Nature Communications：小鼠、猕猴和人类大脑进化过程中的fMRI网络动力学

摘要：研究者以前曾利用对 fMRI 时间序列进行时间平均分析的方法描述了一些哺乳动物物种的进化相关网络。然而，fMRI 网络活动是高度动态的，并在以秒为单位的时间尺度上不断演变。不同哺乳动物物种的静态 fMRI 网络活动的动态组织是否一致仍不清楚。通过对 fMRI 时间序列进行帧向聚类，我们发现清醒的雄性猕猴和人类的内在 fMRI 网络动态特征是在一组 4 种主导的、神经解剖学上同源的 fMRI 共激活模式（C-MODES）之间反复转换，其中三种模式在雄性啮齿类动物大脑中也有可信的表现。重要的是，在所有物种中，C-模式都表现出与物种无关的动态特征，包括在特定阶段出现的优先性，以及与次低耦合振荡器动力学兼容的状态转换结构。此外，优势 C-MODES的出现重建了所有物种的 fMRI 连接组的静态组织，并预测了相应的 fMRI 连接梯度的排序。这些研究结果揭示了哺乳动物物种中 MRI 网络动态组织的一系列物种不变原则，并为在系统发育树上关联 fMRI 网络研究结果提供了新的机会。

1. 引言

静息 fMRI 信号的自发波动一直被证明在多个功能系统中具有时间同步性，从而勾勒出一组可重现的拓扑图，通常被称为静息态网络（RSN）。RSN 映射通常需要计算 fMRI 时间序列之间的时间平均统计依赖关系，以生成静态 fMRI 连接性映射，而在过去十年中，出现了一系列替代性时变方法来研究 RSN 活动的时间特征。由于需要在生理上可接触的物种中进行机理研究来补充人类的 fMRI 研究，多个研究小组已开始在非人灵长类和啮齿类动物中进行 fMRI 图谱绘制。这些研究揭示了不同哺乳动物在 RSN 静态组织方面有趣的进化对应关系。其中包括半球间高度同步网络的存在，包括分布式整合系统的进化相关前体，如默认模式（DMN）和显著性网络。然而，自发的大脑活动是高度动态的，在几分钟的时间尺度上不断演变。因此，大量的实验和理论研究表明，RSN 的相关结构会随着时间的推移而变化，并涉及不同功能系统之间的瞬时互动，这些互动会被不断重新审视。这些观察结果证实了一个观点，即仅仅描述自发 fMRI 活动的时间不变性不足以全面描述静息大脑的功能结构。

虽然已经提出了许多研究 RSN 动态组织的方法，但最近框架法作为一种灵活的方法，在研究内在 fMRI 活动的动态组织方面获得了广泛的关注。与基于相关性的方法（如滑动窗口分析）相比，框架方法提供了以下可能性：(a) 在时间上定位作为 fMRI 网络动力学基础的活动高峰和低谷，并将其与大脑活动的全局波动联系起来；(b) 使用生理上可解释的参数（如平均 fMRI 活动）描述 fMRI 的动态组织；(c) 识别 fMRI 动态的相关维度，而无需预先设定区域细分。最近的研究表明，利用对 fMRI 时间序列进行全脑框架聚类来获得共激活模式（CAP），内在的 fMRI 活动主要是在刻板的功能拓扑图之间反复出现的周期性波动。CAP 框架简单易懂，与可直接量化的生理特性直接相关，而且具有较高的时间和空间分辨率，完全适合于简明而全面地描述自发网络活动的动态组织。

虽然之前的研究已经比较了不同物种的 fMRI 网络的静态组织，但还缺乏直接将哺乳动物系统发育树上的内在大脑活动的动态组织联系起来的尝试。fMRI网络动态是否由一套统一的物种不变原则支撑，还是这一现象反映了独特的物种特异性？fMRI动态状态及其循环动力学是进化保守的，还是包含了系统发育上不同的模式？

为了解决这些问题，我们利用在清醒的人类、雄性猕猴和小鼠身上获得的 fMRI 数据集，探究并比较了哺乳动物大脑中 fMRI 信号的动态组织。我们发现，所有被探究物种的 fMRI 网络动态都具有类似的特征，即在几个主要的、与神经解剖学相关的 fMRI 共激活模式（C-modes）之间循环转换，这些模式表现出基本一致的拓扑和动态特征，如准周期性的低频演化和与耦合振荡器动力学兼容的状态之间的转换结构。我们进一步将 C-modes 所代表的动态状态的发生与静态连接组的组织和 fMRI 连接梯度联系起来。这些结果表明，哺乳动物的静息 fMRI 活动是由进化保守的动态原理支撑的。

图片

图1 跨物种C-MODELS识别与匹配

2. 结果

2.1 C-modes可合理描述人类、猕猴和小鼠的 fMRI 网络动态

为了从进化角度比较 fMRI 网络动态的动态组织，我们使用了基于共激活模式 (CAP) 识别的逐帧方法。本研究的数据包括来自两个人类队列的清醒 rsfMRI 数据。人类数据在两个独立数据集中都是性别平衡的，而猕猴和小鼠的所有结果仅使用雄性动物获得。考虑到空间相似性，我们使用 k 均值对串联时间序列中的 fMRI 帧进行聚类。我们对每个簇中的帧进行平均以生成组级 CAP 地图，然后在体素级别对它们进行 T 评分。然后，我们通过平均每个受试者的相应聚类帧来获得单受试者 CAP 图。为了识别代表每个物种 fMRI 网络动态结构的可重复功能 CAP，我们使用了多标准方法，旨在最大限度地提高个体、会话或数据集之间的 CAP 重复性。之前的工作已经表明，CAPs体现了丰富的fMRI拓扑结构，可以可靠地匹配到以相反的fMRI共激活模式为特征的镜像共活性和反共活性对（图1）。 正如我们将在下面演示的，与在准周期模式中观察到的类似，每个匹配的 CAP 和反 CAP 对描述了单个 fMRI 状态的周期性波动。正如预测的那样，在所有物种中识别出的所采用的程序都反映了以相反的 fMRI 共激活为特征的 CAP 对（图 1A，B）。重要的是，所识别的 CAP 解释了所有物种中 fMRI 时间序列的很大一部分差异。此外，他们还保证了数据集空间内部和之间的鲁棒性和发生率再现性。这些结果表明，一些主要的动态模式可以简单地描述多种哺乳动物物种中功能磁共振成像活动的动态组织。

为了进一步降低维度并促进跨物种比较，我们将高度反相关的 CAP 对合并为单个共激活模式（C-MODES）。因此，CAP 和反 CAP 是同一波动 C-MODES的峰值和谷值。因此，C-MODES是通过反转抗 CAP 的符号并对其与其配对的 CAP 进行空间平均来计算的，以便在空间上描绘相应的共激活轴（图 1A）。 为了评估头部运动对 C-MODES地形图的潜在混杂贡献，我们在时间序列上重复了聚类过程，其中我们没有删除表现出高运动相关的 fMRI 帧。接下来我们比较了使用和不使用帧审查时获得的 C-MODES的空间形貌。这种比较表明，使用帧删失时间序列获得的 C-MODES与我们使用整个时间序列绘制的非常相似。进一步证实头部运动对我们的发现的贡献可以忽略不计，我们还发现在所有物种中没有 C-MODES优先富含高运动框架（图 1）。

2.2 fMRI C-MODES表现出进化保守的功能组织

在确定了所有三个物种中占主导地位的功能磁共振成像 C-MODES后，我们接下来询问它们的功能组织是否会在可预见的物种特异性特征之外显示出可识别的进化保守的解剖特征。为此，我们根据一组进化保守的静息态网络（RSN）中平均 fMRI 共激活曲线的相似性来匹配 C-MODES拓扑（图 1C）。所选网络包括默认模式 (DMN)、视觉 (VIS)、躯体运动 (SMN)、边缘 (LIMB)、腹侧 (VAT) 和背侧 (DAT) 注意、额顶叶 (FPN) 以及关键皮质下核团 丘脑 (TH) 和海马 (HCP) 的选择基于以下概念：在这三个物种中，它们包含部分保守的神经解剖学底物。一个值得注意的例外是缺乏已确定的 VAT、DAT 和 啮齿动物大脑中的 FPN。因此，这些网络未包含在小鼠数据的共激活配置文件中。为了匹配的目的，我们对每个物种按联合出现率递减的顺序排列了 C-MODES，并将人类标记为 H1-H4，猕猴标记为 M1-M4，啮齿类动物（小鼠）标记为 R1-R3。为了允许物种之间的空间比较，C-MODES图在空间上进行 z 评分，并计算每个 RSN 掩模内体素标准化活动的平均值，以构建其相应的轮廓向量（图 1D）。首先使用匈牙利算法将载体从人类C-MODES与猕猴进行匹配，然后从猕猴与小鼠进行匹配。

相应的结果被描述为人类和猕猴数据集（图 1E、F）以及猕猴和小鼠之间的网络共激活曲线之间的拓扑相关性（图 1G）。人与猕猴匹配为 HNU 和 MSC 数据集提供了一致的结果，人类 C-MODES H1-H4 的空间拓扑分别与相应的猕猴 C-MODES M3、M4、M2 和 M1 最佳对齐（图2A）。 由于人类 HNU 数据集包含更多受试者，并且是在白天进行动物扫描，因此我们在下文中将 HNU 的结果描述为主要数据集，并将获得的 MSC 结果摘要作为补充图。猕猴与小鼠的匹配分别将 C-MODES M1 与 R1、M2 与 R2、M4 与 R3 连接起来（图 1G、2A）。由此产生的整体跨物种匹配产生了一个连接 C-MODES H1-M3、H2-M4-R3、H3M2-R2 和 H4-M1-R1 的组织。为简洁起见，我们今后将它们分别称为 C-MODES 1、C-MODES 2、C-MODES 3 和 C-MODES 4。由于人类和猕猴 C-MODES 1 并不优先与任何小鼠 C-MODES匹配，因此我们将小鼠 C-MODES称为 2、3 和 4，以便与整个手稿中高等物种中映射的模式保持一致。

总的来说，跨物种 C-MODES匹配揭示了人类和猕猴中四种与地形相关的 C-MODES，其中三种（C-MODES 2-4）也存在于啮齿动物大脑中（图 2A）。在所有物种中，C-MODES表现出丰富的空间组织，包括 fMRI 活动的正峰值和负峰值，这些峰值共同描绘了一组刻板网络共激活曲线（图 2A）。具体来说，C-MODES 1 包含 DMN 中 fMRI 活动的峰值，同时人类和猕猴的躯体运动和腹侧注意力区域的活动低于基线。在所有三个物种中，C-MODES 2 均表现出与躯体运动、视觉和边缘网络反相关的 DDM 区域的共激活。有趣的是，在人类中，海马体的功能磁共振成像活性低于基线，而猕猴和小鼠的该区域的功能磁共振成像活性高于基线。C-MODES 3 活动在躯体运动区域达到峰值，并同时参与人脑的大部分皮质区域，尽管视觉、丘脑和基底前脑区域的 fMRI 活动相当弱或呈负值，这让人想起全局 fMRI 信号 (GS) 波动。最后，人类和猕猴中 C-MODES 4 的特征是视觉和后皮质区域的正共激活，以及额顶叶皮质区域的负共激活。小鼠和猕猴（而非人类）的这种地形与DMN前扣带回和前额叶区域的共同失活有关。总而言之，这些结果表明在人类、猕猴和小鼠大脑中主要 C-MODES的功能组织中存在显着的地形对应。

图片

图2 清醒的人类、猕猴和小鼠的 C-MODELS地形图

接下来，我们计算每个 C-MODES的发生率，此处定义为分配给每个受试者/动物的每个 C-MODES的 fMRI 帧的比例。有趣的是，虽然 C-MODES的空间组织表现出物种不变的地形特征，但它们的发生率却显示出物种间的差异（图 2B）。 具体来说，在人类中，我们观察到 C-MODES 1 和 2 占主导地位，而在小鼠中观察到感觉导向的 C-MODES 3 和 4 出现，猕猴表现出等概率C-MODES发生（尽管有轻微的趋势 类似老鼠的轮廓是明显的）。因此，人类 C-MODES的时间结构是由关联皮层网络主导的配置的首选出现，而小鼠和可能的猕猴表现出更多的包含共激活的 C-MODES出现 感觉单峰区域（C-MODES 3 和 4）。为了进一步证实这些结果，我们还计算了各个 CAP 的发生率，并将它们与相应的抗 CAP进行比较，发现这些分布对之间没有显着差异。

图片

图3 慢动力学和C-MODELS的形成

2.3 fMRI C-MODES在人类、猕猴和小鼠中表现出亚慢波动

我们利用这一特性，通过计算所有时间序列中每个 C-MODES图和每个 fMRI 帧之间的瞬时空间相关性，来描述所有物种中每个受试者/动物的每个 C-MODES的时间演化。由此产生的 C-MODES时间序列的功率谱表明，C-MODES在所有物种中都会经历亚慢波动，大部分功率峰值在 0.01–0.03 Hz 范围内（图 3）。次慢频带内的功率明显大于将联合 C-MODES时间序列洗牌 1000 次所生成的替代时间序列的平均功率（图 3）。 在人类中，亚慢活动的峰值是明显而尖锐的，而在小鼠和猕猴中则稍微不那么突出（但可以清楚地识别）。

接下来，我们通过标准化（z 分数）其时间过程并通过组级别的 C-MODES时间过程（即事件小波）的时间锁定峰值来研究每个 C-MODES的组装。我们发现，清醒的人类、猕猴和小鼠的 C-MODES以缓慢且渐进的方式组装和分解（图 3），让人想起主频带中的阻尼振荡。 这些结果表明，fMRI C-MODES在所有受检查的哺乳动物物种中都表现出相当的低速动态循环。

图片

图4 fMRI 全局信号慢周期内的 C-MODELS发生

2.4 fMRI C-MODES发生在人类、猕猴和小鼠的 fMRI 全局信号周期的特定阶段

受先前对麻醉小鼠的研究的启发，我们接下来探讨了高等物种中的C-MODES是否在fMRI全局信号（GS）周期中优先出现。因此，我们首先确定在清醒条件下，所有物种中的GS将主要在低速范围内波动（图4A）。光谱分析表明，在清醒的人类中，GS 的功率谱在 0.01–0.03Hz 频带内出现急剧峰值，而在清醒的猕猴和小鼠中，在相同的频率范围内也有类似的（尽管不太明显）活动峰值。然后，我们通过仅对归一化 C-MODES时间序列超过 1 SD 阈值的事件进行采样，构建了每个 C-MODES发生的滤波后GS 相位的圆形分布。在人类、猕猴和小鼠中，C-MODES的发生在 GS 周期内显着锁相（图 4B）。有趣的是，猕猴和人类的 GS 相分布呈现出关键的相似性，C-MODES 1、3 和 4表现出非常保守的跨物种相位排列。此外，C-MODES 3 和 4 在此处检查的所有三个物种中显示出大致相似的圆形平均值。

C-MODES是通过将 CAP 与具有几乎相同空间形状但相反 fMRI 共激活的抗 CAP 合并来计算的。这种对大脑动力学的描述在假设 CAP 和反 CAPS 代表单一波动的大脑亚状态（其活动模式变化呈周期性变化）的假设下效果很好。为了证实 GS 周期内 C-MODES波动的循环性质，我们重复了 GS 相位的采样，但使用反向（负）C-MODES时间进程，以便捕获 C-MODES的完整时间演化。这种方法揭示了来自正和负 C-MODES发生的 GS 相采样的明显相反的分布（图 4B）。这些结果表明，C-MODES描述了循环时空子状态，其幅度和符号根据全局 fMRI 信号的下慢结构波动。

为了进一步提供 C-MODES动力学的亚慢振荡性质的证据，我们研究了不同的 C-MODES是否在各个 GS 周期内进行相位耦合。我们计算了GS 周期中出现的 C-MODES与同一 GS 周期内或紧随其后的周期中随后出现的另一个 C-MODES之间的 GS 相位差。这些分析显示了每个 GS 周期内 C-MODES的高度一致定位以及一些 C-MODES对之间的相位耦合。这些结果表明，在哺乳动物物种中，内在的 fMRI 信号波动并不反映 fMRI 活动在空间上未分化的峰和谷，而是包含 fMRI 活动的主要模式之间的下循环。对于大多数所探索的 C-MODES，这一一般原理可以扩展到需要 fMRI GS 循环的相位关系的进化守恒。总之，这些结果表明 C-MODES与内在 GS 波动是锁相的，并且意味着不同的 C-MODES可以被概念化为多个哺乳动物物种中的耦合振荡器网络。

图片

图5 C-MODELS的时间轨迹收敛到最重复的状态

2.5 耦合振荡活动解释了 C-MODES转变动力学

接下来我们考虑 C-MODES瞬时跃迁的时间结构是否可以同样以物种不变原理为基础。对于每个物种，我们根据串联的 C-MODES出现序列将系统建模为马尔可夫过程，并计算进入不同 C-MODES的转移概率以及 C-MODES自转移（也称为持久概率，图 5A）。 我们发现最常出现的 C-MODES（人类为 1-2，猕猴为 3-4，小鼠为 3-4）是那些转变为概率最高的模式（p < 0.01，图 5A 中的黑色十字）。 因此，它们可以被概念化为首选方向转换的汇。

此外，我们通过从转移概率矩阵计算相应的马尔可夫轨迹熵 (HMT)，研究了每个物种之间 C-MODES的可访问性。该参数衡量转换的复杂性：低熵值意味着几乎确定性的直接路径或高可访问性。相反，高熵值表明高不确定性，需要在到达目的地之前通过不同的 C-MODES进行随机步骤，即可达性低。与我们在图 2B 中描述的 C-MODES发生率一致，所有物种中最常见的 C-MODES也是最容易获得的，即它们是具有最低熵值特征的模式（图 5B，C）。 具体来说，在人类中，C-MODES 1 和 2 是最容易获得的。在猕猴中，我们没有发现任何 C-MODES具有首选可访问性，相反，在小鼠中，C-MODES 3，特别是 4 是最容易访问的。重要的是，在所有物种中，随后的可及性概况（图 5C）概括了我们在图 2B 中描述的 C-MODES发生率，其中最容易接近的 C-MODES也是出现最多的模式（图 2B）。 在猕猴中也是如此，达到 C-MODES 3 和 4 所需的马尔可夫轨迹的熵遵循这些 C-MODES出现率较高的趋势。

在上面的章节中，我们通过不同 C-MODES捕获的协同网络之间的耦合准周期波动以及 C-MODES之间的转换来表征内在的 fMRI 动力学。如果耦合循环活动是解释状态转换动力学的关键，我们预计具有较低熵的 C-MODES之间的轨迹平均会出现在更短的低速相位差下。相反，具有较大熵的 C-MODES对平均会出现在具有较长的下慢相位差的情况下。为了检验这一假设，我们计算了 C-MODES出现之间的平均 GS 相位差与其轨迹的 HMT 之间的圆线性相关性。我们发现所有物种都存在明显且显着的相关值。这意味着 C-MODES的跃迁结构部分是由所有物种的次慢耦合循环动力学描述的，将快速跃迁现象嵌入到占主导地位的次慢带的 GS 循环中。

2.6 fMRI C-MODES发生预测人类、猕猴和小鼠的连接梯度排名

先前的研究表明，静态 fMRI 连接性的很大一部分差异是由表现出极高共波动幅度的 MRI 帧的有限分数 (5–15%) 来解释的。因此，我们研究了是否单独主导 C-MODES的动态发生可以解释 同样足以重建静态功能磁共振成像连接组的关键组织特征。为此，我们首先检查 C-MODES的出现加权平均值是否会重现 fMRI 连接的静态架构。为此，我们计算了每个 C-MODES的共波动矩阵，即每个 C-MODES图与其自身的叉乘。我们发现，在所有物种中，C-MODES共波动矩阵的出现率加权平均值与相应的组平均静态 fMRI 连接矩阵表现出高度相关性。这些发现证实了 C-MODES动力学解释了对静态功能连接组的拓扑组织至关重要的高共波动事件的观点。

为了进一步研究 C-MODES动态与静态 fMRI 连接之间的关系，我们接下来询问 C-MODES的发生是否也与 fMRI 连接梯度的组织有关。梯度方法在这里受到青睐，因为它们能够将高维静态功能连接组绘制成低维流形表示。在人类中，静息态功能磁共振成像的主梯度描绘了一个分层组织轴，该轴重建了皮质区域的单峰跨峰谱。至关重要的是，这种排列在空间上概括了人类和动物新皮质的关键骨髓结构、细胞结构和转录特征。高阶梯度同样与感觉皮层模式之间的分化轴相关。在这里，我们研究了功能磁共振成像活动的动态组织与梯度的空间组织如何相关。我们假设 C-MODES的出现率可能与功能连接梯度的排名有关，其中占主导地位（即出现最多）的 C-MODES与解释 fMRI 连接性最大变化的梯度一致。为了检验这个假设，我们首先计算了每个物种的前五个 fMRI 连接梯度，然后我们通过解释方差递减对其进行排名。然后，对于每个物种，我们将获得的梯度与 每个 C-MODES，根据它们的最高绝对空间相关性来匹配它们。支持我们的假设的是，在所有物种中都观察到了 C-MODES和梯度拓扑之间合理的空间对应关系（图 6A）。具体来说，在人类中，最常见的 C-MODES 1 和 2 与主导梯度 1 和 2 匹配，而在猕猴和小鼠中，主导梯度 1 和 2 与最常见的 C-MODES 4 和 3 匹配。物种中，C-MODES的出现与每个梯度解释的方差线性相关（图 6B）。该分析显示了以主要 C-MODES为代表的重复网络相互作用及其相对发生率如何塑造静态 fMRI 连接组的组织及其在所有探测物种中的方差主轴。

图片

图6 C-MODELS发生率预测功能连接梯度的排序

3. 讨论

虽然以前的跨物种研究试图通过时间不变的 fMRI 连接映射来比较特定 fMRI 网络的静态功能结构，内在功能磁共振活性的动态组织是否在进化上是保守的尚不清楚。为了填补这一知识空白，我们使用相同的分析框架对清醒的人类、猕猴和小鼠的内在 fMRI 动力学进行了系统调查。为了促进跨物种比较，我们通过 fMRI C-MODES引入了对网络动力学的简洁描述，它代表了波动 fMRI 活动的主要模式。使用这种简单的方法，我们发现清醒的人类、猕猴和小鼠的 fMRI 动力学包括一组功能相关的 C-MODES拓扑图的反复出现。我们还报告了fMRI 网络活动的动态结构遵循一组进化不变的原则。这些包括观察到 C-MODES经历次下慢波动，并且往往发生在 fMRI 全局信号的特定阶段。此外，它们的过渡结构部分是由 fMRI 全局信号周期内的 infraslow 耦合振荡器动力学解释的。我们还表明，C-MODES的出现解释了对静态功能连接组的拓扑组织至关重要的高协波动事件，并且与连接梯度的排名密切相关。这些观察结果表明，除了一些预期的物种特异性特征之外，清醒哺乳动物大脑中内在功能磁共振成像活性的动态结构遵循进化保守的原则。

尽管缺乏对跨物种 fMRI 活性动态组织的系统比较，这不允许我们将我们的发现与以前的文献直接联系起来，但我们的结果与支持哺乳动物大脑中 fMRI 连接的静态组织中存在跨物种同源性的新证据一致。我们的结果扩展了这些初步研究，表明静态 fMRI 网络组织中的对应关系可以用一组有限的进化相关的 fMRI 活动动态模式来简洁地描述和解释。与此保持一致，C-MODES的地形组织包括 fMRI 活动的峰值，跨越先前在多个哺乳动物物种中描述的网络系统，包括 DMN、显著性和运动感觉网络的组成部分，以及许多关键的皮层下系统。扩展以前的观察，我们还发现 C-MODES动力学可以可靠地与所有探测物种中 fMRI 连接组的静态组织相关。这些发现调和了之前对啮齿动物 fMRI 连接动态结构的研究，通过证明 C-MODES动力学包含 fMRI 活性的高振幅峰值，这些峰值关键地塑造了 fMRI 连接组的稳态结构。这些结果也与以下假设一致，即用 fMRI 评估的区域间信息传递机制在哺乳动物大脑中是保守的.

我们观察到哺乳动物 fMRI 活动的动态结构遵循物种不变原则，这一点很重要，因为许多基本的生理和解剖特征（包括大脑的解剖结构）已知会随着体型而变化，或者在低等物种中略有（或没有）代表。相反，我们的数据表明，与进化复杂性无关，空间丰富的 fMRI 活动模式的次下波动同样支持多种哺乳动物物种的自发性大脑活动。在这方面，本研究的一个重要进展是使用在所有物种的清醒条件下收集的数据集，这是一种实验策略，使我们能够对 fMRI 动力学进行跨物种比较，而不会被麻醉产生的药理作用（以及随之而来的大脑状态变化）所混淆。我们在这里介绍的 C-MODES框架的另一个关键优势是计算可处理性，它允许以体素分辨率（即没有预定义的解剖边界）表示 fMRI 活动的相应时空模式，并避免使用基于相关性的指标（例如，例如，在基于滑动窗口的动态连接映射中）。此外，所采用的方法允许以单帧分辨率对动态效果进行精细的时间定位。所有这些特性都是我们在这项工作中报告的动态特性和跨物种对应关系鉴定的关键。

C-MODES的体素地形使我们能够以最大空间分辨率匹配和比较这些时空模式，揭示一组解剖学相关的基序，这些基序展示了跨物种进化守恒的证据。人类和猕猴之间的功能对应关系很明显，并且包含四种神经解剖学同源的 C-MODES，这些模式在两个独立的人类数据集中被合理地识别出来。虽然在进化上更具试探性，但猕猴和小鼠之间的空间匹配也是合理的，在三个匹配的 C-MODES中，关键锚网络中的 fMRI 极性保留，并且在两个物种中都有保守的 C-MODES GS 相耦合的证据。在未来的研究中，通过整合来自 lissenchephalic 新世界猴和其他系统发育更接近啮齿动物的灵长类物种的数据，可以作为猕猴和小鼠之间的中间进化联系，从而获得改进的解剖匹配。这种方法可能代表了我们工作的有序扩展，因为多种灵长类动物的 fMRI 数据的可用性增加。

在麻醉小鼠中首次报道了 C-MODES发生与 fMRI 全局信号循环之间显着耦合的观察它在这里延伸到唤醒人类和猕猴。这一发现证实了 fMRI GS 波动是高度结构化网络交互的内在表现的假设。鉴于将全球 fMRI 活动与觉醒的内在波动联系起来的新证据，这一结果也令人感兴趣。在这个框架内，我们的研究结果表明C-MODES可能会受到上升调制传输的强烈影响或驱动。

在过去十年中，几个有影响力的数学模型用耦合振荡器网络来描述静息态活动。这项工作为该建模提供了关键的实证支持，因为它从数据中表明，并且在不对机制做出假设的情况下，不同大脑状态之间的转换概率可以用耦合的 C-MODES在下慢频率上振荡来描述。此外，状态转换在所有物种中都可以可靠地描述为耦合振荡器这一事实表明，基于耦合振荡网络的功能架构提供了重要的进化优势计算优势。其中包括快速重新配置不同大脑区域之间的协调和通信的可能性，以及跨量表和大脑区域有效地传递信息。重要的是，我们的工作还与新兴的假设一致，即振荡不是在局部水平产生的，而是代表大脑解剖学中宏观共振模式的缓慢频率。

虽然目前的工作侧重于描述自发 fMRI 活动组织背后的物种不变原则，但物种特异性特征也很明显。除了特定 C-MODES地形的可预见差异（这可能与系统发育树中皮层外套膜的复杂性增加有关）之外，我们观察到的一个有趣的差异是 C-MODES在不同物种中出现的变化。尽管在猕猴和小鼠中发现了类似的人类 C-MODES，但它们的发生率是相反的，C-MODES 1-2 是人类中出现最多的模式，而小鼠和猕猴的 C-MODES 3 到 4 是最常见的模式。综上所述，这些观察结果支持了跨物种持续动态变化的进化基础，尽管每个物种在每种时空状态中花费的时间可能会发生变化。C-MODES发生的这种物种依赖性变化可能反映了大脑适应，这些适应支持整个进化过程中对高阶认知日益增长的需求。在人类中，C-MODES 1-2 和 3-4 中的 fMRI 活动谱分别在多峰和感觉区域达到峰值，这一发现表明 fMRI 活动的内在组织偏向于动物中较少访问的内省状态。因此，我们发现这些最频繁的 C-MODES也是最容易从任何其他 C-MODES中获得的。

我们的结果还强调了 fMRI 活性的动态组织与用连接梯度探测的静态 fMRI 活性的主轴方差关系中的跨物种对应关系。我们发现，时间占主导地位的 C-MODES在空间上重建了静态功能组织的主轴。这种正关系（即 C-MODES的出现和功能梯度的顺序）在物种之间保持不变，这表明动态状态如何支撑跨物种的静态功能组织存在根本守恒。有趣的是，在以前的研究中，跨峰-单峰层次结构梯度通常被认为是人类静态 fMRI 连接的主要组织轴35.然而，这种梯度并未被普遍观察到为其他物种中最重要的梯度。通过功能动力学的视角检查静态功能组织，我们的研究提供了对这种差异的更深入理解，表明它可以归因于潜在 C-MODES动力学的不同发生。综上所述，这些结果功能连接组的宏观组织受到其构成时空模式的发生的关键影响，这一概念也得到了 fMRI 动力学的互补概念化的支持。

应该注意的是，C-MODES 3 在人类和猕猴数据集中都表现出与其分配的梯度的低相关性。这种 C-MODES涉及大多数大脑区域的同时共激活，并且在时间上与 fMRI GS 周期对齐。因此，C-MODES 3 反映了一种全局活动状态，其中某种轴不是解释功能连接组差异的领先维度。与此保持一致，之前对小鼠的研究猕猴和人类没有确定大多数大脑网络一致行动的组织轴。因此，我们没想到会在这两个物种中发现类似的全局梯度。为了保持半定量匹配，我们仍然允许算法建议哪个梯度在空间上与这个 C-MODES最相似。未来的研究将需要专门研究如何最好地将接近全脑共激活的时期解释为静态连接组的方差描述符。

因为我们的 fMRI 时间序列是经过预处理和归一化的，所以不能假设我们平均的 fMRI 信号的极性直接反映正或负的 BOLD 活动。关于内在 BOLD 活动的决定因素仍然存在不确定性，最近的证据表明，它也可能受到非神经信号的影响，包括脑脊液搏动。神经血管耦合模型仍在验证中，以帮助解释 BOLD 活动在神经血管水平上的含义，并且在 C-MODES下 fMRI 活性的峰值和通过与潜在 BOLD 信号的实际极性之间建立直接的生理联系超出了本研究的范围。然而，我们证实了哺乳动物大脑中占主导地位的大规模网络配置的振荡性质，并展示了它们的动态特征如何是物种不变的。未来采用并发宽场神经活动读数和 fMRI 的研究对于扩展这种解释至关重要。

总之，我们描述了一组保守的动态规则，用于控制人类、猕猴和小鼠的大规模 fMRI 网络动力学。我们的工作提供了一个简单而灵活的框架，可以定量建模和关联整个系统发育树中的内在fMRI动力学。

4. 方法

4.1 数据和预处理

本研究使用了来自清醒、自由呼吸的人类、猕猴和小鼠的静息态 fMRI数据集。人类和猕猴数据集之前已发表。预处理包括 Human Connectome Project 指南建议的大多数步骤74，使用 fMRI 专用软件 AFNI 的组合75、FSL76、FreeSurfer77和 SPM12。

4.2 人

主要数据集，包括在一个月内从 n = 30 名没有神经或精神疾病、头部受伤或药物滥用史的年轻健康成年人（性别平衡，年龄 = 24 ± 2.41 岁）进行 10 次 10 分钟的扫描。在扫描之前，参与者被要求放松并保持静止，睁开眼睛，避免入睡。在扫描过程中，灰色背景的中间显示一个黑色十字准线。该研究得到了杭州师范大学认知与脑疾病中心伦理委员会的批准，所有参与者在数据收集前签署了书面同意书。使用 GE MR750 3T 扫描仪（GE Medical Systems，Waukesha，WI，USA）获取 MRI 数据。使用回波平面成像序列获取功能扫描 - EPI：TR = 2 s，TE = 30 ms，翻转角 = 90°，FOV = 220 × 220 mm，矩阵 = 64 × 64，体素大小 = 3.4 mm 各向同性，43 个切片。。

Midnight Scan Club （MSC） 数据集23用作辅助复制数据集。随机选择的 10 次会议中有 5 次在不同的日期使用，包括 n = 10 名健康年轻人（性别平衡，年龄 = 29.1 ± 3.3 岁）的 30 分钟扫描。参与者被要求在视觉上固定在黑色背景上的白色十字准线上。该研究得到了华盛顿大学医学院人类研究委员会和机构审查委员会的批准，所有参与者在扫描前签署了书面同意书。使用西门子 TRIO 3T MRI 扫描仪（德国埃尔朗根）使用梯度回波 EPI 序列获取功能扫描：TR = 2.2 s，TE = 27 ms，翻转角度 = 90°，体素大小 = 4 mm 各向同性，36 个切片。

4.3 猕猴

纽卡斯尔数据集包括 n = 14 只恒河猴 （Macaca Mulatta），没有造影剂扫描，其中 N = 10 只动物（2 只雌性，8 只雄性），其中两个独立的 fMRI 会话可用，用于我们的分析（年龄 = 2.28 ± 2.33，体重 = 11.76 ± 3.38）。由于在任一会话中头部运动超过了 fMRI 体积的 30% 以上，且逐框位移超过 0.3 毫米阈值，因此从我们的分析中丢弃了另外两只（雌性）动物。动物程序、头部固定和协议已获得英国内政部的批准，并符合关于在研究中照顾和使用动物的动物科学程序法和关于保护研究中使用的动物的欧洲指令。使用垂直 Bruker 4.7T 灵长类动物专用扫描仪，在清醒的头部固定动物中进行 rsfMRI 实验。

4.4 鼠

C57BL/6J 小鼠数据来自 n = 44 只接受 12 分钟 rsfMRI 扫描的头部固定清醒雄性小鼠29.体内实验是根据意大利法律和美国国立卫生研究院关于实验室动物护理和使用的建议进行的。本研究的动物研究方案由意大利卫生部、特伦托大学动物护理委员会和意大利技术学院 （IIT） 审查和批准。所有手术均在麻醉下进行。使用年轻成年 （<12 个月大） 雄性 C57BL/6 J 小鼠。检索和新获取的 rsfMRI 扫描是在位于罗韦雷托（意大利）的 IIT 实验室使用布鲁克 7T 扫描获得的，该扫描仪具有 BGA-9 梯度设置、72 mm 鸟笼发射线圈和四通道螺线管接收器线圈：TR = 1 s，TE = 15 ms，翻转角度 = 60°，矩阵 = 100 × 100，FOV = 2.3 × 2.3 cm， 18 个 0.6 mm 厚的冠状切片，总采集时间为 12 分钟。

4.5 C-MODELS和物种间匹配

在以前的工作中，我们证明了 CAP 以相反的 fMRI 共激活的空间构型成对出现。因此，对于每个物种，我们按降序发生率组织 CAP，并将矢量化平均 CAP 图之间的 Pearson 相关性计算为拓扑相似性指标，将 CAP 和反 CAP 匹配为具有最高抗相关系数的对。然后，我们将对数减少为 C-MODES，方法是取每个 CAP 映射对，从其对应的对应值中减去出现次数最少的映射，然后将生成的映射除以 2。为了为物种间比较提供标准化基础，我们进一步对每个生成的 C-MODES图进行 z 评分。鉴于 C-MODES表示已知静态网络之间的独特配置，我们从进化保守的掩码内的体素中提取了平均 fMRI 值。做出这一选择是为了解释最近在某些数据集和物种中该网络的头尾分解的灵长类动物和小鼠证。在啮齿动物中，这在清醒条件下尤其明显，其中与小鼠 PFC（麻醉）同步连接的顶叶和海马周围皮质成分往往在清醒的动物中形成可解离的网络。为了与以前的研究保持一致，我们在小鼠 DMN 中包括尾状壳核，因为在啮齿动物中，该区域是近端的，并且在麻醉和清醒条件下与 DMN 的前扣带回枢纽高度同步。初步研究表明，小鼠 DMN 中包含（或缺乏）CPu 不会改变猴子与人类的 C 型匹配。

对于每种 C-MODES，我们计算它们的发生率为符合 C-MODES的 CAP 和反 CAP 的平均发生率。然后，我们按发生率降序组织每个 C-MODES的矢量化网络共激活图谱，并使用匈牙利算法将人类 （C-MODES H1-4） 与猕猴 （C-MODES M1-4） 的 C-MODES图谱匹配，然后将猕猴与小鼠匹配。这种匹配是使用配置文件之间的向量相关性作为要最小化的成本函数的距离指标进行的。我们代表了人类 HNU 数据集中 C-MODES的网络共激活谱与猕猴之间的相似性，以及 MSC 数据集和猕猴，证实了我们的匹配。最后，我们将猕猴 C 型网络共激活曲线与小鼠的共激活曲线相匹配，而不考虑额顶叶 （FPN）、腹侧 （VAT） 和背侧注意力 （DAT） 网络，因为这些尚未在小鼠大脑中描述。我们注意到，由于 C-MODES 在小鼠中无法可靠地鉴定，很可能是由于缺乏高阶 VAT、DAT 和 FPN 的权重，因此我们在此将 C-MODES 1 从该物种中排除。

因为 C-MODES从根本上包括一个反相关的对应物，所以在试点研究中，我们使用绝对值相关性来探索跨物种匹配，而不是仅使用正相关。我们发现，当使用绝对值相关性作为距离指标时，只有猕猴 M4 和小鼠 R3，以及 M1 和 R1 的倒数产生不同的匹配。人类和猕猴 C-MODES之间的匹配保持不变。然而，虽然这种替代匹配在空间上似乎是合理的，但仅使用正空间相关性作为成本函数进行匹配会导致猕猴和小鼠的相位耦合与 fMRI 全局信号周期的跨物种保留。出于这个原因，我们保留了基于正相关的匹配作为本手稿的参考数据集，因为我们认为它为 C-MODES的关键进化相关动态特征提供了更合理的表示。

在匹配和组织 C-MODES之后，我们映射了体素方向的 C-MODES以及 C-MODES内的网络共激活配置文件。对于每个数据集中的每个受试者/动物，我们计算了 C-MODES的发生率，即与构成 C-MODES的 CAP 对相关的 fMRI 帧的比例。然后对发生率的分布进行比较（Kruskal-Wallis 检验，FDR 校正）。

我们进一步测试了扫描仪头内运动不会选择性地影响任何 C-MODES的配置。这是通过首先独立地对人类、猕猴和小鼠的非运动删失 rsfMRI 数据集进行聚类来完成的。然后，我们计算了每个受试者/动物的每种 C-MODES中被归类为高头运动的帧的比例，并比较了跨 C-MODES的这些分布。

参考文献：Evolutionarily conserved fMRI network dynamics in the mouse, macaque, and human brain.