人脑图谱：现在与未来

人脑包含数百个具有不同结构和功能的皮质和皮质下区域，因此精确定义这些区域并绘制其功能和连接图相当困难。几十年的研究促进了脑地图集的发展，最近一次是在大脑皮层报道的脑网图谱。《BMC神经科学》栏目编辑蒋天子教授在接受《Springer Nature》采访时，介绍了这一新的人脑图谱，并对其研究和应用前景进行了探讨。

人脑地图集的研究可以追溯到20世纪初。在最初的阶段，研究人员做了无尽的努力来绘制大脑的地图，并根据细胞结构信息对其进行解剖分区。最新的人脑网络图谱是一种新型图谱，与普通图谱不同，它提供了基于连通性的分组，特别关注大脑连通性架构。这种前所未有的基于连接性的思维填补了传统大脑绘图的空白。

然而，布雷纳托姆地图集的旅程远未结束。在我们最终将其应用于诸如经颅磁刺激（TMS）和深部脑刺激（DBS）等治疗之前，还有很多事情要做。更重要的是，只有不断提高脑图谱的精细度和准确性，才能更好地利用脑图谱来识别精神疾病的生物标志物。

在这方面，磁共振成像（MRI）——在地图集出现之前就已经存在的技术——长期处于两难境地。虽然磁共振成像已经有三十多年的历史，并且仍在迅速发展，但它并没有被用来作为脑疾病，特别是精神疾病的临床诊断标准。这可能是由于有限的疾病数据和低精度的脑图谱。

利用大脑图谱

为使该图谱投入使用，我们提出了未来人类脑组织图谱研究的三个重要方向。第一种方法是根据更复杂的图谱，识别用于不同精神疾病早期诊断、预后和疗效评估的生物标记物。第二个方向是确认图谱中不同区域与情绪和记忆等认知功能回路的匹配，并生成不同尺度的脑功能图谱。另一个方向是在人工智能（AI）研究中使用与语言或认知相关的脑图谱进行计算建模。

关于脑图谱与上述大脑启发的人工智能计算之间的联系，有大量的研究可以做，这将是未来的一个研究热点。虽然人工智能是当今备受推崇的概念，但挑战无处不在，包括人工智能计算技术的有限选择。揭示人脑处理信息的方式可能在很大程度上有助于人工智能计算的发展。例如，人们发现，当人脑处理信息时，神经元之间的高阶相互作用表现为二阶相互作用。揭开所谓高阶的假面具很重要。这将大大简化人工智能计算和系统结构设计。

我们的下一个计划是建立三个不同层次的非人灵长类脑图谱。首先，我们将根据猕猴大脑的宏观结构特征，将猕猴大脑分割成不同的区域，从而创建一个与人脑相似的宏观图谱。在宏观图谱的基础上，我们将应用经典的神经束追踪技术和新的病毒追踪方法，进一步建立神经元群体（或不同类型神经元）层面的连接性图谱。这是今后5至10年要解决的一个重要问题。

在精细度方面，它远优于单纯的MRI相关方法。描绘一个微观地图集是我们的最终目标，虽然很难实现，因为目前在这个领域除了电子显微镜没有更好的技术。

利用侵入性追踪技术建立非人灵长类脑图谱，对人类是不适用的，这将有助于我们对人脑图谱的理解。此外，在宏观尺度上比较非人灵长类和人类地图集，可以从大脑功能连接性水平上提供一些线索，说明这两个物种在进化过程中的相似性和差异性。