脑网络适应性随机性假设：建模等终结性、多终结性和对逆境的适应｜PNAS速递

关键词：脑网络，适应随机性假设，随机生成模型

论文题目：The adaptive stochasticity hypothesis: Modeling equifinality, multifinality, and adaptation to adversity

期刊名称：PNAS

斑图地址：https://pattern.swarma.org/paper/7ea39976-6802-11ee-a788-0242ac17000d

论文地址：https://www.pnas.org/doi/10.1073/pnas.2307508120

人脑结构是各种约束条件之间复杂而动态的相互作用的结果。其中最重要的是孩子从父母那里获得的基因信息和他们成长的环境。在文献中，这两个因素以及它们之间的相互作用通常被认为能解释整个人群中大脑发育的表型变异。在大脑发育过程中，随机性是一种内在的特性，它与基因和环境因素一起影响着神经系统的发育。然而，随机性的作用往往被忽视。

最新发表在PNAS的一篇论文中，作者通过生成模型探讨了内在发育随机性对神经表型的影响。通过进行超过一千万次的模拟，研究发现较弱的约束条件会导致更高的多终性；对于发育噪声的增加反应较不敏感；相对鲁棒性更强；并且非常规结果的可能性更大。通过实证数据，研究发现来自低社会经济环境的儿童所遵循的发育模式：他们的神经连接更能通过更多的随机生成模型来近似。论文提出“适应性随机性假设”（The adaptive stochasticity hypothesis），即在环境不确定的情况下，发育中的大脑内部的增强随机性可能作为一种适应机制。

为模拟由非活动依赖机制设定的大脑结构的产前蓝图，研究者基于人类发育连接组计划中的婴幼儿大脑网络数据，进行模拟。从这个初始点出发，实施类似赫布理论的连线过程的模型，生成了变化但始终合理的大脑网络拓扑结构。通过分析生成过程的大量重复运行，研究者确定了随机性的关键决定因素和影响。结果发现，当网络在较弱的约束下发展时，随机变化对大脑组织的影响更大。这种增强的随机性使得大脑网络对随机和有针对性的攻击更具鲁棒性，但更常导致非常规的表型结果。

图1 相异性处理流程的示意图。(A) 示意图描绘了发展模拟中的随机性如何导致结果的变异性。例如，相同的连线约束可能导致截然不同的结果（即多重终态，右上方），而不同的连线约束可能导致相似的结果（即等效终态，左上方）。(B) 对于每一组参数，进行了625次重复模拟。为了计算这些网络结果之间的差异性，提出了两种度量方法。首先是拓扑差异度量，它捕获了在每一组参数下，各对网络结果在网络拓扑全局度量上的差异性（顶部）。其次是嵌入差异度量，它捕获了在每一组参数下，各对网络结果在边存在性上的差异性（底部）。

编译｜刘培源

神经动力学模型读书会