نظریه گراف و چگونگی ظهور ویژگی‌های مغز

نظریه گراف یک چارچوب ریاضی برای مدل‌سازی ارتباطات زوجی بین عناصر یک شبکه ارائه می‌کند و آن را برای تجزیه و تحلیل الگوهای اتصال پیچیده مغز انسان مناسب می‌سازد. این به محققان اجازه می‌دهد تا مغز را به‌عنوان یک گراف مدل‌سازی کنند، گره‌هایی که نواحی مغز را نشان می‌دهند و لبه‌ها نشان‌دهنده ارتباط بین آنهاست. این رویکرد به درک چگونگی ظهور ویژگی‌های مغز از طریق تعامل واحدهای عصبی مجزا کمک می‌کند. 

 

 

کاربردهای کلیدی و بینش استفاده از نظریه گراف در تحلیل شبکه مغز انسان عبارتند از:

درک توپولوژی شبکه مغز: نظریه گراف به افشای اطلاعات معنادار در مورد معماری توپولوژیکی شبکه‌های مغز انسان، مانند دنیای کوچک، سازماندهی مدولار و هاب‌های بسیار متصل کمک می‌کند.

Small-Worldness: این به خاصیتی اشاره دارد که در آن بیشتر گره‌ها از هر گره دیگری با تعداد کمی پله قابل دسترسی هستند، که نشان دهنده تفکیک اطلاعات کارآمد و ادغام با انرژی کم و هزینه‌های سیم کشی است23.

شناسایی ارتباط عملکردی و مؤثر: نظریه گراف را می‌توان هم برای الگوهای اتصال عملکردی و هم موثر در مغز اعمال کرد. اتصال عملکردی به وابستگی‌های آماری بین واحدهای عصبی اشاره دارد، در حالی که اتصال مؤثر به تعاملات علی اشاره دارد. اکثر مطالعات بر روی اتصال عملکردی در حالت استراحت تمرکز کرده‌اند.

تجزیه و تحلیل اختلالات مغزی: تئوری گراف برای تعیین کمیت ناهنجاری‌ها در ویژگی‌های ساختاری و عملکردی شبکه در اختلالات عصبی-روانی مانند اسکیزوفرنی و بیماری آلزایمر استفاده شده است. این می‌تواند به درک آسیب‌پذیری شبکه‌های مغزی در برابر ضایعات کمک کند و به طور بالقوه نشانگرهای خطر ژنتیکی برای اختلالات را ارائه دهد.

عملکرد شناختی و رفتاری: معیارهای نظریه گراف، مانند درجه گره، ضریب خوشه‌بندی، طول مسیر متوسط، هاب‌ها، مرکزیت، مدولار بودن، استحکام و دسته‌بندی، می‌توانند به عنوان شاخص‌های عملکرد شناختی و رفتاری عمل کنند.

اتصال ساختاری و عملکردی: داده‌های همگرا حاکی از وابستگی متقابل در سازماندهی شبکه‌های ساختاری و عملکردی است. توپولوژی و دینامیک شبکه‌های عملکردی تحت تأثیر اتصال ساختاری قرار می‌گیرد و برعکس، دینامیک می‌تواند توپولوژی شبکه ساختاری را در طول زمان تعدیل کند.

به طور خلاصه، نظریه گراف ابزارهای ارزشمندی را برای کاوش و درک الگوهای اتصال پیچیده در مغز انسان، با کاربردهای مختلف از علوم اعصاب شناختی پایه تا مطالعه اختلالات عصبی و روانی ارائه می‌دهد.

[1] https://www.nature.com/articles/nrn2575

[2] https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2019.00585/full

[3] https://geometrymatters.com/graph-theory-for-identifying-connectivity-patterns-in-human-brain-networks/

[4] https://pmc.ncbi.nlm.nih.gov/articles/PMC6136126/

[5] https://www.humanbrainmapping.org/files/2016/ED/Fornito_OHBM-June_2016.pdf

[6] https://www.worldscientific.com/doi/10.1142/S021946782240006X

[7] https://www.researchgate.net/publication/327891491_Graph_theory_methods_applications_in_brain_networks

[8] https://andysbrainbook.readthedocs.io/en/latest/FunctionalConnectivity/CONN_ShortCourse/CONN_AppendixA_GraphTheory.html