Sci Adv︱何晓松等揭示网络控制理论应用于脑科学研究的生理基础

撰文︱何晓松

责编︱王思珍，方以一

编辑︱王思珍

大脑中无时无刻不在进行的动态神经活动，是人类一切心理和行为的生理基础。近年来，发展自系统工程领域的网络控制理论（network control theory）被大量应用于脑科学研究，通过将大脑视作一个复杂系统，探究神经动态活动跨脑区传播的网络机制[1-3]。基于大脑的结构连接网络特征，网络控制理论不仅可以鉴别哪些脑区更容易对其它脑区施加影响，还可以通过模拟大脑状态间的转换，探索这些动态进程中大脑的能耗，也称为控制能量（control energy）。作为一个工程学概念，控制能量指的是驱动系统状态改变所需要的输入；当应用于模拟大脑动态进程时，这一“输入”究竟对应何种大脑生理活动，却一直没有答案。生理基础的不足，难免会给网络控制理论在脑科学研究中的适配性带来质疑，并阻碍其进一步应用的发展。

近日，中国科学技术大学心理学系何晓松特任研究员等在Science Advances杂志上发表了题为“Uncovering the biological basis of control energy: Structural and metabolic correlates of energy inefficiency in temporal lobe epilepsy”的研究论文，通过将单侧颞叶癫痫作为损伤模型，结合弥散加权成像（dMRI）和正电子发射断层扫描（PET）等多模态影像技术，揭示了患者大脑中控制能量消耗异常与葡萄糖代谢异常的关联，为网络控制理论应用于脑科学研究提供了潜在生理基础。

作为重量占比仅2%的人体器官，大脑需要消耗超过人体日均能耗20%的能量以驱动其内在动态进程，行使日常功能。那么，这种生物学形式的能量消耗，如葡萄糖代谢，是否与工程学意义上的“控制能量”存在联系？为了回答这个问题，团队借鉴神经心理学研究思路，探索了脑疾病相关的病理性损害，是否会带来控制能量和葡萄糖代谢的共变性扰动。癫痫发作作为一种瞬时性大脑动态进程的病理紊乱，可以对患者，特别是难治性癫痫患者的大脑的结构和功能带来长久的损害，即使在发作间期，也能通过神经影像技术检出。基于这一特点，团队选用了难治性癫痫中最典型的单侧颞叶癫痫作为本项目中的损伤模型展开研究。

图1.研究方法示意图。

（图源：He X, et al., Sci Adv, 2022）

基于患者和健康对照的结构连接网络，团队通过网络控制理论模拟了两种具有代表性的大脑动态进程，并估算了这些进程中大脑所需消耗的控制能量（图1）。为此，团队基于之前的研究，定义了8个具有代表性的大脑状态，在每个状态下，有且只有一个脑功能网络（intrinsic connectivity network）被激活。团队研究的第一种代表性大脑动态进程，模拟了从基线水平，到特定脑功能网络独立激活的过程，可类比于大脑行使特定认知功能时的场景。结果发现，颞叶癫痫患者大脑作为一个整体，在激活多数脑功能网络时，所需的控制能量水平与健康对照没有显著性差别。然而，当团队模拟激活边缘系统网络时，却发现患者组所需消耗的控制能量显著高于健康对照组。边缘系统网络包括海马、杏仁核等结构，是颞叶癫痫发作和传播的核心区域，也最常出现结构和功能损害，要想维系与健康对照相同的激活水平，则需要消耗额外的能量资源，符合研究假设。随后，团队模拟并估算了激活左侧和右侧边缘系统网络所需的控制能量，进一步验证这种能效异常与患者致痫灶的偏侧化高度一致，说明作为损伤模型，单侧颞叶癫痫相关的病理性损害可以带来控制能量消耗的特异性改变（图2）。

图2. 通过网络控制理论模拟大脑动态进程，发现颞叶癫痫患者在整体和局部均存在能效的降低，相比健康对照需要更高的控制能量来实现相同的大脑状态转化。

（图源：He X, et al., Sci Adv, 2022）

团队研究的第二种代表性大脑动态进程，模拟了大脑在不同脑功能网络激活状态间的转换，可类比于大脑在各种认知任务之间的切换。通过估算每个脑区在支持这些状态转化过程中的平均控制能量消耗，团队比较并鉴别出癫痫患者具体在哪些脑区存在能效异常。结果发现，与健康对照相比，患者在患侧的海马、杏仁核等7个边缘系统颞叶脑区需要消耗更多的控制能量以维系预定的大脑动态进程。为了验证这一结果是否独立于大脑激活状态的选取，团队进一步模拟并估算了十万次随机大脑激活状态之间的动态转换下，每个脑区的平均能耗，并最终观察到一致的结果（图2）。因此，团队得以将颞叶癫痫相关控制能量消耗的特异性改变，聚焦到特定脑区，并为随后的分析打下基础。

最后，团队分析了海马、杏仁核等7个存在能效异常的患侧脑区是否也同样存在葡萄糖代谢异常。为此，团队收集了患者在发作间期时的18F-氟代脱氧葡萄糖PET成像数据，通过计算葡萄糖代谢的偏侧化系数，发现这些脑区确实存在相对其对侧镜像区域的低代谢现象（hypometabolism），提示这些脑区的基线代谢水平异常偏低。通过相关分析，团队证实在海马、杏仁核、海马旁回、颞顶等多个脑区存在葡萄糖代谢和控制能量偏侧化系数的负相关，这也意味着，想要达到同等激活水平，更低的代谢基线可能会带来更高的能量需求，并可通过控制能量这一指标量化。尤其是在海马，更高的结构萎缩与更低的基线葡萄糖代谢、及更高的控制能量消耗相关，并且葡萄糖代谢水平可以完全中介结构萎缩与控制能量消耗二者间的联系。这也提示，海马结构损害可能带来基线葡萄糖代谢的降低，并最终导致在维系大脑动态进程时更高的能耗成本（图3）。

图3. 基线葡萄糖代谢水平与控制能量消耗存在负相关。

（图源：He X, et al., Sci Adv, 2022）

文章结论与讨论，启发与展望

综上所述，本论文采用单侧颞叶癫痫作为损伤模型，为大脑结构完整性、葡萄糖代谢基线、与维系大脑动态进程所需的控制能量间的关系提供了一个统一的理论框架，首次为“控制能量”提供了潜在的生理性解释。值得指出的是，这种基于损伤模型的研究方法，探究的是跨个体水平上葡萄糖代谢与控制能量的相关，并不足以阐释二者之间直接的因果联系。在未来研究中，有必要在个体水平，探索任务态下大脑执行特定状态转变所需的控制能量，是否与同时期葡萄糖代谢水平相关。尤其需要通过设置不同任务难度以调节认知负载，并记录二者间是否存在共变性改变。这一系列工作将为网络控制理论在脑科学领域的进一步广泛应用奠定基础。

原文链接：https://www.science.org/doi/10.1126/sciadv.abn2293

何晓松 博士

（照片提供自：中国科学技术大学心理学系何晓松实验室）

作者简介（上下滑动阅读）

何晓松博士，中国科学技术大学心理学系特任研究员，博士生导师，国际抗癫痫联盟癫痫手术网络工作组成员。主要从事认知心理学临床相关研究，利用认知测评以及多模态磁共振影像技术，结合网络科学分析方法，探索癫痫等神经系统疾病的发病机制和预后。以第一作者及共作者身份在Science Advances、Brain、Neurology、Nature Methods、Nature Communications等国际主流学术期刊发表研究论文36篇，并担任Epilepsia、Network Neuroscience、NeuroImage、Neurology等期刊审稿人。获国家自然科学基金面上项目资助，中国博士后科学基金，美国癫痫协会博士后研究奖学金和青年研究者奖等多项资助和奖项

---

---

欢迎扫码加入逻辑神经科学 文献学习2

群备注格式：姓名-单位-研究领域-学位/职称/称号/职位往期文章精选NeuroAI 读书会【1】NeuroAI 读书会启动︱探索神经科学与人工智能的前沿交叉领域
优质科研培训课程推荐【1】膜片钳与光遗传及钙成像技术研讨会（2023年1月7-8日 腾讯会议）【2】第十届近红外训练营（线上：2022.11.30~12.20）【3】第九届脑电数据分析启航班（训练营：2022.11.23—12.24）欢迎加入“逻辑神经科学”【1】“ 逻辑神经科学 ”诚聘编辑/运营岗位 ( 在线办公)【2】“ 逻辑神经科学 ”诚聘副主编/编辑/运营岗位 ( 在线办公)【3】人才招聘︱“ 逻辑神经科学 ”诚聘文章解读/撰写岗位 ( 网络兼职, 在线办公)

参考文献（上下滑动阅读）

[1] G. Yan, P. E. Vértes, E. K. Towlson, Y. L. Chew, D. S. Walker, W. R. Schafer, A. L. Barabási, Network control principles predict neuron function in the Caenorhabditis elegans connectome. Nature. 550, 519–523 (2017).[2] J. Z. Kim, J. M. Soffer, A. E. Kahn, J. M. Vettel, F. Pasqualetti, D. S. Bassett, Role of graph architecture in controlling dynamical networks with applications to neural systems. Nat. Phys. 14, 91–98 (2018).[3] S. Gu, F. Pasqualetti, M. Cieslak, Q. K. Telesford, A. B. Yu, A. E. Kahn, J. D. Medaglia, J. M. Vettel, M. B. Miller, S. T. Grafton, D. S. Bassett, Controllability of structural brain networks. Nat. Commun. 6, 8414 (2015).

本文完