6.2 多模态数据的脑网络分析
网络神经科学（network neuroscience，NN）的概念由Danielle SBassett和Olaf Sporns两位学者提出，旨在使用新方法描绘、记录、分析，以及对神经生物学系统中的元素组成和相互作用进行建模，从而更为整体地了解大脑结构和功能。网络神经科学已经进入一个飞速发展的时代，可以从大尺度的神经系统和多水平的组织中得到大量复杂的数据，这些数据涵盖了神经系统内部或相互之间联系的特征，从而综合描绘网络架构。这些网络包括蛋白质相互作用、基因调控网络、突触连接、脑区间解剖投影、静息态或任务态脑活动的动态模式，以及特定行为表现下大脑和环境的交互作用。并且，这些数据通常会涵盖不同水平的组织，如神经元、神经环路、神经系统，甚至全脑，包括生物学的不同领域或数据类型，如结构和功能连接、遗传模式和疾病状态，行为表现型和分布式脑活动之间的关系。网络神经科学包含不同时间和空间尺度下的网络研究（图6.3），其试图将基因和生物分子之间的关系和神经元之间共享的关系联系起来，探索神经元水平的加工过程如何影响大尺度神经环路。然而，网络神经科学并不止步于大脑，而是探索中枢神经系统的内部连接模式及其是如何与行为模式相互作用的。例如，感觉和行为是如何关联的，大脑和环境的相互作用是如何影响认知的。最终，网络神经科学从这些角度探索行为学到生态学，以及经济和文化的相互作用。网络神经科学包含不同尺度组分的交互作用，同时探索跨尺度的现象学依赖关系，而不仅仅是将系统局限到某一特定的尺度。
图6.3 多空间和时间范围的网络（摘自Bassett，D.S.，et al.2017［2］）（书后附彩插）
图6.4显示了网络神经科学中的网络测量、构建和分析。网络神经科学始于对神经生物学系统中各类数据的采集。这些数据可能是：①基因之间的统计学关联性，以及大分子间的物理耦合；②突触间的解剖网络以及脑区间的投射；③多维度时间序列的统计依赖性和因果关系；④行为关联，如个人或集体社会相互作用时的感受器和效应器的动态耦合。数据采集完成后进行预处理，如个体标准化、伪迹和噪声去除，凝练出一个图或网络的数学形式，包括节点和边。常见的例子包括转录组和相互作用组、连接组、功能性／效应性连接，以及社交网络。图论的常见数学框架提供了一系列网络分析的方法和工具。图6.4中展示的描述性测量方法仅仅是基础分析，还有一些更有力的分析和建模方法，如生成模型、预测和控制。
图6.4 网络测量、构建和分析（摘自Bassett，D.S.，et al.2017［2］）（书后附彩插）
本章提到的多模态数据仅仅为网络神经科学中数据测量的一部分，其融合分析可以同样参考网络神经科学的分析方法，即脑网络分析。图论是脑网络分析的数学基础，即使用一系列的节点和边来代表系统中的元素与相互作用关系，构建出图或网络，反映其属性。有三种不同类型的连接，包括功能连接、效应连接和解剖连接。掌握这些不同的连接概念将有助于解释结果。
目前为止你应该对功能连接很熟悉了，它描述了大脑空间上的不同区域信号的时间相关性。然而，正如你从这个描述中看到的，功能连接的概念相对抽象，因为它描述了我们测量到的数据的统计特性，而不直接是生物学过程。当然，当我们谈及解释功能连接的结果时，通常从功能性整合或耦合方面展开讨论。因此，功能连接被认为可以反映不同神经群体之间的信息转移。不同的连接类型中，解剖连接（也称结构连接）是生物学的基础。解剖连接是指神经元群体之间存在白质神经束，在绘制连接组图谱时起到重要作用，并且可以通过弥散MRI或者纤维追踪观察到。值得强调的是，即便在两个区域之间没有直接的解剖连接，也可能存在功能连接，这常常被解释为两个区域是间接相连的。这种情境下，功能连接的最可能原因是这两个区域都和第三个区域（或一系列更为复杂的区域）存在解剖连接或功能连接，因此信息在这两个区域之间通过第三个区域进行传递（间接）。正如第5章中描述的，偏相关是一种基于节点的方法，它对这种间接的功能连接并不敏感。另一种可能性是确实存在真实的解剖连接，但是无法采用弥散MRI测量到。例如，有些情况下白质纤维没有髓鞘或者非常纤细，或是纤维结构过于复杂而无法测量到。
如果你了解了两个区域之间的功能连接和结构连接，仍然有一个问题值得关注，即对于任何一个特定的连接，信息流动的方向是什么。效应连接定义为一个神经元群体向另一个群体施加有向影响的程度。和功能连接相似，效应连接也是一个相对抽象的术语。从生物学角度，许多脑区之间的连接是双向的，提示了脑区之间可能存在自下而上（bottom-up）和自上而下（top-down）的交互作用。神经元水平的兴奋性和抑制性连接进一步复杂化了估计出的效应连接和潜在神经生理学机制之间的关系。尽管如此，确定信息流动的优势方向在理解连接组学方面仍然是很有帮助的。
目前使用功能MRI数据研究效应连接仍然存在挑战，原因在于现有技术采集到的功能MRI数据时间分辨率低。许多效应连接方法基于延迟的方法，如格兰杰因果关系分析。正如我们在第5章中讨论的，基于延迟的方法有一个基本假设：如果某件事首先在区域A发生，随后在区域B发生，那么连接方向一定是从区域A到区域B。然而，fMRI在测量神经元活动时不直接且有延迟，尤其是相对于神经元活动的时间范围（通常是毫秒级）而言，fMRI的时间信息受限，使得进行基于延迟的分析会存在一定问题。