有効結合と機能的結合の比較

なぜ脳の配線図が重要か

私たちの思考、記憶、行動は、互いにやり取りする何十億もの脳細胞から生まれます。現代の技術は、この対話を大規模に傍受することを可能にしましたが、その手法は非常に異なります。本研究は一見単純だが重要な問いを投げかけます：脳の細胞群が同時に活動しているのを見たとき、それは本当にそれらがどのように結線されているかを示しているのでしょうか。著者らは、脳接続をマッピングする二つの一般的な手法を直接比較することで、各手法が脳の働きの異なる側面を明らかにすること、そしてそれらを組み合わせることが脳の計算を理解する鍵であることを示しています。

脳の聞き方は二通り

神経科学者はしばしば二種類の結合について語ります。一つは神経細胞間の物理的な「配線」です：シナプスと呼ばれる微小な接合部で、一つの細胞が数ミリ秒以内に別の細胞に直接影響を与え得ます。本論文では、これらの直接的な結びつきを有効結合（effective connectivity）と呼び、回路内で誰が実際に誰に影響を与えているかを捉えます。もう一つは機能的結合（functional connectivity）で、これは物理的な接続ではなく、どの細胞が時間を通じて一緒に活動する傾向があるかを指します。機能的結合は通常、細胞内のカルシウム変化という電気活動の代替指標を追跡する光学手法で測定されます。著者らは、まさに同じニューロンからこれら二つの見方を測定したときに、それらがどのように一致するかを調べようとしました。

脳の微細な配線を読み取る

配線を調べるため、研究者らは高密度電極プローブであるNeuropixelsを用いて、視床、海馬、視覚皮質の三つのマウス脳領域にわたる242個のニューロンの精密なスパイク時刻を記録しました。次に、ShinGLMCCという高度な統計手法を適用して、どのニューロンが直接的に結びついている可能性が高いかを推定しました。この解析は既知の脳解剖学的特徴を多く正しく再現しました。たとえば、海馬や視覚皮質内の一方向性の強い経路が確立された回路図と一致して見つかり、主に他を興奮させるニューロンと主に抑制するニューロンが明確に分離されました。抑制性ニューロンは興奮性の近傍と豊富な相互ループを形成し、「勝者総取り」的な競合である一部の活動パターンが他を抑えるという様子と一致しました。データの異なる半分で解析を繰り返してもほぼ同一の配線図が得られ、推定が安定かつ信頼できることを示唆しました。

遅い活動の波を追う

次に著者らは、同じスパイク記録を人工的なカルシウム信号に変換し、二光子顕微鏡が観察するものを模倣しました。各スパイクは急速に立ち上がり、数十〜数千ミリ秒で減衰する滑らかなパルスに変換されました。これらの遅い信号をニューロン対間で相関させることで、さまざまなタイムスケールでの機能的結合の地図を構築しました。強い正の相関は同一領域内のニューロンを結ぶ傾向があり、負の相関はより広がりを持っていました。仮定するカルシウムの時定数を短くすると、これらの機能的ネットワークはより局所化し、一見すると基礎となる配線にやや近づくように見えました。しかし、非現実的に速い時定数でさえ、多くの強く共活動する対は直接結合しておらず、二つの地図の統計的な最良一致は依然として完全からはほど遠いままでした。

共有入力が図を曇らせるとき

共活動が配線と乖離する理由を理解するため、研究チームは推定した配線図をコピーした人工ネットワークのコンピュータモデルを構築しました。彼らはモデルを調整して、シミュレートされたニューロンが実際のニューロンと同じ発火率になるようにし、その閉じた系の中で有効結合と機能的結合の両方を調べました。孤立したネットワークでは、機能的結合は実データよりも真の配線をややよく反映しました。しかし、あるニューロン群への入力を穏やかに増強して—弱い感覚刺激を模倣して—みると、これらのニューロンは実際の配線がほとんど変わっていないにもかかわらず、突然強く機能的に結びついているように見えました。言い換えれば、共有されたり変動する入力が存在すると、実際には存在しない強い結びつきの幻影を簡単に生み出し、機能的結合を大きく形作る一方で、有効結合にはほとんど影響を与えないことが明らかになりました。

脳を理解するうえでの意味

本研究の中心的なメッセージは、共活動の地図と物理的影響の地図は互換ではないということです。高速な電気記録から得られる有効結合は脳のハードウェアを捉えます：誰が誰に直接かつ迅速に作用し得るかを示します。遅いカルシウム信号から得られる機能的結合は脳のソフトウェアを反映します：共有入力、間接経路、全体的な脳状態によって形作られるより広い協調活動パターンです。より高速なイメージングや洗練された統計手法を用いても、単純な同期だけで基礎にある微細な配線を完全に明らかにすることは難しいでしょう。著者らは、脳回路がどのように計算するかを真に理解するには、詳細な配線図をネットワーク動態のモデルの基盤として用い、幅広い活動パターンを用いてそれらの回路が実際の変化する条件下でどのように振る舞うかを観察する、という両方の見方を組み合わせることが今後の研究で不可欠だと主張しています。

引用: Shinomoto, S., Tsubo, Y. Comparing effective and functional connectivity. Sci Rep 16, 12161 (2026). https://doi.org/10.1038/s41598-026-42580-2

キーワード: 脳の結合性, 神経回路, カルシウムイメージング, スパイク列, ネットワーク力学