The spatial layout of antagonistic brain regions is explicable based on geometric principles
Notice bibliographique
Résumé
Abstract Brain activity emerges in a dynamic landscape of regional increases and decreases that span the cortex. Increases in activity during a cognitive task are often assumed to reflect the processing of task-relevant information, while reductions can be interpreted as suppression of irrelevant activity to facilitate task goals. Here, we explore the relationship between task-induced increases and decreases in activity from a geometric perspective. Using a technique known as kriging, developed in earth sciences, we examined whether the spatial organisation of brain regions showing positive activity could be predicted based on the spatial layout of regions showing activity decreases (and vice versa). Consistent with this hypothesis we established the spatial distribution of regions showing reductions in activity could predict (i) regions showing task-relevant increases in activity in both groups of humans and single individuals; (ii) patterns of neural activity captured by calcium imaging in mice; and, (iii) showed a high degree of generalisability across task contexts. Our analysis, therefore, establishes that antagonistic relationships between brain regions are topographically determined, a spatial analog for the well documented anti-correlation between brain systems over time. Significance Statement It is well documented that brain activity changes in response to the demands of different situations, although what gives rise to the observed cortical activity patterns remains poorly understood. Using analytic tools from earth sciences, we examined whether the landscape of regional changes in activity emerge from a set of common topographical causes. Using only regions showing decreases in activity, we could predict the landscape of regions showing increases in activity using fMRI in humans and calcium imaging in mice. Our results suggest topographical principles determine the landscape of peaks and valleys in brain activity -- a spatial analog for the well documented anti-correlation between sets of brain regions over time.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».