大脑网络的朋友圈三定律
脑网络中的朋友圈
人的大脑皮层看上去像个核桃，展平之后大概3张A4纸大小。显微镜下可以到大脑皮层由6层神经细胞构成，约有200-300亿个神经细胞。这些细胞形态各异，通过神经纤维和神经突触，构成了一张复杂而精细的网，网中隐藏着一个个“朋友圈”，分别负责视觉、听觉、触觉、运动、记忆、语言等重要脑功能。显然这张网不是杂乱无章的，我们的基因和后天经历都是这张网的“架构师”，而我们每时每刻的脑活动也在不断改变这些朋友圈内外的连接关系。我们用最快速最精准的的观测手段，发现这个脑网络的朋友圈遵循简单的三定律。
图1 人脑网络图谱110年：从细胞形态到连接模式
今年是德国解剖学家Korbinian Brodmann绘制人脑分区图110周年（Brodmann 1909）。他大笔一挥，根据大脑皮层神经细胞形状的异同，将大脑皮层划分成52个脑区，从此这“3张A4纸”有了坐标，并沿用至今。MRI、PET等现代影像技术为研究大脑功能分区提供了可能，通过观察在执行特定任务时，人脑不同区域神经活动的强度，或者通过手术中电刺激大脑皮层不同位置观测病人的行为反应，来推断不同脑区的功能，从而绘制出脑功能图谱。今天的脑影像学者们可以统计分析成百上千人的磁共振结构和功能图像，把大脑皮层划分为200-300多个精细区域（Glasser 2016，Fan 2016）。这些脑功能图谱在人脑网络研究以及神经内外科临床实践中得到广泛应用（图1）。
这些脑图谱实际上只勾画出了大脑网络中朋友圈组成的大致情况，只要大脑还在活动，这个朋友圈的连接图就会一直在变化中，正如你每天要结交新朋友，删除旧朋友一样。在这看似纷繁无序的变化中，有哪些原则是不变的呢？下面我们通过慢变（秒到分钟）的静息态磁共振，和快变（毫秒到秒）的颅内脑电来观测人脑网络，揭示其中隐藏的规律。
0
脑网络的个体差异：
张三李四，和而不同
研究发现，即使在不执行任何任务的静息状态下，人脑不同区域的血氧饱和度信号（BOLD）的波动也会出现稳定的相关性。这种潜在的同步活动正如你和亲密的朋友在朋友圈里总会默默点赞，或者你们在群里总是先后发言，只要仔细分析，例如计算皮尔森相关，就能推测出你们的朋友关系有多紧密。而基于这些存在于全脑范围内静息态自发神经响应活动之间的相关性，也可以将大脑皮层划分为视觉网络、听觉网络、感觉运动网络、默认功能网络、注意网络等不同的功能网络。与视觉、听觉、感觉运动等初级网络仅仅局限于某一个特定的脑区不同，默认功能网络、注意网络等更为复杂的脑功能网络，往往由分布在大脑不同区域的几个离散的脑区组成，它们很可能通过隐藏在大脑内部的主干神经纤维联系在一起。这和你的朋友圈也很类似，遇到柴米油盐这些生活琐事，你大概会找离你很近的身边朋友；而遇到复杂的人生大事，你大多时候会找远方的挚友商量和帮忙。更为深刻的是，人和人的差别，并不取决于身边那些柴米油盐的朋友，而是你有多少远方的挚友。
清华大学医学院洪波课题组与哈佛大学医学院Martinos影像中心刘河生课题组合作，利用1000人静息态功能连接数据构建群体功能图谱作为参考，再结合个体功能连接数据迭代寻优，将个体大脑皮层划分成18个脑功能网络（Wang et al., 2015）。采用这种新方法所得到的功能网络，对于同一个体在不同时间的测量非常稳定，而不同个体的差异性得到准确刻画，特别是语言、注意、记忆等高级功能网络。以临床神经外科手术中的直接电刺激得到的网络划分为标准，其敏感性和特异性显著高于传统任务态磁共振成像以及解剖标志点方法（图1）。该方法首次实现了个体脑网络的无创精确划分，将大大拓展功能磁共振在神经疾病的临床诊断和治疗上的应用，并为神经疾病治疗药物的研发提供了以个体脑网络为基准的定量评估方法。
图2 个体化的大脑功能网络划分揭示人和人的差别在脑网络朋友圈（Wang et al., Nature Neuroscience, 2015）
1
脑网络朋友圈第一定律：
纷繁交往背后是很简单的微状态
我们每天的日子看似丰富多变，新朋旧友人来人往。其实无非是开会、做实验、看文献、刷微信、吃饭这几个基本状态占据了最多的时间，我们和朋友的纷繁交往，无非发生在这些场合。正是这些简单重复的场合，决定了你的朋友圈。这叫连接微状态Microstates。
人脑网络的内部连接是如何动态变化的，这种变化又是如何塑造脑网络的朋友圈的呢？近日，我们和哈佛大学医学院影像中心刘河生课题组再次联合在神经影像杂志NeuroImage发表文章，揭示大脑功能网络的动态连接特性，及其时空组织规律（Yan, NeuroImage, 2019）。研究者在清华大学玉泉医院癫痫中心和中国人民解放军总医院神经外科采集了17位癫痫患者的颅内脑电（ECoG）数据。由于临床癫痫手术需要，每个病人都被临时植入了64到112个记录点组成的片状颅内电极阵列，用于在癫痫手术前进行病灶及周围正常脑功能区的定位。通过这些放置在大脑皮层表面的电极，可以清晰地记录到大范围的神经细胞群体的电活动，从而帮助我们研究大脑皮层功能网络的组织机制。
研究发现，在静息状态下，不同脑区的神经活动之间具有动态连接特性。如图2所示，在不同短时时间片段内，绿色标记出的两个电极在不同时间窗中的包络信号具有明显不一致的功能连接强度，其中时间窗n1、n3的功能连接很强，其皮尔森相关（Pearson’s correlation）值为0.78和0.56；而n2的功能连接则较弱，其皮尔森相关值为-0.25。
图3 颅内脑电记录到的静息态大脑功能网络动态特性（Yan et al., NeuroImage, 2019）
对每两个电极的带通能量包络信号，取它们在各个短时时间窗内的相关值，从而得到每个短时时间窗内的成对相关矩阵，并采用无监督聚类方法对这些时间窗内的连接模式进行聚类，把动态变化的静息态颅内脑电数据聚类成10个网络连接微状态（Microstates）。采用传统方法计算两个电极长时间相关性得到的相关矩阵反映的是皮层网络连接的总平均结果，而采用上面的动态时间窗方法，得到的则是一组网络微状态，其中每一个微状态都具有特异性的功能连接图谱（图3）。其中，前两个微状态分别占据了整体时间的43.3%和20.3%，它们与左边的长时间相关矩阵图谱有很高的一致性（二维相关值分别为0.98和0.95）。这一观察提示我们，看似不断变化的脑网络时空模式中，其实有几个时空单元（微状态）不断重复出现。即使是我们处在什么都不做的静息状态，这些微状态也会随机地出现，而且其中领头的几个微状态出现的概率很高。
图4 静息态大脑皮层功能网络的时空微状态 – 纷繁交往背后其实很简单（Yan et al., NeuroImage, 2019）
2
脑网络朋友圈第二定律：
经常碰面才能成为朋友
当你翻看自己朋友圈的时候，一定有过这样的疑问，为什么有些以前很好的朋友悄悄地消失了，为什么剩下的竟是这样一些人？其实道理很简单，经常碰面才可能成为朋友，当然，好朋友也不用天天见面。这叫概率性耦合Probablisitic Coupling。
70年前，心理学家Donald Hebb写了本奇书：The Organization of Behavior: A Neuropsychological Theory，他在书中提出了很多惊人的假说，试图解释人类心理行为背后的神经机制。其中一个核心的思想是，如果两个神经细胞或系统之间重复性地同时活动，那么它们之间会趋向建立连接，并整合成一个神经环路或者功能网络。这个规律同样适用于你的朋友圈，经常在一起活动，就有更大可能成为朋友。当然你和朋友之间建立的不是可见的神经突触，而是看不见的社交联系，虽然它们同样脆弱，需要不断碰面才能维持。
受到Hebb理论的启发，我们认为大脑皮层区域之间的功能连接强度，可以由这些区域在各个微状态中共同激活的概率表示，从而建立共同激活概率（Co-activation probability，CAP）矩阵。首先，将图4中每个时空微状态在空间上聚类成五个功能子网络，对于被聚类到同一个功能子网络中的电极，定义其为“共同激活”（ Co-activation）；然后，统计在这些网络微状态中，每两个电极共同激活所占的时间比例，从而得到共同激活概率（CAP）矩阵（图5）。对于电极覆盖区域的大脑皮层，不同脑功能区之间在静息状态下的功能连接强度，可以由共同激活概率矩阵中，这两个脑区电极之间的共同激活概率值表示。因此，共同激活概率矩阵可以被用来表示这些脑区彼此之间的功能连接模式。接下来，我们将所得到的共同激活概率CAP矩阵聚类成一组功能网络，再将聚类的结果投射到基于功能磁共振结构像和CT图像重建得到的个体大脑皮层上，从而得到个体大脑皮层在静息状态下的功能网络划分（图5）。可以发现，基于共同激活概率CAP矩阵得到的功能网络，可以反映出与传统解剖分区类似的功能网络，如蓝色对应视觉皮层，红色和黄色分别对应手部和舌头相关的感觉运动脑区等，甚至物理上并不靠在一起的额叶和颞叶语言区也被识别为同一个功能网络（紫色）。
图5 基于共同激活概率CAP的脑网络划分 - 常碰面才能成为朋友（Yan et al., NeuroImage, 2019）
为了验证基于共同激活概率方法（CAP）得到大脑功能网络划分结果，我们还采集了临床上对病人手术前评估中基于皮层电刺激得到的大脑功能区定位结果，并与静息态大脑功能网络划分图谱进行比较。我们共采集了9个受试的电刺激测试结果，并记录了刺激诱发的响应描述。如图6所示，在受试S5中，CAP算法得到的功能网络划分图谱与舌头和手部的电刺激结果有很好的一致性。我们还以手部和舌头脑区内部的电极作为种子点，计算其与其他电极的共同激活概率值，可以发现，处在相同功能网络中的电极之间的功能激活概率值（图6B6D黄色），明显高于与其他网络电极的共同激活概率值（图6B和6D蓝色）。同时，网络内部电极之间的相关强度，也明显高于不同网络电极之间的相关强度。统计表明，本研究采用的基于概率激活的CAP方法，相比于之前在功能磁共振、脑磁图和脑电图研究中用到的基于长程能量包络相关的方法（Power envelope correlation，PEC），具有更好的敏感性、特异性、精确性和受试内稳定性（图6）。这表明基于静息态时变功能网络概率激活的CAP方法，可以很好地反映大脑功能网络的连接模式和组织机制。
图6 概率激活方法划分的脑功能网络更准确更可靠 – 其实好朋友也不用天天见（Yan et al., NeuroImage, 2019）
3
脑网络朋友圈第三定律：
工作群快快响应，朋友圈慢慢点赞
第三定律最不可思议，脑网络居然也是分频段工作的，也有快系统和慢系统之分。快系统大致类似你微信里的工作群，必须快速响应，否则事情会搞砸；低频机制大致类似你的朋友圈，有空的时候慢慢点赞。但要记住，老不点赞是不行的，你的朋友圈会散😆。这叫频分复用Frequency multiplexing。
人脑由很多复杂多样的功能网络组成，这些功能网络是如何做到它们内部畅通连接，而彼此之间又能互不干扰的呢？仍然是一个有待回答的问题。频分复用（Frequency multiplexing）是通信网络中广泛采用的一种信息交互机制，将不同的信息加载在不同的频率上，就可以同时实现不同系统之间彼此相互独立的信息传输。由于颅内脑电信号具有很高的时间分辨率，我们有机会研究静息态功能网络是否具有频率选择性的组织机制。
我们分析了人脑静息状态下，各个脑区的颅内脑电信号主要的频率成分。如图6所示，前额叶眼动脑区静息态颅内脑电信号的归一化能量峰值频率最低，约在2-4赫兹左右，听觉脑区的能量峰值频带在10赫兹附近，而感觉运动区能量谱的峰值频率则在15-30赫兹，显著高于额叶和听觉皮层的能量谱峰值（p<0.05）。这表明不同大脑功能网络在静息状态下具有各不相同的神经活动频率范围。
图7 不同脑区具有各不相同的神经活动特征频率 – 不同脑区工作在不同频道（Yan et al., NeuroImage, 2019）
此外，我们还研究了人脑在任务态和静息态下网络连接是否也具有频率特异性的特征。之前的研究已经发现，在任务状态中，大脑皮层局部高频（High-gamma，60-140Hz）成分与任务态存在稳定的同步响应。一些研究中还观察到低频带（6-16Hz）下大脑皮层功能网络的跨区域同步。甚至观察到了频分复用的分频信息传输机制，其中高频（High-gamma）用于自下而上的信息传递，而低频（Alpha-beta）用于自上而下的反馈调制（Fontolan 2014）。为了探索在任务诱发响应中，大脑功能网络组织模式的变化，我们提取具有任务特异性的高频响应成分（60-140赫兹），并使用该频段的颅内脑电信号进行短时信号提取和基于CAP算法的大脑功能网络剖分。
我们发现：
高频成分刻画的大脑功能网络，在静息态和任务态下具有不同的功能连接模式。采用主成分分析（Principal component analysis，PCA）将不同状态下的短时功能连接矩阵降维到二维空间上，可以发现，基于High-gamma载波的短时功能连接在第一主成分PC1轴具有明显的可分性（图8A），不同任务诱发状态的功能连接也在第二主成分PC2轴也具有明显不同，尤其是在运动任务和其他认知相关任务之间。与此形成对比的是，如果把基于低频载波（Alpha-beta频带，8-32Hz）的短时功能连接矩阵投射到二维主成分空间中，会观察到与高频空间完全不同的分布模式，不同任务状态无法区分（图8B）。
这表明，大脑皮层功能网络在静息态和任务态中的动态组网，可能采用了类似频分复用的机制，同样一群神经细胞，既可以在低频段维持稳定的基础网络，又可以在高频段协同处理即时任务。这一灵活机制的发现，可以很好地解释人脑网络在不断变化中如何维持相对不变的功能网络。
图8 高频段协同处理即时任务，低频段维持稳定的基础网络（Yan et al., NeuroImage, 2019）
图9 脑网络中的分频率通信机制
结 语
脑网络就像人们的朋友圈，神经细胞组成朋友圈，应对感知和认知等各项任务。毫无疑问，每个人都有一个与众不同的朋友圈。我们用最快速最精准的的观测手段，发现这个脑网络的朋友圈遵循简单的三定律：
微状态定律：脑网络彼此之间纷繁的交往背后其实很简单，无非吃饭、睡觉、打豆豆这些重要的微状态，这些微状态是由神经细胞群体之间同步耦合的时空模式来定义的。
概率耦合定律：在这些场合经常碰面才可能成为朋友，当然，好朋友也不用天天见面。这一规律和Hebb老先生的细胞群体理论暗合。
频分复用定律：脑网络和通信系统一样是分频段工作的，也有快慢之分，工作群快快回，朋友圈慢慢赞，这样才能让你的脑网络朋友圈稳固而灵活。
我们猜想，三定律也许不仅适用于人脑和社交网络，也适用于互联网、基因调控网络，以及其他大规模的复杂网络系统。
参考文献：
1. Glasser et al. 2016. A multi-modal parcellation of human cerebral cortex. Nature. 536(7615):171.
2. Fan, et al. 2016. The human brainnetome atlas: A new brain atlas based on connectional architecture. Cerebral Cortex. 26(8):3508-3526.
3. Wang et al. 2015. Parcellating cortical functional networks in individuals. Nature Neuroscience. 18(12):1853-1860
4. Yan, et al. 2019. Human cortical networking by probabilistic and frequency-specific coupling. NeuroImage. 116363.
5. Hebb DO. 1949. The organization of behavior; a neuropsychological theory. New York,: Wiley.
6. Fontolan et al. 2014. The contribution of frequency-specific activity to hierarchical information processing in the human auditory cortex. Nature Communication. 5:4694