Сравнение эффективной и функциональной связности

Почему карты проводки мозга важны

Наши мысли, воспоминания и действия возникают из-за общения миллиардов клеток мозга друг с другом. Современные технологии позволяют учёным подслушивать эти «разговоры» в больших масштабах, но делают они это очень разными способами. В этом исследовании поставлен внешне простой вопрос с большими последствиями: когда мы видим группы нейронов, активирующихся одновременно, действительно ли это говорит о том, как они связаны между собой? Прямое сравнение двух популярных методов отображения связей показывает, что каждый из них раскрывает разный аспект работы мозга — и что их сочетание необходимо для понимания вычислений мозга.

Два способа «слушать» мозг

Нейробиологи часто говорят о двух типах связей. Один — это физическая «проводка» между нервными клетками: микроскопические контакты, называемые синапсами, где одна клетка может напрямую влиять на другую в течение нескольких тысячных секунды. В этой работе такие прямые связи называют эффективной связностью, потому что они показывают, кто на самом деле влияет на кого в цепи. Другой тип — функциональная связность, которая не про физические соединения, а про то, какие клетки склонны активироваться совместно во времени. Функциональную связность обычно измеряют оптическими методами, отслеживающими медленные изменения кальция внутри клеток, служащие суррогатом их электрической активности. Авторы поставили задачу выяснить, как эти две точки зрения соотносятся, когда их измеряют у одних и тех же нейронов.

Считывание тонкой проводки мозга

Чтобы исследовать проводку мозга, учёные использовали высокоплотные электроды Neuropixels для записи точных времен спайков 242 нейронов в трёх областях мозга мыши: таламусе, гиппокампе и зрительной коре. Затем они применили продвинутый статистический метод ShinGLMCC, чтобы вывести, какие нейроны, вероятно, связаны напрямую. Этот анализ корректно восстановил многие известные черты анатомии мозга. Например, были выявлены сильные однонаправленные пути в гиппокампе и зрительной коре, соответствующие установленным схемам цепей, и чётко разделены нейроны, которые в основном возбуждают других, от тех, которые в основном тормозят. Тормозные нейроны образовывали богатые взаимные петли с возбуждающими соседями, что согласуется с конкуренцией в духе «победитель получает всё», когда одни паттерны активности подавляют другие. Повторение анализа на разных половинах данных давало почти идентичные схемы проводки, что указывает на устойчивость и надёжность оценок.

Следя за медленными волнами активности

Далее авторы превратили те же записи спайков в искусственные кальциевые сигналы, имитируя то, что видит двухфотонный микроскоп. Каждый спайк конвертировали в плавный импульс, который быстро поднимался и затухал на интервалах от десятков до тысяч миллисекунд. Коррелируя эти медленные сигналы между парами нейронов, они строили карты функциональной связности на разных временных масштабах. Сильные положительные корреляции, как правило, связывали нейроны внутри одной области мозга, в то время как отрицательные корреляции были более разбросаны. Уменьшение предполагаемого времени затухания кальция делало эти функциональные сети более локализованными и, на первый взгляд, немного ближе к исходной проводке. Однако даже при нереалистично быстрых временных масштабах большинство сильно соактивных пар не были напрямую соединены, и лучшее статистическое совпадение между двумя картами оставалось далёким от идеала.

Когда общие входы мутят картину

Чтобы понять, почему соактивность расходится с проводкой, команда создала компьютерную модель искусственной сети, чьи соединения были скопированы из их выведённой схемы проводки. Они настроили модель так, чтобы смоделированные нейроны фонили с теми же скоростями, что и реальные, а затем исследовали и эффективную, и функциональную связность в этой замкнутой системе. В изолированной сети функциональная связность отразила истинную проводку несколько лучше, чем в реальных данных. Но когда они слегка усилили вход к подмножеству нейронов — имитируя слабый сенсорный стимул — эти нейроны неожиданно стали сильно функционально связанными друг с другом, хотя фактическая проводка почти не изменилась. Иными словами, общие или флуктуирующие входы легко создают иллюзию сильных связей там, где их нет, существенно формируя функциональную связность, не затрагивая по сути эффективную.

Что это значит для понимания мозга

Главное послание исследования состоит в том, что карты соактивности и карты физического влияния нельзя считать взаимо-заменяемыми. Эффективная связность, полученная из быстрых электрических записей, отражает «аппаратное обеспечение» мозга: кто может напрямую подтолкнуть кого и на каком быстром временном масштабе. Функциональная связность, извлекаемая из медленных кальциевых сигналов, отражает «программное обеспечение»: более широкие паттерны координированной активности, сформированные общими входами, косвенными путями и общим состоянием мозга. Даже при более быстром изображении или более изощрённой статистике простая синхронность вряд ли полностью раскроет тонкую проводку снизу. Авторы утверждают, что для истинного понимания того, как вычисляют мозговые цепи, будущие работы должны сочетать оба взгляда — используя детальные карты проводки, чтобы закрепить модели сетевой динамики, и широкомасштабные карты активности, чтобы видеть, как эти цепи ведут себя в реальных, постоянно меняющихся условиях.

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

Ключевые слова: связность мозга, нейронные цепи, кальциевая визуализация, спайк-трейны, динамика сети