网络神经科学中空模型（null model）总结和代码实现

网络神经科学中的零模型

成像和追踪技术的最新进展提供了越来越详细的大脑连接组重建。伴随的分析进展使我们能够严格识别和量化大脑网络结构中的重要功能特征。

零模型是一种灵活的工具，可以通过选择性地保留大脑网络的特定结构属性，同时系统地随机化其他属性，从统计上对感兴趣的特征的存在或大小进行基准测试。描述了连接组零模型的逻辑、实现和解释。介绍了构建零网络的随机化和生成方法，并概述了用于统计推断的网络方法分类。

重点介绍了零模型的范围——从控制少数网络属性的自由模型到重现经验网络的多种属性的保守模型——这些模型使我们能够操作和测试有关大脑网络结构和功能的详细假设。回顾了网络神经科学中零模型应用的新兴场景，包括空间嵌入网络、注释网络和相关派生网络。

使用 Python、MATLAB 和 R 实现网络神经科学的随机化和生成零模型。

Python

Randomization

网络变随机化 Edges (rewiring)

• BCTpy (https://github.com/aestrivex/bctpy)

• <