Co-activation patterns across multiple tasks reveal robust anti-correlated functional networks
Notice bibliographique
Résumé
Whether antagonistic brain states constitute a fundamental principle of human brain organization has been debated over the past decade. Some argue that intrinsically anti-correlated brain networks in resting-state functional connectivity are an artifact of preprocessing. Others argue that anti-correlations are biologically meaningful predictors of how the brain will respond to different stimuli. Here, we investigated the co-activation patterns across the whole brain in various tasks and test whether brain regions demonstrate anti-correlated activity similar to those observed at rest. We examined brain activity in 47 task contrasts from the Human Connectome Project (N = 680) and found robust antagonistic interactions between networks. Regions of the default network exhibited the highest degree of cortex-wide negative connectivity. The negative co-activation patterns across tasks showed good correspondence to that derived from resting-state data processed with global signal regression (GSR). Interestingly, GSR-processed resting-state data was a significantly better predictor of task-induced modulation than data processed without GSR. Finally, in a cohort of 25 patients with depression, we found that task-based anti-correlations between the dorsolateral prefrontal cortex (DLPFC) and subgenual anterior cingulate cortex were associated with clinical efficacy of transcranial magnetic stimulation therapy targeting the DLPFC. Overall, our findings indicate that anti-correlations are a biologically meaningful phenomenon and may reflect an important principle of functional brain organization.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».