原文鏈接-明遠AI： https://blog.csdn.net/u011748542/article/details/109484916
近年來神經科學、信息科學、數學等學科都取得了眾多的進展，但是我們依舊不能夠對複雜的大腦功能、認知背後的原理和機制進行完整的描述和理解。網絡神經科學通過將神經解剖學和複雜網絡相結合，從大腦拓撲結構角度整合大腦的結構和功能，進而描述、記錄、分析和建模神經生物學系統中的基本元素及其相互作用。網絡神經科學特種了新的工具去創建全面的圖譜來記錄分子、神經元、大腦區域和社會系統之間的動態模式。同時網絡神經科學使用現代網絡科學的原理框架和計算工具對問題進行處理。網絡神經科學開創了眾多的新領域，包括網絡動力學，大腦網絡的操作控制以及跨時空域的網絡綜合處理。本文通過整理 2017 年和 2020 年發表在 Nature neuroscience 上的綜述文章 “Network neuroscience”，“Dynamic representations in networked neural systems” 和 2018 年發表在 Nature reviews neuroscience 上的文章 “On the nature and use of models in network neuroscience”, 對網絡神經科學進行概述。
# 多時空尺度網絡
多時空尺度網絡遍佈在網絡神經科學研究的眾多領域。如下圖所示，網絡神經科學在空間尺度上的研究對象可以分為分子、突觸、神經元、迴路、系統、腦、組織、環境；在時間尺度上依次為毫秒、秒、分、小時、天、月、年。
從最小的分子開始，網絡神經科學試圖將基因和生物分子之間關係的編碼信息與神經元之間共享信息進行關聯。進一步網絡神經科學探尋建立起一個整體框架，去理解神經元層的處理過程與大規模腦回路、腦系統和整體腦的結構、功能的關係。網絡神經科學在此基礎上進而探求中樞神經系統中的連接模式在驅動行為模式過程中的作用以及知覺和行為間相互聯繫。網絡神經科學不僅僅將神經系統簡化為按特定比例定義的組件，而且研究各個組件之間的複雜相互作用以及各種結構和功能對多尺度的依賴性。
# 神經科學中的基本網絡模型
如下圖所示，在神經科學中用來表示神經系統的最常用、最簡單模型是構建一個網絡用來表示神經單元間的連接模式，其中神經單元（分子、神經元、大腦區域等）表示為節點，連接模式表示為邊。進一步可以根據研究場景設計邊賦權圖、點賦權圖及其權重動態變化函數模式。多層網絡、動態網絡、超圖以及單純復形也是網絡神經科學中的常用網絡模型。
## 多層網絡與動態網絡模型
多層網絡模型反映了網絡中多層次的相互關聯集合；動態網絡描繪了時間序列下網絡系統重新配置的情況。動態網絡又可以細分為網絡上屬性隨時間的變化和網絡本身結構隨時間的變化。如下圖a所示 網絡中的節點和邊的關聯關係沒有發生改變，節點附屬的特徵隨時間進行了變化；如下圖b所示，網絡本身的節點和連接關係發生了變化。進一步研究這兩種模式的混合模式將是未來的重要領域，神經科學需要更好地理解連接性的變化、灰質、神經遞質水平、基因表達或其他節點特性的變化之間的關係。如下圖c所示為混合模式。
在異質網絡中，多層網絡發揮著重要作用。如下圖d所示，多層網絡中的節點可以由不同類型的邊進行連接，每一種邊都被編碼在不同的層。例如，這些層可以代表不同的時間點、對象、任務、大腦狀態、年齡或成像方式。在多層網絡中，某一層中的節點通過識別鏈接(一種獨特的邊)連接到其他層中的相應節點。
# 神經科學中的基本網絡度量指標
常用的度量指標包括度（與節點相關聯的邊的數量）；聚集係數；空腔，（節點連接方式為圓環，並且圓環內部無連接）；中心度，（反應節點的影響力）；路徑（描述信息傳輸潛力，網絡聯通性）；社區劃分；捷徑（反應信息傳輸效率）；核心外圍結構（可促進從稀疏連接區域收集或發送到稀疏連接區域的信息的局部匯聚）。
# 網絡模型類型的三個維度
等人假設可以把理解大腦結構、功能、發展和演化機制組織為模型類型的三種關鍵維度。如下圖所示，第一個維度是從數據表示拓展到第一性原理方法（打破一切數據的束縛，從數據本源去探尋基礎性的原理）；第二個維度是從生物物理實體結構到現象功能描述的轉變；第三個維度是從基本元素的描述到粗粒度區域的近似。
> Bassett D S, Sporns O. Network neuroscience[J]. Nature neuroscience, 2017, 20(3): 353-364.
> Ju H, Bassett D S. Dynamic representations in networked neural systems[J]. Nature Neuroscience, 2020: 1-10.
> Bassett D S, Zurn P, Gold J I. On the nature and use of models in network neuroscience[J]. Nature Reviews Neuroscience, 2018, 19(9): 566-578.
原文鏈接：https://blog.csdn.net/u011748542/article/details/109484916
關鍵字: neuroscience 所示 連接
