人类的大脑是由数十亿的突触组成的器官，并以大范围的模式和序列发出信号。这些复杂的电过程负责我们的每一个想法、情感、功能或是功能障碍的形成。了解大脑网络的连接方式以及这些连接的意义，将帮助我们更好地理解心理健康、认知，甚至是什么让我们拥有人类的特质。
当然，这是一个不小的挑战。几个世纪以来，科学家和医生们对大脑的结构和化学特性进行了深入研究，但在大多数情况下，人类对大脑的连接特性一直是缺乏理解深度的。正如物理学家爱默生·M·皮尤所说：“如果大脑简单到能让我们理解，我们的思维就会简单到无法理解大脑。”。
05:01
如果不是因为大数据、机器学习和人工智能的出现，实现深入了解大脑的难度犹如科幻小说。今天，大脑复杂性的挑战最终是数据处理的挑战，事实上，它可能会是我们能够解决的，最伟大的、也是最令人兴奋的数据挑战。
什么是连接组学？
构成人类大脑的复杂脑网络连接被称为大脑连接组。连接组是大脑皮层和皮层下结构（统称为灰质）之间的白质，这些连接就像电线一样，在大脑的功能区之间传递信息。试想想计算机中的所有独立连接都携带着来自不同且高度复杂的处理单元的数据。
连接组学是构建和分析由计算机生成的大脑功能和结构连接图的大数据方法。
“连接组学”一词源于“基因组学”，即利用大数据来研究生物体的遗传学。英文的Connectomics（连接组学）借用了“-omics（组学）”的后缀，因为它采用了类似的方法：大数据分析海量数据集，用于构建人类连接组数字化图谱。
纤维束成像是对大脑“连接组”进行可视化的一种方式人类大脑图谱的简史
年，德国神经学家柯比尼安·布罗德曼(KorbinianBrodmann)根据大脑表面的解剖学和细胞结构，对大脑进行了详细分类-他的模型将人脑划分为大约47个部分，或称“分区”，每个部分都有一个所谓的功能作用。例如，4区负责运动功能，17区则负责视觉处理。布罗德曼通过研究大脑皮层的细胞特性，并试图定义细胞结构变化的边界。
一个世纪以来，后续的研究已对这个早期“大脑分区图”进行了多方面的验证。我们知道对4区的损伤会导致持续性运动障碍，而对17区则会导致视觉障碍。利用类似的技术，甚至增加了几个新的区域或从现有的区域中进行了细分。
布罗德曼最初的47个区域的定位模型然而，布罗德曼模型在解释更为复杂的神经系统功能方面具有局限性
首先，布罗德曼图识别大脑功能区的方法并不是完全准确的--就像仅仅考察地球表面并不能对划分国家、州和城市的边界起到有意义的帮助。
实际上，它并没有说明大脑中的不同区域是如何互动的，就像世界地图无法提供对地缘政治的见解。我们现在知道，这些互动负责大脑中的重要活动，如理解力、情感和思考能力。当这些活动受到损害时，它们也会导致精神和神经系统疾病，如抑郁症、自闭症和精神分裂症的产生--而我们对这些大脑活动知之甚少。
布罗德曼“大脑分区图”的局限性●在区域之间可观察到的物理差异不一定与它们所执行的功能相关。●该模型将实际执行着不同、不相关的功能的多个区域划分到了同个组。●它没有解释任何超出基本功能，如动作和语言的其他区域（即使有，也是过于简化）。●只研究了大脑的灰质，没有研究将其连在一起的白质。●不同的个体，尤其是脑损伤的人，大脑内部的分区是不一样的。
现实中，有关路面导航和探索外界的技术愈发的强大和便捷，但对于大多数的医生和研究人员来说，大脑的导航技术和探究大脑的工具却几乎没有看到大范围的推进。
就像仅凭世界地图，无法理解国家和文化之间复杂的相互关系和相互作用一样，布罗德曼地图对于我们理解复杂的大脑功能及其相关脑疾病的作用并不大人类连接组计划
在年，人类连接组计划(HCP)开展了为期五年的工作，以数字化方式绘制人类大脑的结构和功能神经连接。这个初始耗资万美元的项目始于美国国立卫生研究院的蓝图大挑战基金，并联合了世界顶级神经科学机构，其中包括华盛顿大学、牛津大学、明尼苏达大学、哈佛大学和加州大学洛杉矶分校。
在先进的基于磁共振技术的帮助下，共有超过一千名受试者接受了详细的大脑研究。
人类连接组计划(HCP)对大脑绘制技术进行了实质性的改进，并彻底改革了用于研究它的字母和语言。
最终的研究结果是一个全新脑图谱的诞生，即HCP（人类连接组计划）分区，或脑图谱，是根据其功能作用以及它们在功能和结构上的连接方式来定义的独立脑区。其中包括以前研究的83个区域和之前未知的97个区域，每个半球共有个区域。
值得注意的是，这个脑图谱所提供的详细信息能够对更高级的大脑功能进行解释，但仍然可以“简单”到能让神经科学家、计算机和人工智能对其进行分析。
HCP（人类连接组计划）分区与布罗德曼的分区不同，因为它是一种能够识别功能区及其连接的多模态方法。HCP脑图谱不仅识别其解剖结构，并根据皮质结构、功能、功能连接和/或拓扑结构来对大脑区域进一步划分。
HCP（人类连接组计划）新定义的个大脑区域
这种分区方法也促使人们对这些区域的协作方式有了突破性的发现。
通过研究HCP（人类连接组计划）分区，我们明白，认知和功能并不能用单一区域来说明。相反，每个功能区在参与更大规模的脑网络时，都是一个单一的节点。这些网络负责重要的认知处理，如视觉、运动和内部思维。
想象一下大脑的运行方式就像是
一家现代化的企业
该企业有多个部门运作，如产品开发、销售、市场、人力资源等。在每个常规的日子里，每个部门都有具体的项目需要完成，每一个成功的项目都归功于完善的整体运作。这些部门就像是在人类大脑中运行的主要网络。
我们把这个比喻再往深层次推进：每个部门都有一个团队共同致力于某个特定项目。在销售部门，一名员工可能负责寻找新客户，而另一名员工则分析收入数据。虽然这两个员工在同一个部门，但他们执行的是不同但相互关联的工作任务。企业的员工就如大脑分区中的单个节点，虽然每个节点可能有一个主要功能，但它们的任务处理只是更高级执行任务中的一小部分。
长期以来，神经科学家们专注于根据它们执行的任务对单个节点进行分类，这导致了他们对这些节点的协同工作方式产生了误解。现在，我们有了大脑及其连接的地图，不仅能够看到单个节点的运作方式，还能看到它们的协作方式。企业的目标是把具有特定技能的人聚集在一起，并完成大量复杂的任务——没有一个部门或个体能独立完成全部任务，大脑也不例外
人类连接组计划的传承
相比于人们首次为更好地了解大脑连接和功能而付出的努力，HCP（人类连接组项目）做的还远远不够，它是在许多重要的文献利用了下文描述的技术的数十年后才建立起来的。然而，人类连接组项目确实标志着一个重要的转折点，巩固了运算脑绘图环境和框架。
它的早期成功促使了“使用先进革新型神经技术的人脑研究”(BRAIN)的启动，同时推动了美国国防部高级研究计划局(DARPA)、美国国家科学基金会(NSF)、美国高级研究计划局(IARPA)、美国食品药品监督管理局(FDA)、美国国立卫生研究院(NIH)以及主要工业界、学术界和倡导组织资助了后续数百个累计超过15亿美元的研究项目。
通过这些重大的科研突破，让我们对大脑的理解发生了根本性的转变
●大脑疾病的新模型-这些信息的可用性和信息获取技术为检测和治疗阿尔兹海默症等大脑疾病提供了更多的维度和生物标记。
●将大脑作为网络节点进行研究，应用图形理论-类似于谷歌搜索引擎会优化查找最具相关性信息的能力。●大脑网络组织-现在，我们可以通过确定哪些物理区域对应于哪个功能区以及它们之间的相互连接，并将大脑网络的运作方式与解剖学联系起来。此外，曦嘉利用具有实用性的软件，将这些新的发现和技术带入主流研究和护理，使这些信息易于获取。
如何构建数字化
人类脑图谱连接组学研究大脑连接的两种方式
有了现代技术，就可通过利用MRI扫描仪的治疗，以非侵入性的方式达到此目标。将这两种形式的连接性分析与大数据处理相结合，产生了迄今为止最全面的人类大脑模型。
绘制功能连接
当大脑中的某个区域正在活动时，该区域的电子活动往往会增加。我们可利用先进的磁共振成像(MRI)技术，如功能性磁共振成像(fMRI)来模拟这种情况。
fMRI的研究通过测量脑血流变化的活动模式来检查功能连接。当大脑的某个部位处于活跃状态时，它需要由血液负责运输的氧气和葡萄糖。由于血液具有磁性，这些变化可通过MRI检测出来。我们可以观察功能区之间的模式，它们是如何同时放电的，从而确定它们互相连接的方式。
绘制结构连接
一种称为“纤维束成像”的三维建模技术，通过基于MRI技术的弥散张量成像（DTI）收集的数据来进行建模。纤维束成像模拟了水分子在白质纤维束的移动路径。当其被可视化表达时，连接的纤维束显示了大脑的不同区域是如何“在物理上连接”在一起的。
总的来说，这些影像采集技术会生成大量的数据。然而，没有任何个体能够处理这些庞大的数据。因此，包括机器学习在内的大数据技术通过结合功能和结构连接图谱，可创建一个极其全面的、易于理解的人脑模型。
从这种分析数据得出的见解有着巨大的潜力。
将大数据应用于人类大脑
如果没有机器学习和人工智能等大数据处理技术，以及云计算等计算技术，数字化大脑分区中的多维数据量对于人类（甚至是神经科学家）来说过于复杂，而且难以理解。
通过大数据分析，机器学习算法可以对分区的数据集进行分析并做模型识别，或对大脑进行预测。这类似于现在的算法，检测欺诈交易的方式或识别Youtube等平台上的行为趋势。
这些算法也可通过训练来分析特定对象的数据。曦嘉的软件使用的技术能够绘制出每个大脑的特定区域和差异性，并与常模数据进行比较，还可以提供准确的脑区定位，无论形状和结构上有多大的差异性。
您如何对其进行理解
尽管连接组学使我们对大脑的理解有了巨大的变化，但你很有可能之前没有听说过这个概念。与人类基因组计划、以及以往的许多重要研究项目一样，HCP（人类连接组计划）侧重于研究发现，而不是实践操作。创建详细的大脑图谱如今成为了可能，但其中的过程并不容易，研究人员和临床医生可用的实用产品并不是该计划的直接产出。
曦嘉正在使用算法和技术来进一步完善连接组学的数据，通过专利的云软件生成患者的数据集。
这意味着：
●将已存在了十多年的研究进行技术标准化和精简化，以确保不同场合的分析结果一致。●与磁共振影像厂商合作，在日常MRI扫描中获取数据用以绘制详细的大脑图谱。●利用云计算，并在合理的时间范围内处理海量数据。●通过严格测试的产品设计，将这些数据转化为有用和可操作的医疗见解。
由此产生的产品，使得绘制个体化大脑图医院验血一样简单——易于操作、易于解读。
该图像显示了由曦嘉软件确定的受试者的语言网络位置
利用连接组学进行神经治疗
将人类大脑分解成不同的功能分区，并研究这些区域的相互沟通方式，是神经治疗的一个重大进展。临床医生可以从患者大脑分区中获取重要的信息，而这在神经外科和神经学领域是前所未有的。
由于大脑具有可塑性，我们可以利用连接组学的数据，治疗神经系统疾病和神经缺陷。利用连接组学的数据，神经外科医生能够更加了解每一个手术切口对患者的影响，从而调整他们的手术方法，最大限度保留有用的大脑功能。
来自曦嘉公司的Quicktome软件的分析显示了患者的运动网络在脑瘤周围的组织形式，并在神经外科医生执行手术前，就为他们提供了患者的重要脑功能信息
我们无需接受阿尔茨海默症病或痴呆症是衰老的现象。能够识别神经系统退化的技术将会提高早期疾病诊断和减缓疾病发展的能力。
此外，更多有用的信息可用于探索更多的治疗方法。此外，使用患者的脑图谱来确定具有缺陷的功能区，使医生能够提供针对患者个体的康复和治疗策略。这样的分析可能会让患者更快的恢复其功能独立性。
虽然这些可能性是神经系统疾病的治疗机会，但我们的进步无需局限在神经系统的护理。连接组学也可用于诊断和治疗精神疾病。
将连接组学应用于精神疾病
诚实地说，我们对精神疾病的理解仍然是极其有限的，而这往往导致了不够准确的诊断与治疗。由于精神疾病表现为大脑高级功能的紊乱，而这种紊乱无法通过身体检查来解释。也就是说，常规的MRI扫描不太可能对精神疾病的诊断带来帮助。这是因为精神疾病的生物标记物不像肿瘤或卒中那样具有结构性。
左图是一个健康人的大脑。在中间部分，这个大脑有一个明显的异常点——肿瘤。然而，在右图中，你能看出这个患者患有焦虑症吗？
世界上几乎有四分之一的人口在他们生命的某个阶段会面临精神疾病，每年有数以万计的防止自杀事件的发生，全球的精神健康危机是一个非常紧迫的问题。就精神疾病而言，如创伤后应激障碍，它的诊断通常需要确定多个共同发生的疾病和症状。同样的，像抑郁症这样的疾病实际上是多种不同的疾病表现出相似的症状。然而，它们往往被当作是一种单一的疾病来治疗和诊断。
为了更有效地治疗这些复杂的疾病，我们必须揭开精神疾病、自杀倾向和精神障碍背后的机制。利用大脑数据分析，我们可确定造成这些不同症状的因素，并从大脑的病根入手，解决疾病。
机器学习能够为基于脑网络功能和连接而诊断的精神疾病提供新的机遇。通过fMRI扫描，大脑连接模式可将心理疾病转化为一个数据问题。机器学习算法可以根据大脑网络功能障碍的模式对症状进行分类，并对症状的严重程度进行预测。我们也可通过训练算法来对标准数据集和特定对象数据进行比较，以诊断具有类似症状的患者。
图像所示的是连接矩阵，它将患者的功能连接与成千上万的健康数据集进行比对，并查找异常模式-红色和蓝色的区域显示有异常行为的部位。这个特定的矩阵取自上图中患有焦虑症的患者
在治疗方面，我们也发现了一些可正确识别那些可能对靶向神经刺激疗法有积极反应的患者的方法。
利用连接组学的数据，心理学家可识别大脑中发生紊乱区域，并更好地对我们目前称之为精神疾病的症状情况进行理解。随着这项研究的进行，精神疾病有望成为可治疗且可预防的疾病。
超越传统医学的连接组学
虽然连接组学为神经学和神经精神病学的护理提供了许多的可能性，但其研究潜力不仅于此：用于诊断和治疗神经系统缺陷和障碍的方法也可为我们的大脑研究提供宝贵的见解。
分析健康人的大脑分区可以帮助我们了解自身的智力、个性特征和偏见。这项技术甚至带来了增强认知功能和提高个人大脑潜力的可能性。想象一下，我们识别出那些负责某些技能（如数学和语言）的大脑网络，并通过应用非侵入性刺激的方法就能对其进行改善。
这不是科幻小说，研究已显示大脑功能得到强化的可喜结果。基于fMRI数据，重复经颅磁刺激(rTMS)——对关键脑区的靶向刺激——已被证明可以改善认知功能：
●工作记忆和回忆
●反应时间和更快地解决冲突●认知控制和一般认知功能●知觉、运动和执行任务处理的速度和准确性，以及技能的快速掌握
虽然这些研究只触及了极小程度的非侵入性脑刺激使用的可能性，但却暗含了无数个值得深入研究的潜在性。
人类的大脑是每个人最宝贵的财富，没有什么比我们的大脑健康和它的积极发展更重要。随着连接组学的数据革命开展，我们正在改变世界上每个人的未来。
