Connectome-to-Function

新AI框架将神经连接性与计算联系起来

研究人员开发了一个新的条件生成潜在框架，旨在将连接组图编码到紧凑的结构空间中。该模型可以以高AUC重建观察到的连接性并生成新的候选连接组，为分析图结构和计算行为提供了一种统一的方法。当应用于水库计算实验时，学习到的潜在空间捕捉到了功能变化，实现了高达约0.87的交叉验证R^2值。进一步的分析表明，特定的结构机制，如互惠性递归连接和谱特性，与不同的计算任务相关，如记忆性能和分类。