一種可用於評價功能連接矩陣隨機性的新方法

個人評論：近年來，腦科學領域研究的一大熱點和前沿是腦連接/網路，被視為是繼人類基因組計劃後的另一大宏偉計劃（例如，美國的人腦連接組計劃）。微觀層面上的神經元-突觸-神經元的連接模式，構成了腦連接/網路的結構基礎。目前，研究者們在微觀（細胞層面）、介觀（神經元集團）和宏觀（腦區）等不同尺度上，採用不同技術手段（從神經電生理到腦影像），結合不同的數據處理技術（如信號處理和圖像處理等），從結構和功能上試圖揭示這一重大科學問題。以往的研究已經揭示了腦連接/網路的一些有趣的特點，而這些特點，可能是跨越物種、跨越不同尺度的。例如，已經發現，包括人腦在內的實際網路結構，具有不同於隨機網路和規則網路的特點。

腦連接/網路的研究，最終都會歸結於對連接矩陣的研究。矩陣中的每個元素，量化描述了對應兩個研究單元相互之間的關係。以往的方法，主要是採用圖論（graph theory）的方法，從網路拓撲屬性的角度對其進行描述和分析。本文中，針對功能連接（functional connectivity）矩陣，提出了一種新的評價連接矩陣隨機性的方法，該方法基於隨機矩陣理論的方法/框架，而非傳統的圖論。作者提出的隨機性度量方法，包括概率密度函數（probability density function）和統計檢驗。相對於基於圖論的方法，新方法也適用於具有較小數量的節點的網路，並且可以同時檢測子矩陣（submatrix）的隨機性。此外，對於腦功能連接分析中常出現的負連接，該方法同樣適用。

為驗證該方法，作者採用了一個包含603名健康被試的大型數據集，採用提出的方法對該數據集的功能連接矩陣進行分析。結果證實，其滿足非隨機性的特點，與以往基於圖論的研究結果一致。但同時，也發現其中的部分子矩陣卻是有較大的隨機性。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！