据中国科学院自动化消息，中国科学院自动化研究所脑网络组研究中心团队最近延续“基于脑连接信息绘制图谱”的思想，绘制出全新的猕猴脑网络组图谱（MacaqueBrainnetomeAtlas,MacBNA），其构建基于高空间和角度分辨率的弥散磁共振成像数据。

据了解，猕猴作为研究人类认知功能机制和模拟人类脑部疾病的理想模型，其在遗传学、生理学和脑结构上与人类高度相似。目前，大量脑科学研究将非人灵长类动物研究作为阐明认知神经基础并促进转化医学的核心来源。因此，一份能够描绘猕猴脑部空间组织架构的全景式脑图谱对于将研究成果从猕猴转化到人类具有重要意义。这样的图谱可以表征不同区域的特征，包括连接性、结构和几何拓扑等，有助于我们理解脑的功能、发育发展和演化。但是，现有的图谱构建主要集中在特定区域的片段化研究，而全面、标准的全脑尺度猕猴脑图谱却一直难以实现。研究人员在过去几十年中尝试创建各种猕猴脑图谱，但多数都仅限于特定层面或特定区域的研究，无法全面揭示脑部组织规律及其功能的多样性。

官方介绍称，MacBNA不仅对脑区进行了合理且精细的分区，还详细描述了每个脑区亚区之间的宏观连接。作为可靠的参考系统，它能够有效地整合多尺度脑图像和多组学信息，从而绘制出多模态跨尺度的猕猴脑图谱。猕猴脑网络组图谱作为一套描绘猕猴脑部空间组织架构的全景式脑图谱将克服现有图谱的诸多缺陷，包括仅针对特定解剖区域、仅有单一模态信息等局限性。同时，基于相同理论与方法绘制的人类和猕猴脑网络组图谱将为从猴脑获得的信息和知识有效地迁移到人脑发挥关键作用。

此外，该研究中的跨模态多尺度数据集还将提供一个开放获取平台，用于解决计算问题，例如建立猕猴数字孪生脑和跨尺度图像配准。研究团队目前正在持续收集数据，以进一步完善猕猴脑网络组图谱，并增加额外的神经示踪和组织切片染色图像。另外，脑网络组图谱绘制思想和方法具有扩展到其他物种进行比较研究的潜力，将在跨物种比较、转化医学和计算建模方面发挥重要作用。