Assortative mixing in micro-architecturally annotated brain connectomes
Notice bibliographique
Résumé
The wiring of the brain connects micro-architecturally diverse neuronal populations. The conventional graph model encodes macroscale brain connectivity as a network of nodes and edges, but abstracts away the rich biological detail of each regional node. Regions are different in terms of their microscale attributes, many of which are readily available through modern technological advances and data-sharing initiatives. How is macroscale connectivity related to nodal attributes? Here we investigate the systematic arrangement of white-matter connectivity with respect to multiple biological annotations. Namely, we formally study assortative mixing in annotated connectomes by quantifying the tendency for regions to be connected with each other based on the similarity of their micro-architectural attributes. We perform all experiments using four cortico-cortical connectome datasets from three different species (human, macaque and mouse), and consider a range of molecular, cellular and laminar annotations, including gene expression, neurotransmitter receptors, neuron density, laminar thickness and intracortical myelin. Importantly, we disentangle the relationship between neural wiring, regional heterogeneity and spatial embedding using spatial autocorrelation-preserving null models. We show that mixing between micro-architecturally diverse neuronal populations is supported by long-distance connections. Using meta-analytic decoding, we find that the arrangement of connectivity patterns with respect to biological annotations shape patterns of regional functional specialization. Specifically, regions that connect to biologically similar regions are associated with executive function; conversely, regions that connect with biologically dissimilar regions are associated with memory function. By bridging scales of cortical organization, from microscale attributes to macroscale connectivity, this work lays the foundation for next-generation annotated connectomics.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».