Nous appliquons Topostability, un cadre de théorie des graphes basé sur la densité de triangles par arête (tri(e)), à treize circuits neuronaux de mammifères couvrant les systèmes moteur, limbique, sensoriel, autonome et cognitif. Chaque arête est classée dans l'un des trois régimes structurels (toujours fragile, fragile ou stable), et un indice scalaire de fragilité (Fragility Index, FI) est calculé pour chaque circuit. À l'aide d'une taxonomie fonctionnelle pré-spécifiée, les circuits sont assignés à trois classes : sélection rapide/précision (Classe A), régulation intermédiaire/encodage (Classe B) et intégration/homéostasie (Classe C). Sur neuf circuits dotés de modèles de connectivité robustes, le FI a suivi l'ordre prédit : Classe A (médiane 47.2), Classe B (38.9), Classe C (34.8). Un test de Kruskal-Wallis sur les circuits de Tier 1 a donné H = 7.06, p = 0.029 ; un test de permutation (1 000 itérations) a confirmé que l'assignation pré-spécifiée produit une séparation de classe significativement supérieure au hasard (p = 0.002). Ces résultats sont cohérents avec l'existence d'une potentielle régularité architecturale trans-circuits reliant la redondance triangulaire au régime computationnel.
David Martin Venti (Fri,) a étudié cette question.