN LAB 信息
CAN Lab（Computational Affective Neuroscience Lab）于2016年依托中山大学心理学系成立，团队中现有教授1名、副教授1名、博士研究生3名、硕士研究生10余名。主要面向脑科学、情绪心理学、计算机科学三个学科的交叉领域开展前沿学术研究，旨在运用先进计算方法和技术，探索人类情绪与大脑的内在联系，破解人脑的“情绪密码”，为情绪相关脑疾病的早期诊断与精准治疗提供新的手段，同时以新发现的人类智能范式和机制助推新型人工智能理论和算法的创造与开发。
实验室简介及招生：
https://mp.weixin.qq.com/s/ycmk50AkYzG5MbE-6DCEFQ
实验室招聘：
https://mp.weixin.qq.com/s/hcxVcbztUHAWq-t3Em8tPA
目前诚招博士后和研究助理，并欢迎报考研究生，更多相关信息可邮件咨询：
〓 代老师：
daizhengj@mail.sysu.edu.cn
〓林老师：
linying23@mail.sysu.edu.cn
转载编辑｜罗佳睿
初审｜许俊斌
审核｜何梓燕
审核发布｜李桦
