Krakencoder 预测大脑功能的能力比过去的方法高 20 倍
威尔康奈尔医学院 （Weill Cornell Medicine） 的研究人员使用一种他们称之为 Krakencoder 的算法，距离揭示大脑的布线如何支持我们的思维和行为方式又近了一步。 这项研究于 6 月 5 日发表在《自然方法》杂志上，使用来自人类连接组项目的成像数据来调整神经活动与其基本回路。 绘制大脑的解剖连接和活动模式与行为的关系，不仅对于理解大脑的一般工作方式至关重要，而且用于识别疾病的生物标志物、预测神经系统疾病的结局和设计个性化干预措施。 解决房间里的大象 大脑由一个复杂的相互连接的神经元网络组成，这些神经元的集体活动驱动着我们的行为。 结构连接组代表大脑的物理布线，是不同区域在解剖学上如何连接的图谱。 拼图的另一部分是函数式连接组，它表示大脑不同部分之间的神经元活动模式，突出了在特定任务或休息时一起激活的区域。 令人惊讶的是，科学家们发现，“连接在一起”的区域并不总是“一起发射”。 “但我们仍然只是触及了大脑网络与日常生活任务的关系的皮毛，比如解决数学问题、与朋友交谈或开车，”资深作者博士说。 Amy Kuceyeski，教授威尔康奈尔医学院放射学和神经科学数学。 虽然许多研究人员正在对功能和结构连接组之间的关系进行建模，但他们提出了不同的图谱。 “每个人都使用不同的方法来拍摄大脑网络的照片，”博士。 Kuceyeski 解释道。 例如，当使用磁共振成像 （MRI） 进行脑部扫描时，处理相同 Raw 图像的不同方法可能会生成不同的连接组。 博士 库切耶斯基将这种拼凑的方法比作在黑暗的房间里检查一头大象，一个人触摸鼻子，一个人触摸一条腿，另一个人触摸耳朵。 “我们的基本假设是，成像和处理管道中的每组选择都提供了同一底层系统的不同视图，”该研究的第一作者、博士的研究助理 Keith Jamison 说。 Kuceyeski 的实验室。 为了获得更全面的表示，博士 Kuceyeski 和她的团队构建了一个工具，该工具可以将所有这些不同方法产生的结构和功能连接组折叠在一起，以产生更统一的解释。 “在我的脑海中，我把它看作是某种拥有多只手臂的怪物，可以伸出手抓住不同的大脑表征，并将它们消化并凝结成一个统一的连接组，”贾米森说。 由此产生的程序，一个压缩和重建十几种不同 “风格” 输入数据的自动编码器，就这样诞生了称为 Krakencoder。 识别恢复丢失功能的连接 该团队使用从参与美国国立卫生研究院人类连接组项目的 700 多名受试者收集的数据对 Krakencoder 进行了训练。 作为该研究的一部分，志愿者接受了广泛的结构和功能 MRI 扫描。 研究人员发现，Krakencoder 使他们能够获取个体的结构连接组并正确预测该人的功能连接组的准确性比以前发表的方法高约 20 倍。 The Krakencoder 的组合和压缩表示还预测了个人的年龄、性别以及他们在与成像扫描一起进行的测试中获得的认知能力分数。 这样的分数，博士。 Kuceyeski 指出，众所周知，仅凭脑成像很难衡量。 能够将认知等功能映射到特定的大脑网络是理解的关键解剖学和生理学如何产生我们的行为和能力——以及疾病和伤害如何损害我们的表现。 未来，Dr. Kuceyeski 和她的同事计划将 Krakencoder 与他们称为 NeMo 的网络修改工具相结合，这将使他们能够检查大脑因疾病而受损的人的连接组。 Kuceyeski 实验室的博士生 Christie Gillies 正在使用这种方法来绘制中风后的结果。 “她在比较由 NeMo Krakencoder 管道产生的功能性连接组，仅基于临床定期收集的 MRI，到一个人的实际功能性 MRI。 我们发现我们的功能性连接组在预测个体的运动评分和语言评分方面做得更好，“博士。 库切耶斯基说。 这些工具还可以识别与改善认知或运动表现相关的大脑网络连接。 提高受损电路的活动 -- 例如，通过经颅磁刺激（一种使用磁脉冲刺激大脑神经细胞的治疗方法）可以加强这些连接并加速恢复。