隨著網(wǎng)絡(luò)神經(jīng)科學(xué)的發(fā)展，網(wǎng)絡(luò)模型的建構(gòu)日漸走向多元化，但模型應(yīng)用的差異性也使溝通變得困難，為科研合作帶來(lái)了障礙。因此，尋找更好的網(wǎng)絡(luò)神經(jīng)科學(xué)模型分類方法成為了當(dāng)下亟待解決的難題。
本文檢驗(yàn)了網(wǎng)絡(luò)神經(jīng)科學(xué)領(lǐng)域中模型的使用情況，提出一種基于三個(gè)維度的網(wǎng)絡(luò)模型分類方法，并分析了對(duì)于模型效度的檢驗(yàn)?zāi)繕?biāo)。本論文主要作者 Danielle Smith Bassett 是一位物理學(xué)家與系統(tǒng)神經(jīng)學(xué)家，任教于 University of Pennsylvania， 研究方向主要為通過(guò)結(jié)合網(wǎng)絡(luò)科學(xué)的方法理解人腦的學(xué)習(xí)，以及其他的復(fù)雜物理和生物系統(tǒng)。
論文題目：On the nature and use of models in network neuroscience論文地址：https://www.nature.com/articles/s41583-018-0038-8
一個(gè)多世紀(jì)以前，卡米洛·高爾基（Camillo Golgi）將切成塊的腦組織浸泡在硝酸銀溶液中，為錯(cuò)綜復(fù)雜的神經(jīng)細(xì)胞形態(tài)，取得了最早也是最詳細(xì)的觀測(cè)記錄。
在這項(xiàng)技術(shù)的基礎(chǔ)上，擁有藝術(shù)家才華的神經(jīng)科學(xué)家圣地亞哥·拉蒙·卡哈爾（Santiago Ramon y Cajal）繪制了精細(xì)的神經(jīng)元畫(huà)像，這些畫(huà)像向人們揭示了神經(jīng)元的獨(dú)特之處——每一個(gè)神經(jīng)元細(xì)胞在解剖學(xué)意義上都可以看作一個(gè)獨(dú)立單元，單元與單元之間有無(wú)數(shù)復(fù)雜的聯(lián)系。
這種“神經(jīng)元為基本單位”的思想被稱為神經(jīng)元學(xué)說(shuō)（The neuron doctrine)。這一學(xué)說(shuō)，對(duì)于現(xiàn)代神經(jīng)科學(xué)在神經(jīng)系統(tǒng)結(jié)構(gòu)及功能上的理解和研究，都有深遠(yuǎn)的影響，也為網(wǎng)絡(luò)神經(jīng)科學(xué)的發(fā)展打下了基礎(chǔ)。
網(wǎng)絡(luò)神經(jīng)科學(xué)的研究對(duì)象，主要是結(jié)構(gòu)錯(cuò)綜復(fù)雜的大腦。這個(gè)學(xué)科使用物理等其他領(lǐng)域所開(kāi)發(fā)的工具來(lái)研究基于神經(jīng)現(xiàn)實(shí)的網(wǎng)絡(luò)系統(tǒng)模型，這些系統(tǒng)能被定義為獨(dú)立功能單元與它們之間的關(guān)系，其中單元稱為“節(jié)點(diǎn)”，節(jié)點(diǎn)間的連接稱為“邊”。開(kāi)發(fā)并分析網(wǎng)絡(luò)模型，能幫助我們理解這些模型代表的真實(shí)神經(jīng)網(wǎng)絡(luò)，并對(duì)其機(jī)制進(jìn)行解釋和預(yù)測(cè)。
用于神經(jīng)系統(tǒng)的網(wǎng)絡(luò)模型中，最簡(jiǎn)單常見(jiàn)的就是以神經(jīng)單元為節(jié)點(diǎn)，表示它們之間的邊的簡(jiǎn)單圖。在此基礎(chǔ)上，可以為邊添加權(quán)重，為節(jié)點(diǎn)添加值，或是顯性的函數(shù)來(lái)表現(xiàn)其動(dòng)力學(xué)特征。
一個(gè)簡(jiǎn)單圖可以再次概括抽象，成為單條邊可以連接任意個(gè)節(jié)點(diǎn)的超圖，或是新單元由多個(gè)基本單元組成的單純復(fù)形。多層網(wǎng)絡(luò)可以用來(lái)表示彼此相連的多個(gè)網(wǎng)絡(luò)集，動(dòng)態(tài)網(wǎng)絡(luò)可以用來(lái)表示網(wǎng)絡(luò)系統(tǒng)形態(tài)隨時(shí)間的變化。
網(wǎng)絡(luò)模型支持許多量化分析的方法。最常見(jiàn)的，就是通過(guò) N x N 鄰接矩陣 （adjacency matrix）進(jìn)行成對(duì)比較（pair-wise comparison）。鄰接矩陣的結(jié)構(gòu)，能夠進(jìn)一步用一套叫做圖論（graph theory）的數(shù)學(xué)方法進(jìn)行描述與推導(dǎo)。除此之外，也可以對(duì)于簡(jiǎn)單圖進(jìn)行抽象概括后再分析（如超圖或單純復(fù)形），或使用不依靠圖論的分析方法。
下圖展示了一些網(wǎng)絡(luò)神經(jīng)科學(xué)模型中常用的測(cè)量方法：
除了以神經(jīng)元為單位，網(wǎng)絡(luò)模型也可以建立于許多其他的角度和層面。
一個(gè)網(wǎng)絡(luò)中描述的系統(tǒng)，在空間尺度上可以小到描述一系列的染色質(zhì)，也可以大到包含多個(gè)類器官，或多塊皮質(zhì)切片。網(wǎng)絡(luò)中的節(jié)點(diǎn)可以描述解剖意義上的單元，例如細(xì)胞，也可以描述功能意義上的單元，例如基于功能激活定義區(qū)分的腦區(qū)。同理，邊也可以描述物理存在的元素，例如突觸、白質(zhì)，或相對(duì)抽象的元素，例如距離、結(jié)構(gòu)協(xié)方差、統(tǒng)計(jì)學(xué)相似性等。
網(wǎng)絡(luò)模型的建構(gòu)，早已不再限于卡哈爾在顯微鏡下看到的神經(jīng)元網(wǎng)絡(luò)，而是趨于多元化。雖然都叫做網(wǎng)絡(luò)模型，不同的學(xué)者對(duì)于自己的應(yīng)用可能作出不同的假設(shè)，引向不同的分析和結(jié)論。
應(yīng)用多樣化本是件好事，但模型應(yīng)用的差異性也使溝通變得困難，為科研合作帶來(lái)了障礙。若要促進(jìn)科學(xué)發(fā)現(xiàn)，網(wǎng)絡(luò)神經(jīng)科學(xué)需要更好的模型分類方法。本篇文章檢驗(yàn)了網(wǎng)絡(luò)神經(jīng)科學(xué)領(lǐng)域中模型的使用情況，提出了一種基于三個(gè)維度的網(wǎng)絡(luò)模型分類方法，并分析了對(duì)于模型效度的檢驗(yàn)?zāi)繕?biāo)。
本文提出，網(wǎng)絡(luò)神經(jīng)科學(xué)中所用到的模型種類，可以按照三個(gè)維度來(lái)進(jìn)行分類。第一個(gè)維度由數(shù)據(jù)表征延伸到理論構(gòu)建，第二個(gè)維度由功能現(xiàn)象延伸到結(jié)構(gòu)層面，第三個(gè)維度由粗顆粒度延伸到基本單元。
維度一：從單純數(shù)據(jù)表征到第一性原理（First-principle Theory）構(gòu)建
第一個(gè)維度由數(shù)據(jù)表征延伸到理論構(gòu)建。
這個(gè)維度關(guān)注的問(wèn)題為：該模型是否只是對(duì)于觀測(cè)到的數(shù)據(jù)的直接表征，還是對(duì)于數(shù)據(jù)背后的系統(tǒng)運(yùn)作機(jī)制提出了理論？
從數(shù)學(xué)的角度來(lái)說(shuō)，一個(gè)數(shù)據(jù)表征的模型一般以圖的方式呈現(xiàn)，例如簡(jiǎn)單圖、時(shí)序圖、多層圖，有注釋的圖等。
最早應(yīng)用數(shù)據(jù)表征的模型便是卡哈爾與其學(xué)派傳人。例如，一個(gè)包含獼猴中多個(gè)視覺(jué)相關(guān)腦區(qū)的模型，整合了大量已發(fā)表數(shù)據(jù)，表明這些腦區(qū)間的連接符合分布式結(jié)構(gòu)的信息處理模式。類似的相關(guān)研究，分辨了中央與周圍腦區(qū)在感官處理中扮演的不同角色。隨著圖算法的普及，神經(jīng)系統(tǒng)連接組學(xué)研究目前從秀麗隱桿線蟲(chóng)到人類，從宏觀到微觀，都有許多成果。
但數(shù)據(jù)表征的模型對(duì)于其觀測(cè)的系統(tǒng)難以作出解釋和預(yù)測(cè)，系統(tǒng)的機(jī)制怎么形成、接下來(lái)會(huì)發(fā)生什么變化，都無(wú)法直接回答。
這些預(yù)測(cè)和解釋能力，正是第一性原理模型的強(qiáng)項(xiàng)。
在數(shù)學(xué)上，基于理論的模型必須將圖與一個(gè)描述系統(tǒng)機(jī)制的差分或微分方程結(jié)合起來(lái)，其描述的機(jī)制可以是動(dòng)力學(xué)，進(jìn)化過(guò)程，或節(jié)點(diǎn)與邊的功能等。最常見(jiàn)的做法是對(duì)網(wǎng)絡(luò)圖里的每一個(gè)節(jié)點(diǎn)都加上一個(gè)動(dòng)力學(xué)模型。在微觀層面，相關(guān)的動(dòng)力學(xué)模型包括 Hodgkin–Huxley，Izhikevich，和 Rulkov Map。對(duì)于神經(jīng)元集合，常見(jiàn)模型包括FitzHugh–Nagumo，Hindmarsh–Rose 和 Kuramoto Oscillators。對(duì)于更大的組織，神經(jīng)質(zhì)量模型被用來(lái)研究神經(jīng)同步、可塑性、及神經(jīng)疾病等現(xiàn)象背后的機(jī)制。除此之外，有的網(wǎng)絡(luò)控制理論模型研究特定網(wǎng)絡(luò)中，外來(lái)輸入如何影響神經(jīng)系統(tǒng)的網(wǎng)絡(luò)動(dòng)態(tài)。最后，雖然相對(duì)少見(jiàn)，也有些模型定義邊的動(dòng)力學(xué)，例如生成網(wǎng)絡(luò)模型。
總的來(lái)說(shuō)，數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)模型能更大程度地保證模型的生物現(xiàn)實(shí)，但若要檢驗(yàn)關(guān)于系統(tǒng)機(jī)制或動(dòng)態(tài)學(xué)的科學(xué)假設(shè)，基于理論的模型會(huì)更合適。處于該維度中間的模型，則嘗試結(jié)合維度兩端的優(yōu)點(diǎn)，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式定義理論，例如在動(dòng)力學(xué)模型中使用基于數(shù)據(jù)推算的參數(shù)。
維度二：從生物物理現(xiàn)實(shí)（bio-physical realism）到功能現(xiàn)象（functional phenomenoloy）
第二個(gè)維度由生物物理現(xiàn)實(shí)延伸到功能現(xiàn)象學(xué)。
生物物理現(xiàn)實(shí)主義的網(wǎng)絡(luò)模型包含物理存在的現(xiàn)實(shí)元素，例如以神經(jīng)元作為節(jié)點(diǎn)，以神經(jīng)軸突連接模式作為邊。就算要包含動(dòng)力學(xué)元素，也完全基于生物現(xiàn)實(shí)，例如對(duì)于神經(jīng)形態(tài)發(fā)展或再生的準(zhǔn)確描述。相對(duì)而言，處于功能現(xiàn)象學(xué)一端的網(wǎng)絡(luò)模型中的節(jié)點(diǎn)和邊，不一定對(duì)應(yīng)真實(shí)物理存在。這些模型中可能包含人腦影像學(xué)數(shù)據(jù)中的功能連接性，或是細(xì)胞神經(jīng)科學(xué)中的噪聲相關(guān)性。其包含的動(dòng)力學(xué)元素，則可能是在抽象層面描述了某觀測(cè)現(xiàn)象的網(wǎng)絡(luò)進(jìn)化原則。
最典型的生物物理現(xiàn)實(shí)網(wǎng)絡(luò)模型，大概就是秀麗隱桿線蟲(chóng)結(jié)構(gòu)連接組模型了。這個(gè)模型里，節(jié)點(diǎn)是神經(jīng)元，邊是化學(xué)突觸或電突觸。在更大的空間尺度上，有小鼠，獼猴與人類的大腦結(jié)構(gòu)連接組的模型，以白質(zhì)束作為邊，以它們連接的組織作為節(jié)點(diǎn)。
生物物理現(xiàn)實(shí)網(wǎng)絡(luò)模型不僅可以基于數(shù)據(jù)表征，也可以基于理論原理構(gòu)建。例如，網(wǎng)絡(luò)控制的簡(jiǎn)單理論已應(yīng)用到包含白質(zhì)束的模型中，長(zhǎng)距離協(xié)調(diào)的復(fù)雜理論則已應(yīng)用于振蕩皮層回路模型。
功能現(xiàn)象學(xué)網(wǎng)絡(luò)模型中的邊，則往往是在一個(gè)節(jié)點(diǎn)時(shí)間序列中，通過(guò)功能連接性或者統(tǒng)計(jì)相似性等度量來(lái)定義的。
功能性的邊表示的不是物理意義，而是信息意義，例如節(jié)點(diǎn)間的同步，鎖相，相干性和相關(guān)性等；這些邊常會(huì)與對(duì)應(yīng)確切物理體積和位置的節(jié)點(diǎn)結(jié)合考慮，以得到細(xì)胞或腦區(qū)層面上的功能性網(wǎng)絡(luò)模型。這些網(wǎng)絡(luò)模型中的節(jié)點(diǎn)，也可以非物理現(xiàn)實(shí)的原則來(lái)定義，例如在時(shí)間序列內(nèi)釋放的電信號(hào)在統(tǒng)計(jì)學(xué)上的差異。
功能現(xiàn)象學(xué)模型也可以與明確的動(dòng)力學(xué)原理結(jié)合，例如在結(jié)構(gòu)連接組中研究中，受到互聯(lián)網(wǎng)排隊(duì)論啟發(fā)的信息傳輸分組互換模型。這些研究?jī)A向于將大腦理解為一種信息處理系統(tǒng)，而不是其特定的物理實(shí)現(xiàn)。
描述生物物理現(xiàn)實(shí)的模型，能夠整合大量實(shí)驗(yàn)觀測(cè)數(shù)據(jù)并保證物理真實(shí)性，但存在計(jì)算量大、難以闡釋解讀的問(wèn)題。描述功能現(xiàn)象的模型，能夠更好地捕捉大腦信息處理的過(guò)程，但難以直接與神經(jīng)結(jié)構(gòu)聯(lián)系起來(lái)。處于這個(gè)維度中間位置的模型，可能的優(yōu)勢(shì)，在于能夠通過(guò)節(jié)點(diǎn)間基于現(xiàn)實(shí)機(jī)制測(cè)量的連接性，估算其功能性的交互。
維度三：從基本描述（elementary description）到粗顆粒度近似（coarse-grained approximations）
第三個(gè)維度由基本描述延伸到粗顆粒度近似。
在網(wǎng)絡(luò)神經(jīng)科學(xué)的背景下，基于神經(jīng)元學(xué)說(shuō)，基本描述通常指神經(jīng)元層面或以下，而粗顆粒度近似則指以上的層面。
基本描述模型中，節(jié)點(diǎn)和邊是以自然基本形式存在、不可還原的元素，用于研究結(jié)構(gòu)和功能之間的關(guān)系如何從這些基本描述中浮現(xiàn)。而粗顆粒度近似模型中的節(jié)點(diǎn)和邊，則可能是相對(duì)而言更加高層抽象的存在，研究方向更加注重于理解網(wǎng)絡(luò)系統(tǒng)中浮現(xiàn)出的特性本身，不一定需要明確地考慮系統(tǒng)的基本構(gòu)造。
許多常見(jiàn)的網(wǎng)絡(luò)模型都構(gòu)建于神經(jīng)元學(xué)說(shuō)中的基本單元與關(guān)系，也就是神經(jīng)元和突觸連接。這些模型可以是數(shù)據(jù)表征，也可以是第一性原理；可以包含生物物理現(xiàn)實(shí)，也可以著重解釋功能與現(xiàn)象。這些細(xì)胞層面的網(wǎng)絡(luò)模型可以用于探索許多問(wèn)題，例如神經(jīng)生長(zhǎng)、發(fā)展的機(jī)制。一些研究甚至已將這類模型擴(kuò)展到了更小的尺度，在分子層面研究細(xì)胞內(nèi)部的特定部分，例如神經(jīng)突觸的生長(zhǎng)。目前還有研究正在試圖在更基本的層面使用此類模型，研究神經(jīng)元細(xì)胞發(fā)育過(guò)程中細(xì)胞核內(nèi)染色質(zhì)折疊所組成的網(wǎng)絡(luò)結(jié)構(gòu)。
粗顆粒度模型的構(gòu)建，則是基于對(duì)較小單元組成的集合的簡(jiǎn)化描述。
物理學(xué)中常見(jiàn)的一個(gè)簡(jiǎn)化的例子，是在連續(xù)譜或平均場(chǎng)論中，將一個(gè)集合中有不同動(dòng)力學(xué)的單元，模擬為一個(gè)節(jié)點(diǎn)，其動(dòng)力學(xué)是所有原有單元的均值。粗顆粒度模型，常用于分子動(dòng)力學(xué)、細(xì)胞生物學(xué)和生態(tài)學(xué)的模擬。
在針對(duì)大腦的研究中，它也被用于理解神經(jīng)元放電活動(dòng)與神經(jīng)元集合之間的相關(guān)性。大規(guī)模的大腦網(wǎng)絡(luò)模型也免不了成為粗顆粒度模型，例如神經(jīng)影像數(shù)據(jù)，因?yàn)檫@些模型中想要包含的較小單元屬性通常無(wú)法直接測(cè)量，所以每個(gè)節(jié)點(diǎn)的屬性都是較小單元的粗略近似。
基本描述模型對(duì)于了解神經(jīng)編碼和細(xì)胞層面的網(wǎng)絡(luò)功能最有幫助，而粗顆粒度近似模型則對(duì)理解總體結(jié)構(gòu)編碼與更高層面的結(jié)構(gòu)功能最有幫助。這個(gè)維度模型當(dāng)前的研究焦點(diǎn)，是如何開(kāi)發(fā)能跨越不同規(guī)模層面的數(shù)據(jù)與理論的模型，尤其是通過(guò)分析理解一個(gè)層面的結(jié)構(gòu)和功能，來(lái)推理和預(yù)測(cè)另一個(gè)層面的結(jié)構(gòu)和功能。
本文認(rèn)為上述的三個(gè)維度是相對(duì)獨(dú)立的。
例如，一個(gè)數(shù)據(jù)驅(qū)動(dòng)的模型，可以具有生物物理現(xiàn)實(shí)的結(jié)構(gòu)，也可以更偏重功能現(xiàn)象描述；可以是細(xì)顆粒度、包含基本單元，也可以是粗顆粒度近似。
這些維度組成一個(gè)三維空間，網(wǎng)絡(luò)神經(jīng)科學(xué)領(lǐng)域用到的多種多樣的模型，都可以在這個(gè)空間中找到自己的位置。
很大程度上，網(wǎng)絡(luò)神經(jīng)科學(xué)始于在較高層面上對(duì)于結(jié)構(gòu)連接性的觀察，使用圖網(wǎng)絡(luò)的表征，但沒(méi)有任何顯性的動(dòng)力學(xué)描述。這一早期的方向仍保留了下來(lái)，在數(shù)據(jù)表征、生物物理現(xiàn)實(shí)以及粗顆粒度的近似方向有更多發(fā)展。相比之下，第一性原理理論、功能現(xiàn)象、基本描述的方向發(fā)展相對(duì)緩慢。在這個(gè)多維數(shù)據(jù)集中相關(guān)研究最少，就是基本描述層面上著重功能現(xiàn)象學(xué)的第一原理理論模型。
對(duì)于一個(gè)特定網(wǎng)絡(luò)模型的效度進(jìn)行評(píng)估，一般都是使用標(biāo)準(zhǔn)的統(tǒng)計(jì)模型選擇方法。這些方法能在數(shù)據(jù)擬合優(yōu)度和模型復(fù)雜度之間找到一個(gè)平衡，避免過(guò)度擬合，并提供簡(jiǎn)潔、可概括的結(jié)論。
然而，由于網(wǎng)絡(luò)模型的用途多種多樣，這個(gè)平衡或許非常難找，而且對(duì)于不同模型來(lái)說(shuō)可能不太一樣。例如，與解剖學(xué)意義上的連接模式的相似度，對(duì)于生物物理現(xiàn)實(shí)模型來(lái)說(shuō)或許是合適的評(píng)判標(biāo)準(zhǔn)，但對(duì)于偏重功能、更加抽象的模型來(lái)說(shuō)就不大合適。
基于研究精神疾病的動(dòng)物模型效度評(píng)估方法論，本文根據(jù)不同的目標(biāo)和領(lǐng)域，提出了一個(gè)對(duì)于效度評(píng)估方法的分類系統(tǒng)，包含了描述性、解釋性、和預(yù)測(cè)性效度。
描述性效度關(guān)注的問(wèn)題，是一個(gè)模型是否捕捉到了它模擬的系統(tǒng)中的關(guān)鍵特征，并與其足夠相似。對(duì)于網(wǎng)絡(luò)模型來(lái)說(shuō)，描述性效度在于一個(gè)網(wǎng)絡(luò)中節(jié)點(diǎn)和邊組成的模式與它們所要表征的結(jié)構(gòu)或功能數(shù)據(jù)是否匹配。下圖展示了一個(gè)網(wǎng)絡(luò)功能結(jié)構(gòu)與物理現(xiàn)實(shí)相對(duì)匹配的模型，它便具有描述性效度。
解釋性效度關(guān)注的是模型理論構(gòu)建，包括其支持怎樣的統(tǒng)計(jì)驗(yàn)證與結(jié)論推斷。一個(gè)具有解釋性效度的網(wǎng)絡(luò)模型，需要有真實(shí)大腦數(shù)據(jù)支撐其建構(gòu)合理性，并且需要能基于其架構(gòu)來(lái)測(cè)試網(wǎng)絡(luò)系統(tǒng)中動(dòng)力學(xué)或行為的因果關(guān)系。下圖中，我們展示了一個(gè)可以用于測(cè)試真實(shí)系統(tǒng)（上）動(dòng)力學(xué)間因果關(guān)系的描述網(wǎng)絡(luò)節(jié)點(diǎn)動(dòng)態(tài)的模型（下）。這樣的模型，可以說(shuō)具有解釋性效度。
預(yù)測(cè)性效度關(guān)注的是在面對(duì)某種外界干擾時(shí)，實(shí)際研究對(duì)象與為其構(gòu)建的模型作出的反應(yīng)是否具有相關(guān)性。外界干擾可以通過(guò)藥品，電或化學(xué)刺激，神經(jīng)反饋機(jī)制，或是訓(xùn)練過(guò)程。在下圖中，我們展示了一個(gè)模型對(duì)外界干擾產(chǎn)生的反應(yīng)（圓圈內(nèi)）和實(shí)際研究對(duì)象的反應(yīng)（主圖）相吻合的情況。這個(gè)模型可以說(shuō)是具有預(yù)測(cè)性效度。
由于模型數(shù)量與種類眾多，不同模型能帶來(lái)的合理見(jiàn)解也大不相同。
在實(shí)踐上，研究人員必須明確地說(shuō)明其研究目標(biāo)，并解釋所選擇的模型與參數(shù)對(duì)該目標(biāo)來(lái)說(shuō)為什么合適、是否能夠有效地測(cè)量其效度。另一方面，研究人員也可以構(gòu)建跨越不同類型和維度的模型，或是以克服原有模型的局限性，并發(fā)揚(yáng)不同模型的優(yōu)勢(shì)。
有很多方法可以幫助我們?nèi)诤喜煌哪Ｐ头N類。其中一種比較自然的方式如下：
首先，結(jié)合針對(duì)同一個(gè)真實(shí)系統(tǒng)的細(xì)顆粒度信息與粗顆粒度信息，來(lái)創(chuàng)建基于數(shù)據(jù)表征的網(wǎng)絡(luò)模型。這樣的模型可以進(jìn)一步啟發(fā)基于理論的模型。理論模型，又可以用來(lái)預(yù)測(cè)基于功能現(xiàn)象或基于物理現(xiàn)實(shí)的模型中，所能觀測(cè)到的功能或結(jié)構(gòu)連接的模式。
作者：青子
審校：花花
編輯：李倩雨
聯(lián)系客服
