基于个体差异的人脑结构功能整合计算及应用

The human brain works as a whole network composed of multiple interacting modules. Recently using diffusion tensor imaging, functional magnetic resonance imaging and graph theory, the organizational principles of human brain intrinsic architecture such as the existence of network hubs and small-worldness, have been testified. However, the human brain structure-function relationship has been always a major challenge in the field of computational neuroscience. Recently, the macaque brain network analysis showed that, the anatomical distance in the brain network architecture played a crucial role. A single-parameter random graph model based on the exponential distance rule predicts numerous topological features of the cortical network. Since the anatomical distance was so crucial in the animal brain network architecture, how does it play in the human brain network? The project proposed a novel analytic stratergy to integrate both human brain structural and functional information based on the individual variability,namely the predictive connectivity distance. This approach uses the correlation between the locally structural or functional information to predict whole brain functional connectivity vertex-wise across different brains, not only giving the distribution of the connectivity distance within the high-resolution human brain network, but also defining a new type of vertex-wise brain network in humans in vivo. Investigation of whether the connectivity distance distribution obeys the exponential law as in monkey, would help to elucidate the human brain structure-function relationship. The application studies of this method would also contribute to the elucidation of pathologies of neuropsychiatry diseases.

大脑是以相互作用的各个模块构成的网络整体来工作的。最近利用扩散张量成像，功能磁共振成像技术及图论分析方法，大脑内在构架的组织原理如网关的存在及小世界属性等等，已经被一一验证。但是，大脑结构功能的关系，一直是计算神经科学领域的难点问题。最近猕猴的脑结构网络研究表明，解剖距离在网络架构中具有关键的作用。利用单一参数的指数分布距离随机连接而成的网络可以预测出猕猴脑网络的诸多拓扑属性。既然解剖距离在动物脑网络中具有举足轻重的作用，那么在人脑网络中呢？本项目提出一种新的基于个体差异的人脑结构功能整合计算方法-预测连接距离：利用局部的结构或功能测量的个体差异与功能连接的相关预测连接距离。本方法既给出了全脑连接距离的分布，又构建了一个全新的人脑连接网络，其距离分布是否符合指数分布，将有助于阐明人脑结构功能的关系；本方法在神经精神疾病中的应用研究，将为疾病病理机制的阐明做出贡献。

如何系统定量地研究人脑结构与功能是当代生物学及计算神经科学面临的难题。磁共振成像技术及数学物理模型的发展为解决这一难题提供了前所未有机遇。如何利用磁共振成像技术产生的数据及数学物理模型对人脑结构功能关系进行定量研究，是本项目拟解决的科学问题。本项目研究距离在人脑连接组中的工作机制，开发利用预测连接距离的计算方法，对人脑内在功能架构或人脑网络的组织原理进行深入探讨。通过本项目研究既有助于阐明人脑网络的组织原理及人脑结构功能的关系，又可以通过在神经精神疾病中的应用研究为疾病病理机制提供理论参考，最终为药物开发提供新的视角及理论验证。通过四年的项目执行，团队研究了人脑连接组的个体差异，通过研发二维皮层上的距离依赖的局部功能一致性和双回归算法，建立了可信度高的连接组距离相关的计算方法，据此提出了刻画结构功能关系的人脑连接组二元生成模型，推进了对人脑结构功能之间关系的深刻理解，揭示出人脑连接组随龄毕生发展的一般规律，检验了上述模型在阿尔兹海默症的形成前期脑连接异常中的应用性。