神经影像和网络科学的快速发展已经产生了强大的工具和措施，使得我们能在多个空间和时间尺度来了解人类大脑组织。就目前的研究进展，我们或许可以获得具有生物学意义的描绘方式来表示整个大脑结构和功能网络，并对网络拓扑的宏观原则进行正式地评估。除了在描述健康的大脑组织、个体变异和与生活跨度相关的变化方面的作用外，网络神经科学在概念化和最终在管理大脑疾病方面也有很大的前景。
我们主张建立一门关于人类大脑的科学，这门科学在强烈支持大尺度连接学的同时，也建议对源自介观尺度和微观尺度的大脑属性有所认识。这些特征包括MRI标记的组织微观结构，局部功能特性，以及来自非成像领域的信息，包括细胞、遗传或化学数据。将这些度量与连接体模型集成，有望更好地定义构成大型网络的各个元素，并表示它们之间的连接强度。
通过丰富大规模网络的描述，可以提高我们对健康大脑组织基本原理的理解。值得注意的是，它还可能更好地理解大脑疾病，包括中风、自闭症以及耐药癫痫，这些疾病的特征是存在局部异常和网络级扰动之间有趣的相互作用。图源：Lifeboat Foundation
网络科学领域为全脑网络参数化提供了正统的分析方法。例如，将整个大脑分解成几组更小的群落(Girvan and Newman, 2002; Meunier et al., 2009；Newman and Girvan, 2004)，将网络属性映射回单个节点，例如，整体连接度或局部区域的通信效率(Sporns et al., 2007; van den Heuvel and Sporns，2013）。总的来说，这些研究表明，人类大脑的组织既不是完全随机的，也不是有规律的，而是根据一些原则来组织的。这些原则包括: 通过能耗最少的最短路径使得分割脑区的协作表现出高度的集群化。这种小世界组织原则使职能专门化和一体化成为可能(Sporns等，2004)， 并且与模块化密切相关，即网络可分解性(Bullmore and Sporns, 2009)。大脑网络似乎也遵循等级原则; 网络节点被细分为核心区域和边缘区域，这一发现有时被称为富人俱乐部原则，即一组具有高度值的节点过度互联(van den Heuvel and Sporns, 2011)。有趣的是，富人俱乐部子网络似乎积累了最长路径的连接，这表明它们是跨模块连接(van den Heuvel和Sporns, 2011)和功能多样性(Senden等，2014)。通过计算一个区域的连接数(或通过的有效路径数)，可以将网络属性映射回单个节点(Buckner等，2009;Hagmann等，2008;(Zuo et al，2012)。这种中心映射可以帮助可视化连接组组织，并相应地识别核心区域在网络组织、通信和动态中扮演关键角色。
为了说明网络组织的不同层次是如何集成的，可以通过模块化信息来丰富中心映射技术，将中心划分为省级角色(主要负责模块内的连接)和负责模块间交互的连接器中心(Sporns等，2007)。相反，也可以模拟随机故障以及对特定节点或连接边的靶向攻击，以评估特定网络元素对全局拓扑和社区分解的相关性。
用区域级信息强化连接组学，采用连接图谱作为研究大尺度网络的主流范式，并且结合局部和微观结构的尺度上细化信息（图 一）。图一 强化连接组学多尺度连接整合了位于微尺度(基因表达、细胞结构)、中尺度(MRI衍生的皮质内微观结构和形态标记)和大尺度拓扑(小世界性、核心-边缘、模块化、连接体梯度)之间连续体的大脑属性的各个方面。利用在高分辨率神经成像方面的平行进展，局部特性的详细标记可用于构造和功能网络模型，反之亦然。融合这些不同层次的分析可能有助于阐明结构/功能对应的基本原理，并揭示健康和病变大脑组织的更精确特征。
基于功能和结构连接分析的脑卒中恢复模型主要集中在解释的运动和认知恢复的差异(Krueger et al.，2015;Stinear et al.，2012)。尽管如此，这些还没有完全转化为临床实践，也就是说，卒中幸存者还没有根据他们的残差网络分布被划分为不同的亚群，康复干预仍然使用一刀切的方法(Ward, 2017)。阻碍其有效发展的关键，是个性化治疗患者时缺乏对区域环路特性和宏观尺度功能重组之间一个清晰的理解,而动态交互地理解两者关系有助于积极推动卒中后病变部位和远隔区域的再生和恢复。最近的一项研究(Del Gaizo et al.，2017)利用了这些基于脑卒中结构连接体信息的模型，并证明了在预测方面的收益和个别病人的语言障碍程度。重要的是，虽然许多连接在中风中丢失，但间接的通路可能仍然存在，并可能成为促进康复的可行的神经生物学靶点。图二 卒中的动态网络建模(Del Gaizo et al.，2017)。(A)中风后病变以蓝色覆盖。颞上回被累及(红色)。(B)大脑区域(左)和连接(右)颜色编码，根据它们对用于预测失语症严重程度的连接模型的加权影响(使用WAB-AQ评估)。
在大脑结构水平上，皮层厚度和基于体素的形态测量结果确实表明灰质增加，通常在额叶和颞叶区域(Ecker et al.， 2013a;Valk et at.，2015;van Rooij et at.，2017)，也有减少(Wallace et at.，2010)，有无结果(Haar et at.，2014)，或混合模式(Ecker et at.，2012)。研究结果似乎随研究对象的年龄而变化，在儿童组水平的分析中发现厚度的增加比成年人更一致(Valk et al.， 2015)，这表明疾病与发育轨迹之间存在相互作用(Raznahan et al.， 2010;Smith et at.，2016)。在谱系结构异常的精确定位中所面临的挑战可能与一种变形过程有关，这种变形过程会对网络节点及其通信模式产生不同的影响，最终导致更广泛的自闭症表型。图三 ASD中的发现显示了局部和网络级异常之间的相互作用。(A)Top:以前的弥散MRI纤维束追踪和MRI形态学联合研究的结果(Ecker et al.,2016)。短长程白质束类的长度分布。bottom:研究结果表明，在不同组别中，AD和LGI之间存在显著的正相关关系。(B)自闭症异质性的多维MRI聚类及其与大尺度网络的关系(Hong et al.,2017c)。Top:几个MRI衍生的形态学特征(皮质厚度、密度对比、表面积、短程距离)被用来识别三种数据驱动的ASD亚型(ASD- I、-II、-III)，随后将其与典型的发育正常组(红色/蓝色增加/减少)进行比较。bottom:感兴趣区域之间的功能连接来自于之前关于心理研究的荟萃分析。与对照组相比，ASD-II和ASD-III的连通性降低，主要发生在颞叶和内侧额叶皮质。
大约30%的癫痫病人的癫痫发作无法通过抗癫痫药物控制，因此一般考虑手术治疗，并希望通过手术来控制癫痫发作和提高癫痫患者生活质量(Engel et al., 2012; Wiebe et al., 2001).。考虑到局灶性病变与手术计划的相关性，耐药癫痫的神经影像学传统上侧重于对局灶性病变的检测。实际上，MRI术前评估和手术病灶切除是目前预测术后癫痫无发作的最佳方法(Bernasconi et al.， 2011)。颞叶癫痫是最常见的综合征，患者通常表现为颞叶内侧硬化，这种病变的特征是海马结构和邻近结构的细胞丢失和胶质细胞增生(Blumcke et al.， 2013;Thom et al.,，2009)。额叶癫痫是另一种常见的可手术治疗的综合征，常与皮层发育不良有关。基于皮层分析的形态学特征以及组织密度对比，为这些病变的体内表征提供了越来越详细的信息，并在指导自动检测病变的算法中发挥了重要作用(Hong et al.， 2014)。此外，这些标记可以发现患者之间的变异性，并进行相关的组织学亚型统计(图4 Bernhardt et al.， 2015b, 2016;Hong et al，2017b)。除了其在局部病灶研究中的作用外，MRI还有助于显示两种综合征的病理网络[图4; Bernhardt et al. (2015a); Gleichgerrcht et al. (2015); Richardson (2012)]. 在颞叶癫痫中，融合来自体素和基于表面的形态测量的证据 (Bernhardt et al., 2010; Bonilha et al., 2004; Keller and Roberts, 2008; McDonald et al., 2008)，定量纵向弛豫时间映射(Bernhardt et al.， 2017)和扩散成像发现了颞叶内侧区和颞边缘束以外的异常，通常延伸到广泛的皮层/皮层下区域(Concha et al., 2012; Keller et al., 2017; Liu et al., 2016)。在颞叶癫痫中，与孤立的神经胶质变性患者相比，静息态功能连接显示有明显海马硬化的患者表现出与默认网络核心节点连接异常（Bernhardt et al.， 2016)。功能连接减少到结构改变，支持通过结构损伤程度参数调制网络异常(Bernhardt et al.， 2016)。图四 耐药癫痫的发现提示了局部异常和大规模网络表型之间的相互作用。(A)颞叶癫痫和不同程度海马硬化患者的静息状态功能连接分析(Bernhardt et al.， 2016)。(B)结合结构协方差和功能连接性分析，耐药颞外癫痫和不同类型皮质发育不良患者(Hong et al.， 2017a)。
神经成像和网络研究的神经科学家生活在一个激动人心的时代，在这个时代，组织微观结构和连接性的强大测量手段的丰富目录已经变得触手可及，综合分析也变得切实可行。 虽然我们提倡将微观、介观和宏观的信息整合到一个统一的框架中，但在融合不同层次的分析方面仍然存在挑战。的确，将多比例尺数据纳入一个共同参考框架需解决技术和概念上的问题，以完善可解释性。尽管存在众多挑战, 我们仍然相信,不久的将来enriched connectomic 会带来有前景的新发展,多学科和多类型的企业会促进我们了解健康大脑，基础神经生物学和相关神经疾病。参考原文：Sara, Lariviere, Reinder, et al. Microstructure-informed connectomics: enriching large-scale descriptions of healthy and diseased brains.[J]. Brain connectivity, 2018.
编译作者：CholeF（brainnews创作团队）
校审：Simon（brainnews编辑部）
欢迎加入超过 10000人的
全球最大的华人脑科学社群矩阵
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
