论文题目：Functional brain networks reflect spatial and temporal autocorrelation

论文来源：Nature Neuroscience

论文链接：https://www.nature.com/articles/s41593-023-01299-3

神经科学中，高通量实验方法催生了大量用于测量复杂相互作用和多维模式的技术。然而，对于所涌现出的现象，复杂方法能否追溯到更加简单的、低维度的统计指标呢？

这篇最近发表在 Nature Neuroscience 上的文章探讨了这个问题，作者使用网络神经科学中的复杂拓扑方法研究了静息态功能磁共振成像（rs-fMRI，functional magnetic resonance imaging）数据，证明了空间自相关性（SA，spatial autocorrelation ）和时间自相关性（TA，temporal autocorrelation ）是可靠的统计指标，能够解释许多网络拓扑特性。

此外，作者开发了一种方法，用于生成与原始fMRI数据具有相同 SA 和 TA 值的人工 fMRI 数据。这些人工数据的网络特性捕捉到了拓扑方法中几乎所有可靠的个体和区域变化。作者还证明，SA 驱动衰老过程中网络拓扑的变化，多种含血清素药物因果诱导在TA上相同的大脑地形变化。这个工作强调了在研究复杂性质，如网络指标的同时，不要忽视更简单的性质，如SA和TA。

图3：SA将功能连接体拓扑与衰老过程中的神经生物学联系起来。

推荐阅读