心理所利用大规模神经影像数据全面揭示大脑皮层形态和功能的关联

　　脑的结构特征是实现脑功能的物质基础。在微观层面，不同类型的神经元及神经元之间的突触联系结构决定了神经网络的计算机制，从而在本质上决定了神经网络的功能, 神经科学家已经开展了大量工作来研究微观层面上的神经网络结构如何实现简单的功能。复杂的脑功能则依赖于更大规模的全脑神经网络来实现，但我们至今尚不清楚复杂的脑功能是如何由全脑神经网络实现的。在宏观层面上，尽管结构决定功能是神经科学的共识，但大脑皮层形态与功能的关系尚未被揭示。 

　　中国科学院行为科学重点实验室杨志副研究员等利用大规模神经影像数据，系统地探索和检验了宏观层面的脑皮层形态特征与脑皮层内在神经活动特点之间的关联，实践了其前期提出的从“发现”到“验证”的神经影像大数据研究框架（杨志，左西年，2015）。在“发现”阶段，利用数据挖掘方法gRAICAR（Yang et al., 2008; 2012; 2014）分别将6个皮层形态学指标（体积、面积、厚度、沟回指数、曲率、沟回深度）的全脑图谱和6个皮层神经活动指标（低频震荡幅度、相对低频震荡幅度、局部活动一致性、稍大范围的局部活动一致性、度中心度、特征值中心度）的全脑图谱分解为若干皮层图谱成分，每个成分代表了不同的个体间变异规律。来自不同形态学和功能指标、但个体间变异规律相似的成分被gRAICAR辨识为一组，称为多模态共变单元（Multi-metric co-variance unit,  MMCU）。图1展示了其中一个MMCU，并描绘了其各指标成员之间的共变关系强度。在“验证”阶段，这些MMCU被作为研究假设，在另一组独立的数据中重新计算每个MMCU所包含的12个皮层图谱间的共变关系，计算并统计检验新的共变关系与原假设中的共变关系之间的一致性。经过“验证”阶段，15个高可重复性的MMCU被检测到，它们分别揭示了不同的脑皮层形态学特征与皮层功能特征之间的关系。 

　　本研究的意义在于：首先，它系统地展现了健康人整个皮层内的结构与功能间的关联，提供了结构功能关系交互式查询数据库（https://yangzhi.shinyapps.io/showCovGraph_R）。用户点击任何形态学或功能图谱中的任何位置，即可获取与此位置具有共变关系的其他形态、功能图谱。通过这一数据库，我们可清晰地了解皮层结构与功能各测量指标之间的联系，并且发现未知的结构——功能关联。其次，它系统地刻画了6个皮层功能测量与皮层结构间的关系（图2），使我们对皮层现有功能测量的生物学意义有更深入的了解。再次，它为我们整合来自多模态的研究提供了新途径（图3）；具体来讲，以往许多研究利用不同结构、功能测量对同一问题（如精神分裂症的脑机制）开展研究，提出了不同的结论。但我们并不清楚这些结论间是否存在关联。结合本研究的成果，以往多模态的研究结果可以被整合。同时，本研究的结果可对一些尚未应用于某问题（如精神分裂症）的测量进行预测，如根据颞上回的皮层体积（结构测量）与度中心度（功能测量）的共变关系，我们可由已知的精神分裂症的颞上回体积异常预测颞上回的度中心度异常，进而在实际数据中验证。此外，本研究所应用的数据均为公开数据，数据分析代码全部公开（https://github.com/yangzhi-psy/gRAICAR；https://github.com/yangzhi-psy/covGraph）以利于提高研究结果的可重复性。 

　　该研究已在Brain Structure & Function期刊在线发表： Yang Z^*, Qiu J, Wang P, Liu R, Zuo XN^* (2016). Brain structure–function associations identified in large-scale neuroimaging data. Brain Struct Funct. DOI 10.1007/s00429-015-1177-6. http://link.springer.com/article/10.1007/s00429-015-1177-6/fulltext.html 

其他参考文献： 

Yang Z*, Chang C, Xu T, Jiang L, Handwerker D, Castellanos F, Milham M, Bandettini P, Zuo XN* (2014). Connectivity trajectory across lifespan differentiates the precuneus from the default network. NeuroImage 89, 45-56. 

Yang Z*, Zuo XN, Wang P, Li Z, Laconte S, Bandettini PA, Hu X (2012). Generalized RAICAR: Discover homogeneous subject (sub)groups by reproducibility of their intrinsic connectivity networks. NeuroImage 63, 403-414. 

Yang Z, LaConte S, Weng X, Hu X* (2008). Ranking and averaging independent component analysis by reproducibility (RAICAR). Human Brain Mapping 29, 711-725. 

杨志^*, 左西年^* (2015). 神经影像大数据与心脑关联: 方法学框架与应用. 《科学通报》60, 966-975. 

图1. 研究中发现的一个多模态共变单元（Multi-metric co-variance unit, MMCU）。
该图显示了12种形态和功能图谱的共变关系。在不同图谱中，皮层各区域具有不同的数值。 

图2. （A）6个形态和6个功能测量之间的总体共变关系。（B）将
（A）中右上角放大后更清晰地显示出6个功能指标与形态指标的关系。

图3. 基于先验知识“精神分裂症稳定出现颞上回的体积异常”，本研究成果可对
不同皮层位置的面积、特征值中心度、度中心度等形态和功能指标的异常做出预测。