竞争性相互作用塑造哺乳动物大脑网络动力学与计算

这为何对理解心智很重要

人们常把大脑想象成协调一致的活动网络，各区域协同工作以思考、感受和行动。但真实的大脑也充满拉扯：有些区域彼此增强，而另一些则相互对抗。本研究探讨这种隐秘的拔河如何塑造哺乳动物（包括人类、猕猴和小鼠）大脑的实际工作方式，并表明脑区间的竞争并非缺陷，而是一种重要特性，使大脑活动更逼真、更加个体化并具备更复杂的计算能力。

大脑连线如何引导合作与对立

作者从一个简单难题出发：大脑的结构连线图（或称连接组）主要告诉我们纤维走向，而不说明这些连接是像友好助力那样的正向影响，还是像相互对立那样的负向影响。大多数大尺度大脑模型默认如果一个连通区域活动增强，它会推动其伙伴区也增强。然而生物系统中充满竞争性相互作用——从局部电路中的抑制性神经元到生态系统与社交网络中的平衡反馈。因此，研究团队构建了一个可为每条长程连接分配正（合作）或负（竞争）影响的全脑模型，并询问哪种组合最能重现在人类、猕猴和小鼠功能性磁共振成像（fMRI）中观测到的实际活动模式。

用真实解剖构建虚拟大脑

为此，研究人员使用网络神经科学中常用的数学工具：一组处于临界边缘的非线性振荡器，每个脑区对应一个。这些振荡器自然产生类似fMRI中观测到的缓慢波动的节律信号，既非完全噪声也非完美规则。他们按照各物种的结构连接（人类的弥散MRI、结合追踪与成像的猕猴数据、以及小鼠的纯追踪数据）耦合这些振荡器，然后迭代调整现有连边的强度与符号，使模拟活动与观测到的随时间的共激活模式相匹配。结果得到一个“生成性连通矩阵”：一个功能化的连线图，捕捉了要生成活体大脑动力学结构需要如何被加权。

竞争性是必要成分

当模型被允许使用负向以及正向影响时，它积极地采用了负向连接。跨物种来看，大约四分之一到五分之二的有效连接变为竞争性。这些负连接并非随机分布：它们倾向于更弱、跨距更远且聚簇度较低，形成一种弥散的网络，穿越更模块化的正向社区。移除这些连接会迅速降低模型与真实数据的吻合度。包含竞争后，模拟与实测功能连接性的相似性显著提升，在小鼠中相关性最高可达0.95，在人类中相比仅正向模型提升超过一倍。改进的模型还再现了区域间现实的反相关水平，匹配长期在脑影像中观察到的广泛“跷跷板”模式。

竞争与深层生物差异相一致

团队进一步探问竞争性连边的分布是否反映更深层的生物组织。他们将模型中负向连接的位置与多种皮层特征地图进行比较，包括细胞类型、基因表达、受体分布、微结构和髓鞘化程度。在人类、猕猴和小鼠中，竞争性连边倾向连接位于这些生物梯度两端的区域——例如富含一种抑制性中间神经元的区域与富含另一种的区域，或高度髓鞘化的感觉区与跨模态联合皮层。实质上，大尺度的拔河在构造与调谐截然不同的皮层领地之间最为强烈，这表明宏观竞争嵌根于保守的分子与细胞层次对比之中。

更丰富的动力学与更具个体性的脑

加入竞争不仅改善了静态的连接快照。当拟合模型向前运行以生成合成脑活动时，合作—竞争版本表现出更逼真的时间行为。它避免了不现实的高全局同步性，而是在整合与分离之间游走的平衡状态中徘徊，这一属性被称为亚稳性。它还显示出更强的层级性——一些区域处于更有利的位置，能够点燃广泛的活动级联或发送比接收更多的信息。协同信息度量（即两区域共同携带的预测信息超过任一单独区域的程度）提升到接近实测水平。关键是，这些改进并非在拟合过程中被明确追求，而是在允许竞争性相互作用后自然出现的。

从逼真的活动到计算与认知

由于没有两个人的大脑完全相同，一个令人信服的模型必须既忠实又个性化。合作—竞争模型表现出更强的“指纹性”：它们对每个个体的连接拟合优于对其他个体的拟合，并且当模型与错误受试者匹配时精度下降更大，这在人类、猕猴和小鼠中均成立。对于人类，作者还测试了即时模型活动模式与大型功能地图数据库（与注意力或记忆等特定心理功能相关）的匹配程度。带有竞争的模型产生的自发模式更接近这些典型的认知回路，暗示在静息状态下更具“心智般”的动力学。最后，当用模型导出的网络作为人工“水库计算”系统执行记忆任务的连线时，包含竞争的网络显示出更高的计算能力，更好地保留过去输入的信息。

这对理解大脑与构建模型的意义

简而言之，研究表明哺乳动物大脑在合作与竞争的刀锋上运行最佳。强而局部的正向联系将相邻区域绑定成专门化模块，而较弱的长程负向联系则使不同系统相互抗衡，构建了穿越皮层的信息流结构。这种架构不仅重现了个体大脑的细微差异，也自然而然地产生多样化、层级化且具计算能力的动力学。对于未来的大脑建模——无论是为理解意识、模拟疾病还是设计类脑计算机——信息很明确：忽略大尺度竞争就等于忽略真实大脑计算的核心原则。

引用: Luppi, A.I., Sanz Perl, Y., Vohryzek, J. et al. Competitive interactions shape mammalian brain network dynamics and computation. Nat Neurosci 29, 915–933 (2026). https://doi.org/10.1038/s41593-026-02205-3

关键词: 脑网络, 神经竞争, 连接组建模, 功能连接性, 类脑计算