Cereb Cortex︱蒋田仔团队报道基于结构连接的脑网络组儿童图谱
编辑︱夏 叶
青春期前的儿童大脑大小已经接近成人的90%,总表面积接近人类整个生命阶段的峰值 [1-2],但是很多高级认知功能的发育完善要持续到青春期甚至直到成年[3-4]。在这个过程中,大脑的结构、功能和连接都经历了动态的变化,然而大脑的各个区域的神经生理发育速度并不是一致的。这种变化的异步性在基础皮层和联络皮层之间表现得更加明显。在神经解剖学上,大脑区域,特别是与初级皮层相比的负责整合信息及认知的高阶联络区域,会经历更加明显的轴突树突和神经元密度以及白质的变化,为后期承担更加复杂的认知过程提供了生理学基础[5]。相应地,儿童大脑中负责多种复杂认知功能的结构和功能网络还尚未构建完善,致使其区域化模式与成人存在一定的差异。然而现有的大脑图谱主要适用于成人,针对特定儿童年龄段具有精细划分的全脑分区方案仍然是缺失的,儿童图谱和成人图谱的区别也极少有人研究过。
2022年10月18日,中科院自动化研究所脑网络组研究中心蒋田仔研究员团队在Cerebral Cortex上发表了题为“Brainnetome atlas of preadolescent children based on anatomical connectivity profiles”的文章,使用纵向数据集基于结构连接绘制了基于特定年龄段儿童的图谱,并比较了儿童和成人分区模式、结构连接模式以及大脑半球对称模式的不同,揭示了不同脑区在发育过程中区域化发生变化的时间差异,为未来有关儿童大脑发育的研究提供了有力的工具。(拓展阅读:蒋田仔团队最新进展,详见“逻辑神经科学”报道:Cereb Cortex︱面向精神分裂症异质性问题的影像学亚型挖掘与分析)
在儿童到青春期的过渡时期,伴随着大脑的皮层厚度、曲率和髓鞘不断变化,大脑的区域化模式也不断变化,有助于各种高级认知功能的不断完善。研究这些功能的发育过程离不开针对特定年龄段儿童的更加精细的脑图谱的帮助,它是研究儿童正常发育的基本且不可或缺的工具。在这项研究中,制定了基于特定年龄段儿童的结构连接信息的全脑分割方案(图1),利用纵向数据专门为青春期前的儿童创建了大脑图谱。由此构建的人类儿童脑网络组图谱,具有 188 个皮层和 36 个皮质下亚区,提供了一个精确的并且经过了交叉验证的大脑图谱,更适合在针对儿童后期大脑发育的研究中使用。此外,该研究还将儿童图谱和成人图谱(The Human Brainnetome Atlas)[6]中具有不同拓扑模式的区域进行了比较和说明,为后续研究儿童和青少年发育提供了拓扑一致性方面的参考。
图1 儿童图谱分区流程
(图源:Li W et al., Cereb Cortex, 2022)
在儿童图谱中,在综合考虑了区域拓扑一致性、连接模式的个体一致性和年龄之间的分区模式一致性等因素后,每个半球被细分为 94 个皮层上亚区(图2)和 18 个皮下核团亚区(见原文及补充材料)。儿童图谱中与成人图谱拥有不同的分区数目的感兴趣区域(ROI)包括额上回(SFG)、颞下回(ITG)、顶上小叶(SPL)、岛叶(Ins)和扣带回(CG)。对于这些 ROI,我们基于体素重叠和连接模式的相似性详细研究了每个亚区如何与相应成人 ROI 中的亚区相对应(图3)。需要注意的是,儿童图谱的其它ROI虽然与成人图谱有着相同的分区数目,但是并不代表着这些区域在发育过程中没有发生结构功能连接模式的变化,而仅仅暗示了其发育变化不足以导致原先的子区分裂或整合形成新的区域化模式,其每个子区域内的功能可能也存在着改变。
在SFG中,儿童时期的A9区域在成年时期分离为A9m和A9l区域,其它亚区对应成人图谱中同名区域;ITG中,喙侧20区(rostral area ,A20r)在发育过程中的拓扑形态变化较小,与脑网络组图谱中的A20r区相对应。中间侧20区(intermediate lateral area 20)和尾侧区20区(caudolateral area 20)主要对应于成人图谱中同名的区域。儿童脑图谱中的腹外侧37区域(ventrolateral 37)对应成人脑图谱的侧腹侧区37区域(extreme lateroventral area 37)和腹外侧37区域(ventrolateral area 37)。 腹侧20区(ventral area 20)对应了成人脑网络图谱中的中间腹侧20区(intermediate ventral area 20)和尾腹侧20区(caudoventral area 20)。 儿童图谱中的后两个子区可能经历了发育的再分离和整合,在成年期分化为更精细的子区域。 SPL被划分为三个亚区。 从喙部到尾部,三个子区域分别为吻部SPL,包括后中央区7区(postcentral area 7)和喙部7区(rostral area 7); 外侧SPL,包括外侧区7区(rostral area 7)和顶内区7区 (intraparietal area 7 ,hIP3); 尾部SPL对应着尾部7区(caudal area 7)和喙部7区(rostral area 7)。Ins区被分为三个部分,即后部、背侧和腹侧的岛叶。儿童图谱中的后部岛叶对应的区域包括成人图谱中的超粒状(hypergranular)区、腹侧非颗粒状(dysgranular)和粒状(granular)区以及背侧粒状岛叶。儿童图谱中的背侧岛叶对应的区域包括成人图谱中的背侧非颗粒状(dysgranular)和背侧无颗粒(agranular)区域。儿童图谱中的腹侧岛叶与成人图谱中的腹侧无颗粒区相对应。CG区被分为五个部分:前扣带、前中扣带、后中扣带、背侧后扣带和腹侧后扣带区域。它们分别对应于成人图谱中的膝下(subgenual)32区域、前膝部(pregenual)32区域、尾部23区域、背部23区域和腹部23区域。
图2 儿童脑网络组图谱
(图源:Li W et al., Cereb Cortex, 2022)
图4 儿童图谱和成人图谱区域化模式的一致性
(图源:Li W et al., Cereb Cortex, 2022)
然而,这项研究也存在一定的局限性。尽管在研究中已经使用了多种策略来减少结构连接的假阳性结果,但仍然不能排除其存留的可能性。此外,神经元回路的分化和成熟也可能是导致儿童和成人大脑区域化差异的影响因素[7],而这些因素在文章中没有被考虑到。总之,在未来的研究中应结合尽可能多的模态的数据,通过组织学或神经生理学方法的组合来补充纤维束成像结果,以获得更准确的结构连接结果以进行更全面的分析,来增加结论的确定性。
总之,该研究使用纵向数据创建了面向特定年龄段儿童的全脑图谱,并探讨了发育中大脑区域化模式的变化以及与成人区域化模式的差异,可以帮助未来的研究者们更好地理解大脑不同区域的发育过程。
儿童图谱文件下载网址:http://atlas.brainnetome.org/download.html
原文链接:https://doi.org/10.1093/cercor/bhac415
中科院自动化研究所蒋田仔研究员为该论文通讯作者, 在读博士生李雯为论文第一作者。本研究受科技创新2030——中国脑科学与类脑智能项目(2021ZD0200200)、国家自然科学基金(31620103905、82151307、82072099)、中国科学院科技服务网络计划(KFJ-STS-ZDTP-078)、中国科学院科学前沿计划(QYZDJ-SSW-SMC019)和中国科学院战略性先导研究计划(XDB32030200和XDB32030207)等多个项目联合资助。
【1】Neurobiol Dis︱李晨/李伟研究团队揭示IC→PVT→BNST神经环路调节焦虑症发病的敏感性
【2】HBM | 高度连接且高可变性:支持丙泊酚引发意识丧失的静息态核心脑网络
【3】NPP︱徐运课题组揭示前额叶皮层小清蛋白阳性中间神经元在阿尔茨海默病早期情绪障碍调控中发挥重要作用
【4】Nat Neurosci 综述︱突触前光遗传学工具概览
【5】Neural Regen Res 综述︱小胶质细胞的极化及与其他细胞的对话在阿尔茨海默病治疗中的作用及潜能
【6】Nat Commun︱储军课题组开发出新型高性能基因编码的cAMP荧光探针
【7】Mol Neurobiol︱朱立新/郭家松团队揭示基底膜蛋白Perlecan在脊髓损伤后血脊髓屏障功能恢复中的重要作用
【8】Transl Psychiatry︱杨勋团队揭示精神分裂症在奖励预期和奖励结果阶段的不同神经机制
【9】Schizophrenia︱精神分裂症患者的脑网络枢纽中心与工作记忆表现
【10】Front Cell Neurosci︱利用文献计量学分析星形胶质细胞与脑卒中的研究趋势
优质科研培训课程推荐【1】单细胞测序与空间转录组学数据分析研讨会(10月29-30日 腾讯在线会议)会议/论坛/研讨会预告【1】Immune Zoom Seminar︱B细胞在免疫和神经系统中的筛选(徐和平教授)
【2】学术会议︱2022年神经环路示踪技术专题研讨会暨第六届神经环路示踪技术全国培训班第二轮会议通知
【3】圆桌会议︱徐富强/贾怡昌/韩蓝青/蔡磊等探讨神经退行性疾病和眼科疾病的基因治疗创新
欢迎加入“逻辑神经科学”【1】“ 逻辑神经科学 ”诚聘编辑/运营岗位 ( 在线办公)【2】人才招聘︱“ 逻辑神经科学 ”诚聘文章解读/撰写岗位 ( 网络兼职, 在线办公)参考文献(上下滑动阅读) 1. Dekaban AS, Sadowsky D. Changes in brain weights during the span of human life: relation of brain weights to body heights and body weights. Ann Neurol. 1978:4(4):345–356.
2. Bethlehem RAI, Seidlitz J, White SR, Vogel JW, Anderson KM, Adamson C, Adler S, Alexopoulos GS, Anagnostou E, Areces-Gonzalez A. Brain charts for the human lifespan. Nature. 2022:1-11:1476–4687.
3. Bassett DS, Wymbs NF, Porter MA, Mucha PJ, Carlson JM, Grafton ST. Dynamic reconfiguration of human brain networks during learning. Proc Natl Acad Sci. 2011:108(18):7641–7646.
4. Gu S, Satterthwaite TD, Medaglia JD, Yang M, Gur RE, Gur RC, Bassett DS. Emergence of system roles in normative neurodevelopment. Proc Natl Acad Sci. 2015:112(44):13681–13686.
5. Buckner RL, Krienen FM. The evolution of distributed association networks in the human brain. Trends Cogn Sci. 2013:17(12):648–665.
6. Fan L, Li H, Zhuo J, Yu Z, Wang J, Chen L, Yang Z, Chu C, Xie S, Laird AR. The human brainnetome atlas: a new brain atlas based on connectional architecture. Cereb Cortex. 2016:26(8):3508–3526.
7. Petanjek Z, Sedmak D, Džaja D, Hladnik A, Rašin MR, Jovanov-Milosevic N. The protracted maturation of associative layer IIIC pyramidal neurons in the human prefrontal cortex during childhood: a major role in cognitive development and selective alteration in autism. Front Psychiatry. 2019:10:122 1664–1220640.
本文完
1. Dekaban AS, Sadowsky D. Changes in brain weights during the span of human life: relation of brain weights to body heights and body weights. Ann Neurol. 1978:4(4):345–356.
2. Bethlehem RAI, Seidlitz J, White SR, Vogel JW, Anderson KM, Adamson C, Adler S, Alexopoulos GS, Anagnostou E, Areces-Gonzalez A. Brain charts for the human lifespan. Nature. 2022:1-11:1476–4687.
3. Bassett DS, Wymbs NF, Porter MA, Mucha PJ, Carlson JM, Grafton ST. Dynamic reconfiguration of human brain networks during learning. Proc Natl Acad Sci. 2011:108(18):7641–7646.
4. Gu S, Satterthwaite TD, Medaglia JD, Yang M, Gur RE, Gur RC, Bassett DS. Emergence of system roles in normative neurodevelopment. Proc Natl Acad Sci. 2015:112(44):13681–13686.
5. Buckner RL, Krienen FM. The evolution of distributed association networks in the human brain. Trends Cogn Sci. 2013:17(12):648–665.
6. Fan L, Li H, Zhuo J, Yu Z, Wang J, Chen L, Yang Z, Chu C, Xie S, Laird AR. The human brainnetome atlas: a new brain atlas based on connectional architecture. Cereb Cortex. 2016:26(8):3508–3526.
7. Petanjek Z, Sedmak D, Džaja D, Hladnik A, Rašin MR, Jovanov-Milosevic N. The protracted maturation of associative layer IIIC pyramidal neurons in the human prefrontal cortex during childhood: a major role in cognitive development and selective alteration in autism. Front Psychiatry. 2019:10:122 1664–1220640.
本文完