宏观神经动力学相关性的结构性原理

神经科学中的一个核心问题是，大脑的结构连接性如何产生其涌现性的相关动力学。这些大尺度的动力学相关性构成功能网络的基础，而功能网络又支撑认知功能。在此，我们将耦合相关性——即脑区输入连接模式之间的相似性——确定为宏观神经动力学相关性的关键结构决定因素。通过使用动力学平均场理论（DMFT）以及随机神经网络模型的数值模拟，我们表明耦合相关性在定量上支配动力学相关性。 这种结构—功能映射的函数形式由耦合相关矩阵的特征值谱决定：具有主体特征谱的网络表现出精确的线性关系，而具有生物学上合理的长尾谱的网络则呈现近似线性映射，只有当耦合相关性的幅值接近 1 时才会偏离。尤其是，长尾谱对于再现实证数据中观测到的耦合相关性的适当幅值及其对系统规模的不变性是必不可少的，从而在大型系统中维持非消失的动力学相关性，而这类相关性可能支持脑功能。 利用包含人类、小鼠和果蝇结构耦合与神经动力学的实证数据集，我们一致验证了这种近似线性的理论预测。总体而言，这些结果提供了一个将宏观脑网络结构与涌现性神经动力学联系起来的机制性和定量化框架，这是迈向脑结构—功能关系理论的关键一步。

本网站正在使用一项安全服务来保护自身免受在线攻击。您刚刚执行的操作触发了该安全防护机制。可能导致此拦截的行为有多种，包括提交特定的单词或短语、SQL 命令或格式错误的数据。

您可以向网站所有者发送电子邮件，告知您被拦截的情况。请在邮件中说明该页面出现时您正在进行的操作，并附上本页面底部显示的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.14.729168v1?rss=1

🏷️ 脑结构连接 神经动力学 功能相关性 动力学平均场理论 脑网络 结构-功能映射