The structural connectivity of human brain allows the coexistence of segregated and integrated states of activity. Neuromodulatory systems facilitate the transition between these functional states and recent computational studies have shown how an interplay between the noradrenergic and cholinergic systems define these transitions. However, there is still much to be known about the interaction between the structural connectivity and the effect of neuromodulation, and to what extent the connectome facilitates dynamic transitions. In this work, we use a whole brain model, based on the Jasen & Rit equations plus a human structural connectivity matrix, to find out which structural features of the human connectome network define the optimal neuromodulatory effects. We simulated the effect of noradrenergic systems as changes in filter gain, and studied its effects related to the global, local, and meso-scale features of the connectome. At the global scale, we found that the ability of the network of transiting through a variety of dynamical states is disrupted by randomization of the connection weights. By simulating neuromodulation of partial subsets of nodes, we found that transitions between integrated and segregated states are more easily achieved when targeting nodes with greater connection strengths --local feature-- or belonging to the rich club --meso-scale feature. Overall, our findings clarify how the network spatial features, at different levels, interact with neuromodulation to facilitate the switching between segregated and integrated brain states and to sustain a richer brain dynamics.

中文翻译：

---

通过去甲肾上腺素能神经调节促进大脑动力学转换的人类连接组的结构特征

人脑的结构连通性允许分离和整合的活动状态共存。神经调节系统促进这些功能状态之间的转换，最近的计算研究表明去甲肾上腺素能和胆碱能系统之间的相互作用如何定义这些转换。然而，关于结构连接与神经调节效应之间的相互作用，以及连接组在多大程度上促进动态转换，仍有很多有待了解。在这项工作中，我们使用基于 Jasen & Rit 方程加上人体结构连接矩阵的全脑模型来找出人体连接组网络的哪些结构特征定义了最佳的神经调节效果。我们模拟了去甲肾上腺素能系统的影响作为滤波器增益的变化，并研究了其与连接组的全局、局部和中尺度特征相关的影响。在全球范围内，我们发现网络通过各种动态状态的能力被连接权重的随机化破坏了。通过模拟节点部分子集的神经调节，我们发现当目标节点具有更大的连接强度——局部特征——或属于丰富的俱乐部——中尺度特征时，更容易实现集成和分离状态之间的转换。总的来说，我们的研究结果阐明了不同层次的网络空间特征如何与神经调节相互作用，以促进分离和整合的大脑状态之间的切换，并维持更丰富的大脑动态。和连接组的中尺度特征。在全球范围内，我们发现网络通过各种动态状态的能力被连接权重的随机化破坏了。通过模拟节点部分子集的神经调节，我们发现当目标节点具有更大的连接强度——局部特征——或属于丰富的俱乐部——中尺度特征时，更容易实现集成和分离状态之间的转换。总的来说，我们的研究结果阐明了不同层次的网络空间特征如何与神经调节相互作用，以促进分离和整合的大脑状态之间的切换，并维持更丰富的大脑动态。和连接组的中尺度特征。在全球范围内，我们发现网络通过各种动态状态的能力被连接权重的随机化破坏了。通过模拟节点部分子集的神经调节，我们发现当目标节点具有更大的连接强度——局部特征——或属于丰富的俱乐部——中尺度特征时，更容易实现集成和分离状态之间的转换。总的来说，我们的研究结果阐明了不同层次的网络空间特征如何与神经调节相互作用，以促进分离和整合的大脑状态之间的切换，并维持更丰富的大脑动态。我们发现网络通过各种动态状态的能力被连接权重的随机化破坏了。通过模拟节点部分子集的神经调节，我们发现当目标节点具有更大的连接强度——局部特征——或属于丰富的俱乐部——中尺度特征时，更容易实现集成和分离状态之间的转换。总的来说，我们的研究结果阐明了不同层次的网络空间特征如何与神经调节相互作用，以促进分离和整合的大脑状态之间的切换，并维持更丰富的大脑动态。我们发现网络通过各种动态状态的能力被连接权重的随机化破坏了。通过模拟节点部分子集的神经调节，我们发现当目标节点具有更大的连接强度——局部特征——或属于丰富的俱乐部——中尺度特征时，更容易实现集成和分离状态之间的转换。总的来说，我们的研究结果阐明了不同层次的网络空间特征如何与神经调节相互作用，以促进分离和整合的大脑状态之间的切换，并维持更丰富的大脑动态。我们发现，当目标节点具有更大的连接强度——局部特征——或属于丰富的俱乐部——中尺度特征时，集成和隔离状态之间的转换更容易实现。总的来说，我们的研究结果阐明了不同层次的网络空间特征如何与神经调节相互作用，以促进分离和整合的大脑状态之间的切换，并维持更丰富的大脑动态。我们发现，当目标节点具有更大的连接强度——局部特征——或属于丰富的俱乐部——中尺度特征时，集成和隔离状态之间的转换更容易实现。总的来说，我们的研究结果阐明了不同层次的网络空间特征如何与神经调节相互作用，以促进分离和整合的大脑状态之间的切换，并维持更丰富的大脑动态。