PsyBrain 脑心前沿 / 综合神经科学：顶刊文献解读专题 / A · 文献解读 / A043 · PNAS破解大脑自组织机制：在神经同步的“临界相变点”，

A043 PNAS | 破解大脑自组织机制：在神经同步的“临界相变点”，到底发生了什么？

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-27 ｜原文链接

一键关注，点亮星标 ⭐️ 前沿不走丢！

认知神经科学前沿文献分享

基本信息

Title:Hierarchical whole-brain modeling of critical synchronization dynamics in the human brain

发表时间：2026.3.17

发表期刊: PNAS

影响因子：9.1

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

研究背景

人类的大脑就像是一支由数百亿个神经元组成的庞大交响乐团。为了实现最优的信息处理能力、最大化动态范围并保持对外界环境的敏锐适应，这支乐团必须在一个极其微妙的“混沌边缘”进行演奏：在物理学和计算神经科学中，这被称为“临界态（Criticality）”。

在全脑尺度上，脑电生理活动表现出丰富的节律性振荡，并且这些振荡在不同脑区之间会产生广泛的同步现象。为了探究这种宏观现象背后的系统级机制，全脑计算模型成为了当下最强有力的研究工具。然而，该领域的传统建模方法一直面临着一个棘手的痛点：以往的模型往往只能“二选一”。它们要么侧重于模拟不同脑区之间的功能连接（FC），要么专注于捕捉系统的临界动力学特征（如神经雪崩现象），很难在同一个计算框架内同时兼顾这两个方面。这就好比我们试图理解交响乐，却只能选择单独聆听某一种乐器的音色，或者只能感受整体的节奏，无法看清局部与全局的互动。

为了打破这一僵局，近期发表于 PNAS 的一项最新研究提出了一种突破性的“分层Kuramoto全脑模型（Hierarchical Kuramoto model）”。研究人员在这个模型中引入了双层嵌套结构：每个代表脑区的节点内部，都包含了大量相互耦合的振荡器。这种巧妙的设计使得研究者能够史无前例地、在单一模型中同时观测“局部神经同步”与“长距离跨脑区信息交互”，从而为揭开人类大脑临界同步动力学之谜提供了一个全新的微观到宏观的视角。

Fig. 1. General representation of an experimental pipeline.

研究核心总结

一、临界态“多尺度同步”的涌现

研究表明，这种分层计算模型能够成功复现大脑从无序（异步）到有序（高度同步）的相变过程。结果显示，在这一临界相变区域，模型不仅自发涌现出了符合真实大脑特征的长程时间相关性（LRTCs）和幂律分布的神经雪崩现象，还同时展现出了跨脑区的相位同步以及振幅包络相关性。这从机制上解释了局部神经元的自组织同步如何能够跨越空间尺度，转化为我们在宏观脑电/脑磁图（M/EEG）中所观察到的全脑功能网络。

Fig. 2. Phase transition and emergence of critical-like dynamics in Hierarchical Kuramoto Model.

二、结构与功能耦合（SFC）的非线性反转

大脑的解剖结构连接（白质纤维网络）是否总是决定了功能连接的强弱？研究发现，这种结构-功能耦合关系高度依赖于大脑所处的“工作点（Operating point）”。

结果显示，对于相位同步而言，它与结构连接的吻合度在亚临界状态下最高，但一旦系统达到临界点，这种相关性反而会骤降。这是因为在临界态下，原本没有直接解剖连接的脑区也能通过高阶相互作用实现同步。相反，局部振荡的LRTCs特征以及跨脑区的振幅相关性，却在临界点处与结构连接的吻合度达到最高峰。

这一发现厘清了领域内的长期争议，表明相干性与振幅包络这两种最常用的功能连接指标，在临界动力学下具有截然不同的生成机制。

Fig. 3. Modeling reveals diverse forms of Structure–Function coupling around the phase transition.

三、人类真实大脑偏好“亚临界”工作区

研究人员将模型生成的仿真数据与人类真实静息态脑磁图（MEG）数据进行了详细的拓扑对比。

结果表明，模型输出的各类指标（包括相位同步、长程时间相关性以及多频段功率谱结构）与真实MEG信号吻合度最高的参数区间，并不是绝对的临界相变最高点，而是处于一个“扩展临界区”的亚临界一侧（Subcritical side）。在这一特定的亚临界区间内，模型不仅保留了足以维持持续振荡的局部同步能力，还保留了支持多频段（如同时存在alpha和beta频段共振）并发活动的动态变异性。

这强烈暗示了人类大脑在静息状态下的常规调控策略：为了兼顾信息传输的稳定性与多频段并行处理的灵活性，大脑其实更倾向于在紧贴着“混沌边缘”的亚临界安全区内冲浪。

图10

Fig. 4. The model observables on the subcritical side of the extended critical regime most closely match the patterns seen in human MEG recordings.

图11

研究意义

该研究构建了一个强大的生成式计算框架，直接打通了白质结构连接、微观神经同步参数与宏观MEG观测信号之间的机制桥梁，为未来通过调控全脑动力学参数来指导个性化神经调控（如脑刺激）提供了重要的理论基础。

图12

Fig. 5. Critical-like state supports multifrequency spectral properties.

图13

Abstract

The brain operates at the critical transition between order and disorder which supports optimal information processing. Whole-brain computational modeling is a powerful tool for uncovering the system-level mechanisms behind large-scale brain activity in both healthy and pathological states. However, most previous approaches have focused on either functional connectivity or criticality, making it difficult to capture both aspects simultaneously. Here, we introduce a method based on a Hierarchical Kuramoto model that incorporates two levels of hierarchy. In our model, each node contains a large number of coupled oscillators, which allows us to examine both local synchronization and long-distance interactions between brain regions. The model produces critical-like dynamics marked by emergent long-range temporal correlations (LRTCs) and both interareal phase synchronization and amplitude cross-correlations (CC) during the transition from asynchronous to synchronous states. Notably, structure–function coupling shows distinct patterns: correlations with structural connectivity peak at criticality for LRTCs and CC, but decay for local and interareal phase synchronization. Comparisons with human resting-state magnetoencephalography (MEG) data reveal that the model’s behavior most closely resembles MEG phase synchronization and multipeak power spectra on the subcritical side of an extended critical regime, supporting the hypothesis that the human brain operates in this state.

图14