今日頭條
官方微信
官方抖音
資訊頻道人腦如何通過復雜的網絡結構實現高效的信息傳遞與認知功能，是腦科學與網絡神經科學領域的核心問題。腦是一個高度復雜的網絡系統，其功能依賴于不同腦區之間的結構連接與“配體-受體”等信號分子的協調組織。擴散磁共振成像與轉錄組學技術分別從結構連接層面和信號分子層面為探究腦網絡通訊提供了重要的數據。然而，如何整合這些互補信息以解析復雜的腦網絡動態策略與機制，仍是挑戰性難題。
近日，中國科學院自動化研究所腦網絡組與腦機接口北京市重點實驗室蔣田仔團隊，在《自然·通訊》（Nature Communications）期刊發表研究論文，基于最優傳輸框架提出了一種解析腦網絡通訊的新方法——CLRIA（Connectome-constrained Ligand-Receptor Interaction Analysis）。最優傳輸是一種數學方法，旨在找到將一個分布轉換為另一個分布所需的最小成本方案。研究團隊將這一理論應用于腦網絡分析，以不同腦區中配體和受體的表達水平作為分布，并以神經纖維連接作為約束條件，成功整合了大腦結構連接數據和基因表達信息。通過這一方法，研究人員構建出由“配體-受體”介導的腦區通訊模式，揭示了連接結構與信號分子的內在聯系，為理解腦網絡通訊提供了微觀視角。
在腦網絡中，神經纖維束可延伸至不同腦區，為腦網絡的高效通訊提供物質支持。為了建模連接結構和信號分子的耦合機制，需要基于連接組的通訊度量來引導跨腦區配體-受體相互作用，從而克服使用空間距離約束的弊端，實現對組織中固有信號通路和形態組織的更深刻理解。
該研究提出的CLRIA方法將配體和受體在各個腦區的表達視為兩組分布，將腦中的通訊過程建模為多個“配體-受體”對共同參與的最優傳輸問題，并引入基于連接組的通訊度量作為轉運成本約束，進一步利用非負張量分解技術對轉運計劃引入低秩約束，由此實現了對大腦網絡通訊模式的高效推斷。研究團隊通過整合分析人類連接組計劃數據（HCP）和艾倫人腦圖譜（AHBA）數據，發現大腦在信號傳遞中傾向于采用混合通訊策略，即路由（Routing）和擴散（diffusion）通訊策略同時存在，以平衡能量效率與信息傳輸需求。并表現出從低級感知區域向高級聯合皮層的方向偏好。這一結果，揭示了微觀尺度的配體-受體相互作用與宏觀尺度功能組織之間的廣泛聯系。
研究通過連接組譜密度分析，還發現了一組與低頻諧波模式密切相關的配體-受體基因。這些基因在兒童至青少年階段不同模態腦區之間的表達差異顯著，表明其可能在大腦發育過程中發揮重要作用。此外，研究發現，CLRIA方法識別出的通訊模式不僅能鑒定出腦狀態轉換過程中的關鍵腦區，還能有效解碼這一過程中的關鍵信號分子。
該研究在全腦尺度上實現了結構連接與分子表達的跨尺度融合，為理解腦網絡通訊提供了新的計算框架和生物學見解。CLRIA方法具有較高的通用性，可拓展至病理標志物、代謝組數據等多模態分析中，為精神疾病、神經退行性疾病的機制研究提供新思路。
中國科學院人工智能學院的博士生杜宗昌為該論文第一作者，中國科學院自動化研究所蔣田仔研究員和楊正宜副研究員為共同通訊作者。論文的主要合作者包括初從穎副研究員，時維陽助理研究員，羅娜副研究員。該研究獲科技創新2030——“腦科學與類腦研究”重大項目、國家自然科學基金和中國博士后科學基金等項目支持。
來源：中國科學院自動化研究所
北京市公安局海淀分局備案號：11010802023656號