Development of the whole-brain functional connectome explored via graph theory analysis
Notice bibliographique
Résumé
Introduction Adolescence is a period of remarkable development as children’s brains change to resemble adult brains. Resting state fMRI measures fluctuations in blood-oxygen signal from which we can infer functional connectivity (FC). Graph theory is a branch of mathematics that can quantify the complex patterns of connectivity and network architecture inherent in the functional connectome. An ideal graph theory analysis explores edges that are weighted, directional, and heterogenous (can be positive or negative). Recent developmental studies have applied graph theory to the functional connectome, yet due to the considerable complexity added by each facet, most ignore one or more aspects of an ideal graph theory analysis (directionality and heterogeneity). Methods The present cross-sectional study measured FC in typically developing children, adolescents, and young adults (age 6-24 years) using 150+ echo-planar volumes (3.6mm isotropic voxels, repetition/echo time=2000/30ms) acquired at rest. A standard pre-processing pipeline was used, and the functional connectome was quantified using a weighted, directed graph analysis, including both positive and negative connections. Five different graph theory metrics were utilized to quantify developmental trajectories: connection density, modularity, clustering coefficient, global efficiency, and betweenness centrality. Positive and negative connections were analyzed separately, and age and sex associations were explored. Results The total sample comprised 219 participants (mean age (SD) [range] = 14.1 (3.3) [6.5-24.0] years, 50% female). For positive connections, modularity and betweenness centrality increased with age (both p<0.001), while connection density, clustering coefficient, and global efficiency decreased with age (all p<0.001). By contrast, for negative connections, modularity and betweenness centrality decreased with age (p=0.002, p=0.003), while connection density, clustering coefficient , and global efficiency increased with age (p<0.001, p<0.001, p=0.003). Effects of sex, hemisphere, and their interaction were minimal, though global efficiency for negative connections was higher in the right hemisphere than the left (p<0.001). Conclusion Graph theory appears to be a useful tool for quantifying the complex development of the functional connectome. The developmental changes presented here may be driven by an intrinsic pressure to balance functionality with low metabolic cost to maintain the network. The positive connection network appears to shift towards a more efficient conformation resembling “small-world” architecture. In contrast, the negative connection network seems to shift away from such efficient architecture, possibly to prioritize improving functionality before later refinement.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| 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) | 0,003 | 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 ».