我科学家绘制全新猕猴脑网络组图谱

猕猴作为研究人类认知功能机制和模拟人类脑部疾病的理想模型，其在遗传学、生理学和脑结构上与人类高度相似。中国科学院自动化研究所脑网络组研究中心团队绘制出全新的猕猴脑网络组图谱（Macaque Brainnetome Atlas, MacBNA），不仅克服了现有图谱的诸多缺陷，也将为从猴脑获得的信息和知识有效地迁移到人脑发挥关键作用。这项成果日前已发表在《科学通报》上。

MacBNA的构建基于高空间和角度分辨率的弥散磁共振成像数据，不仅对脑区进行了合理且精细的分区，还详细描述了每个脑区亚区之间的宏观连接。作为可靠的参考系统，它能够有效地整合多尺度脑图像和多组学信息，从而绘制出多模态跨尺度的猕猴脑图谱。

此外，这项研究中的跨模态多尺度数据集还将提供一个开放获取平台，用于解决计算问题，例如建立猕猴数字孪生脑和跨尺度图像配准。研究团队目前正在持续收集数据，以进一步完善猕猴脑网络组图谱，并增加额外的神经示踪和组织切片染色图像。另外，脑网络组图谱绘制思想和方法具有扩展到其他物种进行比较研究的潜力，将在跨物种比较、转化医学和计算建模方面发挥重要作用。目前，猕猴脑网络组图谱已经在脑网络组研究中心的门户网站上开放共享(http://www.brainnetome.org)，其相关数据可以在科学数据银行(https://cstr.cn/31253.11.sciencedb.15197)下载获取。

猕猴脑网络组图谱将猕猴大脑划分为了304个精细脑区结构，并且定量描绘了每个脑区的解剖和功能连接模式，为在宏观尺度上明确大脑的组织模式提供了不可或缺的工具。与其他猕猴脑图谱的指标定量比较结果表明，猕猴脑网络组图谱能够好地表征大脑的连接拓扑模式。本研究利用细胞构筑和介观连接在分区边界和连接准确度两个方面验证了图谱结果的可靠性，揭示了猕猴脑网络组图谱在一定程度上具有生物学意义。此外，该图谱集成了影像、染色切片和神经示踪数据，在同一个标准空间中提供宏观连接、介观连接以及组织学信息，这为全面地理解大脑不同尺度下的属性、探究模态间的关系打下了坚实的基础，也为设计开发多模态融合、跨尺度计算等算法建立了数据平台。猕猴脑网络组图谱不仅为多层面地理解大脑功能的工作机理提供了新的多模态空间地图，也将推动转化医学、跨物种比较和大脑数字建模等重要研究领域的发展。

脑网络组图谱是脑图谱发展和神经技术进步的必然趋势，是脑科学、认知科学等相关学科取得突破的关键。在已有成果的基础上，未来脑网络组图谱将沿着跨物种脑图谱、多模态多尺度脑图谱方向发展，为诊断治疗、跨物种研究和类脑智能启发提供支撑。（光明日报全媒体记者齐芳）

图1 研究总体思路

图2 猕猴脑网络组图谱

图3 以猕猴脑网络组图谱为参考空间的多模态信息