Nature Neuroscience
竞争性相互作用塑造哺乳动物脑网络动态与计算
小赛推荐：
该研究揭示了脑网络中合作与竞争性连接的共存机制，为研究 神经发育 和 神经退行性疾病 提供了新的建模范式，提示未来模型需整合双向调控以更真实模拟脑功能。
文献概述
本文《Competitive interactions shape mammalian brain network dynamics and computation》，发表于《Nature Neuroscience》杂志，系统探讨了哺乳动物脑网络架构如何平衡分布式回路间的合作与竞争。研究通过全脑计算建模，结合人类、恒河猴和小鼠的多物种数据，揭示了竞争性连接在生成真实脑活动中的关键作用。进一步分析表明，这些竞争性连接并非随机分布，而是系统性地连接具有相反细胞构筑、基因表达和受体表达特征的脑区。模型中引入竞争性交互显著提升了对个体特异性功能连接的拟合能力，并自发产生了更接近真实大脑的动态特性，如元稳定性、层次化传播和协同信息处理。该研究为理解脑网络的生成机制提供了新的理论框架。背景知识
当前神经科学的核心挑战之一是如何从结构连接（即结构性连接组）预测功能连接（即功能磁共振fMRI信号的统计依赖性）。尽管已有大量基于结构性连接的生成模型，如Hopf模型和Wilson-Cowan模型，但传统模型通常假设所有长程连接均为促进性（即合作性），忽略了抑制或竞争性交互的可能性。这种简化可能导致模型无法准确捕捉大脑中广泛存在的负功能连接（即反相关）。在自闭症谱系障碍、精神分裂症和阿尔茨海默病等神经疾病中，功能网络的失衡常表现为默认模式网络与其他控制网络之间的竞争减弱。然而，这种竞争的生物物理基础尚不明确。本研究的切入点在于挑战“所有长程连接均为兴奋性”的默认假设，提出并验证了竞争性连接的存在及其在塑造脑动态中的计算优势，为理解脑网络失稳提供了新视角。
研究方法与核心实验
作者采用计算全脑建模方法，基于物种特异的结构性连接组数据，包括人类个体的扩散磁共振成像（dMRI）、恒河猴的dMRI结合CoCoMac追踪数据，以及小鼠的病毒示踪数据。局部动力学采用近霍普夫分岔点的非线性Stuart-Landau振荡器，该模型能再现fMRI信号的低频振荡特性。模型通过迭代优化连接权重，以最小化模拟与实测功能连接（FC）之间的差异。关键创新在于允许生成性连接权重为正（合作）或负（竞争），从而数据驱动地推断竞争性连接的存在。模型在三个物种中均进行了个体水平拟合（人类n=100，恒河猴n=19，小鼠n=10），确保了结果的跨物种可比性。
为了验证模型的生物学意义，作者系统分析了竞争性连接的拓扑特征及其与多组学数据的关联，包括细胞构筑、基因表达、受体分布和皮层层状结构。此外，通过计算模拟，研究了模型动态特性，如元稳定性、局部-全局层次传播（IDI）和协同信息，这些特性并未在模型训练中显式优化，而是作为竞争性交互的自发产物进行评估。关键结论与观点
研究意义与展望
该研究从根本上改变了我们对脑网络组织的理解，从“全连接促进”转向“局部促进、长程抑制”的双模式架构。这一发现对疾病建模具有深远影响：在癫痫或躁ism等过度同步疾病中，竞争性连接的削弱可能是一个关键机制；而在抑郁症或强迫症中，过度竞争可能导致网络隔离。因此，靶向竞争性通路的干预（如经颅磁刺激或药物）可能成为新的治疗策略。
在药物开发领域，该模型为评估药物对脑网络动态的影响提供了更真实的计算平台。例如，精神类药物（如SSRI或抗精神病药）可能通过调节特定环路的竞争-合作平衡发挥作用。此外，该研究为神经形态芯片设计提供了新蓝本，通过模拟竞争性连接，可实现更高效、更鲁棒的信息处理，推动类脑计算的发展。
结语
本研究通过跨物种全脑建模，揭示了竞争性相互作用在塑造哺乳动物脑网络动态中的核心作用。传统模型仅考虑合作性连接，难以解释功能网络中的反相关现象。而该研究发现，约三分之一的长程连接具有竞争性，且这些连接系统性地桥接具有相反生物学特征的脑区，如感觉运动区与联合区。这种“局部合作、长程竞争”的架构不仅显著提升了模型对个体功能连接的拟合精度，还自发产生了真实大脑特有的动态特性，如元稳定性与层次化信息传播。从实验室到临床，这一发现为理解神经发育障碍、精神疾病和神经退行性疾病中的网络失衡提供了新机制。例如，自闭症中默认模式网络与背侧注意力网络的过度耦合，可能源于竞争性抑制的减弱。因此，靶向竞争性通路的干预策略，如精准调控PV阳性中间神经元的活动，有望成为未来治疗的新方向。此外，该模型为构建更真实的疾病动物模型和开发高效神经形态计算系统提供了理论基础，标志着脑网络研究从静态连接描述迈向动态生成机制解析的新时代。
