【ZiDongHua 之“自動化學(xué)院派”收錄關(guān)鍵詞：中科院自動化所 腦科學(xué)研究 腦網(wǎng)絡(luò)通訊 生物信息學(xué) 醫(yī)工交叉】

連接組上的配體-受體相互作用：解析腦網(wǎng)絡(luò)通訊的新路徑

人腦如何通過復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)實現(xiàn)高效的信息傳遞與認(rèn)知功能，是腦科學(xué)與網(wǎng)絡(luò)神經(jīng)科學(xué)領(lǐng)域的核心問題。腦是一個高度復(fù)雜的網(wǎng)絡(luò)系統(tǒng)，其功能依賴于不同腦區(qū)之間的結(jié)構(gòu)連接與“配體-受體”等信號分子的協(xié)調(diào)組織。擴散磁共振成像與轉(zhuǎn)錄組學(xué)技術(shù)分別從結(jié)構(gòu)連接層面和信號分子層面為探究腦網(wǎng)絡(luò)通訊提供了重要的數(shù)據(jù)。然而，如何整合這些互補信息以解析復(fù)雜的腦網(wǎng)絡(luò)動態(tài)策略與機制，仍是挑戰(zhàn)性難題。

近日，中國科學(xué)院自動化研究所腦網(wǎng)絡(luò)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(fā)表研究論文，基于最優(yōu)傳輸框架提出了一種解析腦網(wǎng)絡(luò)通訊的新方法——CLRIA(Connectome-constrained Ligand-Receptor Interaction Analysis)。最優(yōu)傳輸是一種數(shù)學(xué)方法，旨在找到將一個分布轉(zhuǎn)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(yīng)用于腦網(wǎng)絡(luò)分析，以不同腦區(qū)中配體和受體的表達水平作為分布，并以神經(jīng)纖維連接作為約束條件，成功整合了大腦結(jié)構(gòu)連接數(shù)據(jù)和基因表達信息。通過這一方法，研究人員構(gòu)建出由“配體-受體”介導(dǎo)的腦區(qū)通訊模式，揭示了連接結(jié)構(gòu)與信號分子的內(nèi)在聯(lián)系，為理解腦網(wǎng)絡(luò)通訊提供了微觀視角。

在腦網(wǎng)絡(luò)中，神經(jīng)纖維束可延伸至不同腦區(qū)，為腦網(wǎng)絡(luò)的高效通訊提供物質(zhì)支持。為了建模連接結(jié)構(gòu)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(dǎo)跨腦區(qū)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(xiàn)對組織中固有信號通路和形態(tài)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(qū)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(yōu)傳輸問題，并引入基于連接組的通訊度量作為轉(zhuǎn)運成本約束，進一步利用非負(fù)張量分解技術(shù)對轉(zhuǎn)運計劃引入低秩約束，由此實現(xiàn)了對大腦網(wǎng)絡(luò)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(shù)據(jù)(HCP)和艾倫人腦圖譜(AHBA)數(shù)據(jù)，發(fā)現(xiàn)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(xiàn)出從低級感知區(qū)域向高級聯(lián)合皮層的方向偏好。這一結(jié)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(lián)系。

研究通過連接組譜密度分析，還發(fā)現(xiàn)了一組與低頻諧波模式密切相關(guān)的配體-受體基因。這些基因在兒童至青少年階段不同模態(tài)腦區(qū)之間的表達差異顯著，表明其可能在大腦發(fā)育過程中發(fā)揮重要作用。此外，研究發(fā)現(xiàn)，CLRIA方法識別出的通訊模式不僅能鑒定出腦狀態(tài)轉(zhuǎn)換過程中的關(guān)鍵腦區(qū)，還能有效解碼這一過程中的關(guān)鍵信號分子。

CLRIA方法與下游分析概述

該研究在全腦尺度上實現(xiàn)了結(jié)構(gòu)連接與分子表達的跨尺度融合，為理解腦網(wǎng)絡(luò)通訊提供了新的計算框架和生物學(xué)見解。CLRIA方法具有較高的通用性，可拓展至病理標(biāo)志物、代謝組數(shù)據(jù)等多模態(tài)分析中，為精神疾病、神經(jīng)退行性疾病的機制研究提供新思路。

中國科學(xué)院人工智能學(xué)院的博士生杜宗昌為該論文第一作者，中國科學(xué)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(chuàng)新2030——“腦科學(xué)與類腦研究”重大項目、國家自然科學(xué)基金和中國博士后科學(xué)基金等項目支持。