脑连接组：结构与功能连接

在网络结构指标与随机图、小世界与无标度网络模型、社团结构与社区发现和网络可控性与稳定性中，度、聚集系数、路径长度、模块度和鲁棒性等工具都有一个前提：网络是“给定的”。在脑科学里，网络不是给定的，而是从影像数据里构建出来的。节点取多少个、边用什么统计量、阈值取多高，每一步都是研究者的选择，每一步都会改变最后的指标。

Bassett & Sporns（2017, Nature Neuroscience）把这一领域概括为“网络神经科学”：用网络描述从分子、细胞到脑区、行为的多个尺度，并把网络当作可以建模、预测和干预的对象，而不只是描述性的图。本专题聚焦宏观尺度的人脑连接组，沿三条线展开：

构建——怎样从弥散磁共振（dMRI）和功能磁共振（fMRI）得到结构网络、功能网络和有效连接模型，以及每一步引入了哪些偏倚：

1. 连接组的概念：结构连接、功能连接与有效连接的区别；
2. 脑图谱与节点定义；
3. 结构连接：弥散 MRI、纤维追踪及其偏倚；
4. 功能连接估计：相关与偏相关；
5. 预处理对功能连接的影响；
6. 有效连接：动态因果模型与格兰杰因果；
7. 阈值与加权；
8. 加权脑网络指标与归一化。

解读——人脑网络有哪些反复出现的组织特征，它们各意味着什么：

9. 拓扑指标：小世界、模块、枢纽与富人俱乐部；
10. 模块与功能系统；
11. 空间嵌入与布线代价；
12. 连接组梯度。

推断——怎样从网络得到关于人群、个体和疾病的结论：

13. 组间比较与统计验证；
14. 个体指纹与个体差异；
15. 病变网络映射；
16. 从 fMRI 到结论：分析流程与选择，用一张表汇总每一步的选择及其对结果的影响。

在此基础上加入时间维度、讨论动态功能连接、多层网络与结构–功能耦合的内容见动态功能连接与多层脑网络；不依赖特定模态的网络构建与统计验证原则见网络构建与统计验证。系统性的教科书参照是 Fornito、Zalesky & Bullmore 的《Fundamentals of Brain Network Analysis》（2016），其各章（节点与边、连接矩阵、度与强度、中心性与枢纽、成分/核与俱乐部、路径与导航、基序/小世界与网络经济、模块性、零模型、统计连接组学）与本专题的页面大体一一对应。

Links关联知识

• 网络结构指标与随机图：度、聚集系数、路径长度、效率与 ER 随机图，是脑网络拓扑指标和零模型的基础。
• 小世界与无标度网络模型：小世界与无标度模型的定义，是小世界指数 $\sigma$ 与零模型比较的来源。
• 社团结构与社区发现：模块度、Louvain 算法、谱方法与共识划分，用于识别功能系统、计算参与系数，也与梯度分析的谱嵌入相通。
• 网络构建与统计验证：从原始测量到网络的一般原则，阈值、零模型、方向推断与置换检验在其他数据类型中同样适用。
• 动态功能连接与多层脑网络：在静态连接矩阵上加入时间维度和多模态层，并讨论结构–功能耦合与 EEG/MEG 网络。
• 症状网络与网络精神病学：偏相关、精度矩阵与图形 LASSO 在量表数据上的应用。
• 网络可控性与稳定性：鲁棒性与控制理论在结构脑网络上的延伸。
• 研究问题、可复现分析与敏感性分析：多宇宙分析、预注册与可复算流程，对应本专题的分析流程表。

References核心文献

Bullmore & Sporns 2009：Complex brain networks: graph theoretical analysis of structural and functional systems

• 背景：2000 年代中期，图论方法开始大量用于 MRI、EEG/MEG 数据，但流程和指标各不相同。
• 核心发现：这篇综述（Nature Reviews Neuroscience，DOI: 10.1038/nrn2575）系统梳理了从数据到网络的流程，总结了结构与功能脑网络中反复出现的小世界、模块、枢纽和经济布线等特征，并讨论了在疾病中的应用。
• 阅读提示：重点看构建流程示意图和“结构–功能关系”部分；文中关于无标度度分布的讨论要结合后来的研究理解——宏观脑网络的度分布多被描述为指数截断的重尾分布，而非严格幂律。
• 思考题：文中提出大脑在布线成本与拓扑效率之间取舍。如果用流线长度作为成本，你会如何设计一个指标同时衡量这两者？
• 精读：Bullmore 2009

Hagmann 等 2008：Mapping the structural core of human cerebral cortex

• 背景：此前的人脑结构网络研究多用粗分区和弥散张量成像，对交叉纤维和全皮层组织的刻画有限。
• 核心发现：该文（PLoS Biology，DOI: 10.1371/journal.pbio.0060159）用弥散谱成像在 998 个皮层 ROI 上构建个体结构网络，综合多种中心性指标识别出位于后内侧与顶叶皮层的结构核心，并显示结构连接强度与静息态 FC 相关。
• 阅读提示：注意边权对 ROI 面积和纤维长度的校正，以及 k-core/s-core 分解如何补充单一的度指标；样本只有 5 人，结论的普适性需要后续大样本检验。
• 思考题：如果只用流线数而不做长度校正，结构核心的位置可能怎样变化？为什么？
• 精读：Hagmann 2008

Rubinov & Sporns 2010：Complex network measures of brain connectivity: uses and interpretations

• 背景：随着指标数量激增，研究者需要一份“指标字典”说明每个指标的定义、加权和有向版本，以及在神经科学中的合理解释。
• 核心发现：该文（NeuroImage，DOI: 10.1016/j.neuroimage.2009.10.003）把指标分为分离、整合、中心性、韧性等类别，给出统一公式，并配套发布了 Brain Connectivity Toolbox（BCT）。
• 阅读提示：特别注意作者对每个指标“能解释什么、不能解释什么”的告诫，例如功能网络中的路径并不对应真实的信息传递路线。
• 思考题：在相关矩阵构建的功能网络上计算“最短路径”有什么概念上的问题？在什么样的网络上这个指标更有意义？
• 精读：Rubinov 2010

van den Heuvel & Sporns 2011：Rich-club organization of the human connectome

• 背景：已知结构网络中存在枢纽，但枢纽之间是否彼此紧密相连、形成一个核心，尚未被系统检验。
• 核心发现：该文（J Neurosci，DOI: 10.1523/JNEUROSCI.3539-11.2011）在弥散成像结构网络中用归一化富人俱乐部系数证实了人脑富人俱乐部的存在，并展示其在全脑通信中的中心地位。
• 阅读提示：注意归一化步骤——不经随机网络归一化的 $\phi(k)$ 随 $k$ 上升几乎是必然的。
• 思考题：富人俱乐部依赖于度的阈值 $k$。如果你的研究在患者组发现 $\phi_{\text{norm}}$ 下降，你会做哪些额外分析来排除“患者组整体连接密度更低”的解释？
• 精读：van den Heuvel 2011

Bassett & Sporns 2017：Network neuroscience

• 背景：到 2010 年代中期，连接组数据已覆盖从分子、细胞到全脑与行为的多个尺度，图论方法也从描述走向建模与控制。
• 核心发现：这篇综述（Nature Neuroscience，DOI: 10.1038/nn.4502）提出“网络神经科学”的整体框架，强调跨尺度、跨模态整合网络数据，并把网络模型用于解释和预测脑功能及其疾病改变。
• 阅读提示：可作为本专题与动态功能连接与多层脑网络、网络可控性之间的“地图”来读。
• 思考题：文中讨论的哪些方向（如多层网络、网络控制、生成模型）最依赖于结构连接的准确性？纤维追踪的假阳性会如何影响这些方向的结论？

补充方法文献（本专题新增页面的主要依据）

Further延伸资源

Open questions开放问题

1. 假设你要比较抑郁症患者与健康对照的静息态功能网络全局效率。请写出一份分析前就确定下来的方案：节点图谱、是否做全局信号回归、阈值策略、头动控制、多重比较校正。哪一步你最没有把握？为什么？
2. 结构连接相对稳定，功能连接却随状态变化。结合你自己的研究方向（例如影像、电生理、康复工程），讨论在什么问题上应优先使用结构网络、什么问题上应优先使用功能网络，以及什么情况下二者都需要。
3. 一项研究用 fMRI 格兰杰因果报告“患者组前额叶对杏仁核的自上而下控制减弱”。请列出至少三种不涉及神经因果方向改变、却能产生这一结果的解释，并设计一个能区分它们的补充分析。
4. 在结构网络中，长程连接既是追踪最不可靠的连接，又是承载富人俱乐部与网络效率的关键连接。这对“疾病选择性损害长程/枢纽连接”的结论意味着什么？你会用什么零模型或对照分析来检验？
5. 连接组梯度与模块划分对同一份 FC 数据给出了“连续”与“离散”两种描述。设想一个研究问题，说明哪一种描述更合适，以及为什么。