#paper doi: DOI: 10.1038/nn.4497 Dynamic models of large-scale brain activity 一篇对大脑动力学模型进行综述的文章，对于我这个初步接触该领域非常有用。文章首先简单介绍了动力学模型中的一些基本概念，比如state, attractors等等；然后介绍了如何对群体神经元进行建模：目前常基于NMM建模，然后根据结构关系（dmri数据）将其耦合到大脑介观尺度；最后探讨了如何验证建模的正确性。

#paper doi:10.1038/s41593-024-01812-2, Nature Neuroscience, The cell-type underpinnings of the human functional cortical connectome. 这篇文章于上月发表在《Nature Neuroscience》，结合 fMRI 和单细胞转录组测序数据，研究大脑皮层功能梯度与细胞类型分布的关系。fMRI 通常用于从宏观上研究大脑功能，而转录组等基于高通量测序的技术则太过微观，难以直接对应到宏观功能上。我最近因参与的课题，需要将基因组学与脑影像学结合起来，因此对这个方向做了一些文献调研，但发现绝大多数文章在将fMRI和组学数据进行关联时都浅尝辄止，所幸找到这篇文章在这方面的分析相对深入，因此给了我一定的启发。他们的 fMRI 数据来自 Human Connectome Project（HCP），而单核 RNA 测序（snRNA-seq）数据来自 Allen 人脑图谱（AHBA）。通过将 fMRI 数据得到的功能网络，映射成为功能梯度（functional gradients），功能梯度反映了从单模态（如视觉）到跨模态（如默认网络）的连续变化；再利用反卷积方法分析转录组数据，推断出每个皮层分区的细胞组成；之后通过空间坐标将两者对齐并联系起来，从而可以对不同功能梯度的细胞组成分布变化关系进行详细讨论。这篇文章的数据和方法都是公开的，值得仔细研究下其方法细节。