两个大脑有多相似？脑网络相似性度量的全面基准评测

神经科学的一个核心目标，是揭示不同个体、不同发育阶段、不同精神疾病状态之间，乃至生物脑与人工脑之间的脑网络在多大程度上相似或不同。每当进行此类比较时，都依赖于这样一个假设：我们拥有一种能够产生准确且合理相似性评分的测量方法。然而，目前该领域尚缺乏这样一种统一的测量方法，现有测量方法的多样性也常常导致相互矛盾的结果。为解决这一问题，我们对16种已确立的相似性测量方法进行了系统比较。首先，我们表明，不同测量方法在判断哪些脑网络最为相似这一问题上，始终存在分歧。其次，我们依据生物学合理性、计算效率和敏感性等多项标准，对所有测量方法进行了排序。结果显示，就参数恢复能力而言，DeltaCon是最准确的测量方法之一，同时也属于速度最快且对噪声容忍度最高的方法之列。基于此，我们得出结论：DeltaCon是最佳的通用相似性测量方法。然而，在我们评估的五项标准中，没有任何一种测量方法在超过两项标准上排名第一；因此，应根据具体研究问题选择不同的测量方法。如今，测量方法的选择可以建立在证据基础之上，并且在任何比较脑网络的研究中，都应被视为一项至关重要的决策。

神经科学的一个核心目标，是确定不同个体、不同发育阶段、不同精神疾病状态之间，甚至生物脑与人工脑之间的脑网络究竟有多相似（或多不同）。每当进行此类比较时，都依赖于这样一个假设：我们拥有一种能够产生准确且合理相似性评分的测量方法。然而，目前该领域尚缺乏这样一种统一的测量方法，现有的多种测量方法往往会产生相互矛盾的结果。为解决这一问题，我们系统比较了16种已确立的相似性测量方法。首先，我们表明，不同测量方法在判定哪些脑网络最为相似这一问题上，始终存在分歧。其次，我们依据多个标准对所有测量方法进行排序，这些标准包括生物学合理性、计算效率和敏感性等。结果表明，就参数恢复能力而言，DeltaCon是最准确的测量方法，同时在计算速度和抗噪性方面也名列前茅。基于此，我们认为DeltaCon是最佳的通用相似性测量方法。然而，在我们评估的五项标准中，没有任何一种测量方法在超过两项标准上排名最佳；因此，应根据具体研究问题选择不同的测量方法。如今，测量方法的选择可以基于证据作出，并且对于任何比较脑网络的研究而言，都应当是一个至关重要的决策。

感谢您有兴趣传播bioRxiv的相关信息。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.16.752009v1?rss=1

🏷️ 脑网络 网络相似性度量 基准评测 DeltaCon 图论方法 计算神经科学