近日，美国Weill Cornell Medicine的研究团队近日在《Nature Methods》期刊上发表新研究，利用一种名为“Krakencoder”的全新算法，有望推动我们对大脑结构与功能之间复杂关系的理解。该研究借助“人类连接组计划”（Human Connectome Project）的数据，整合神经活动与大脑神经连接的解剖结构，为脑科学、神经疾病预测及个性化干预带来新突破。
大脑连线 ≠ 同步激活？
人类大脑是由庞大的神经元网络构成，这些神经元通过结构性连接（即结构连接组，structural connectome）形成了我们的大脑“电路图”。而功能连接组（functional connectome）则描述了不同脑区在特定任务或休息状态下的协同激活模式。过去的研究发现，即使两个脑区在结构上连通，它们也未必会在功能上同时激活。
Weill Cornell Medicine放射数学与神经科学教授、该研究的资深作者Amy Kuceyeski博士指出：“我们目前对大脑网络如何支持日常任务——如做数学题、聊天或开车——的理解还非常初步。”
不同的“盲人摸象”，如何整合？
目前，科研界已有许多尝试去建模结构连接组与功能连接组的关系，但使用的方法五花八门，不同团队甚至会从同一组MRI原始数据中提取出不同的“脑网络图谱”。
Kuceyeski博士的团队以“盲人摸象”来形容这一局面——每种成像与处理方法就像是摸象的一部分，视角不同，但本质上都在描绘同一个系统。为此，他们开发出“Krakencoder”算法，通过一个自动编码器（autoencoder）模型，融合十多种不同方法得到的结构与功能连接组数据，提炼出统一的、压缩后的表征。
首席作者、Kuceyeski实验室的研究员Keith Jamison形容这个系统：“就像一个多臂怪兽，可以同时抓取不同的脑网络表达方式，将它们‘消化吸收’，最终整合成统一的‘大脑全景图’。”
精准预测大脑功能，助力疾病康复
研究团队使用“Krakencoder”在700多位“人类连接组计划”参与者的MRI数据上进行了训练，结果显示，该算法可基于个体的结构连接组，比以往方法准确约20倍地预测其功能连接组。
更令人惊讶的是，这一统一模型还能较高准确度地预测受试者的年龄、性别及认知表现得分——后者通常被认为极难仅通过脑影像评估。
未来，该团队计划将“Krakencoder”与另一款名为NeMo的网络修改工具结合，进一步探索脑损伤患者的恢复潜力。团队成员、博士生Christie Gillies正在利用这套工具预测中风患者的康复结局。研究表明，这一组合工具生成的功能连接组图谱比真实的功能MRI更能预测患者随访时的运动和语言能力得分。
启示：重塑脑功能的新路径
更重要的是，这项技术不仅有助于理解疾病如何影响大脑连接，还可识别哪些网络连接与更好的认知或运动能力相关联。未来，通过脑刺激手段（如经颅磁刺激）激活这些受损回路，有望加快患者的康复过程。
正如Kuceyeski博士所说：“将结构、功能和行为表现联系起来，是破解大脑运行机制的关键。这不仅是脑科学的突破，也可能是治疗神经疾病的转折点。”
参考文献：Keith W. Jamison et al, Krakencoder: a unified brain connectome translation and fusion tool, Nature Methods (2025). DOI: 10.1038/s41592-025-02706-2
编辑：王洪
排版：李丽
评论 (0)