被忽视的弱结构连接在非线性连接组标度下支持人类认知
Overlooked weak structural connections support human cognition under nonlinear connectome scaling
预印本 · 尚未经过同行评审
弱连接在哺乳动物连接组中大量存在,却常因纤维追踪的不确定性被当作噪声压低。研究在多个数据集和纤维追踪流程中,用非线性加权框架解读连接权重,发现弱连接对认知预测、功能连接模拟和结构功能耦合都有贡献,且对一般认知能力和记忆的预测提升大于晶体智力和加工速度。这些效应在整合两种追踪后过滤方法生成的连接组中同样出现,保留弱连接优于常规阈值化策略。
在多个数据集和纤维追踪流程中,用非线性加权框架重新解读连接权重,发现弱连接对一般认知能力和记忆的预测贡献大于晶体智力与加工速度。
人类认知依赖于受白质结构约束的大规模通讯。尽管弱连接在哺乳动物连接组中大量存在,但由于人脑纤维束成像的不确定性,它们长期被视为噪声并被降低权重,其与人类认知及大规模功能组织的关系仍未得到解决。在多个数据集和纤维束成像流程中,我们表明,当通过非线性加权框架解读纤维束成像导出的连接权重时,弱连接对认知预测、功能连接模拟和结构-功能耦合均有可测量的贡献。这些效应具有选择性:非线性加权对一般认知能力和记忆的预测改善程度大于对晶体智力或加工速度的预测,这与弱连接优先扩展脑结构网络的模态库、从而增强大规模整合与精细分离、进而支持多种认知能力所必需的功能平衡这一观点相一致。重要的是,这些效应在通过整合两种纤维束成像后过滤方法生成的信度感知连接组中得到了重复,其中保留弱连接在结构-功能耦合和基于模型的模拟中始终优于传统阈值策略。最后,我们表明弱连接包含沿系统层面和基因表达梯度组织的功能信息。具体而言,具有负基因共表达的弱连接主要连接视觉、运动与边缘区域,并且对脑功能的影响不成比例地大于具有正基因共表达的弱连接。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Neurons and Cognition · arxiv.org