本文由brainnews脑科学世界团队原创编译，转载请联系授权。
成像技术越来越多地用于生成大脑结构和功能的高分辨率参考图。将实验生成的脑图与这些参考脑图进行比较有助于跨学科的科学发现。尽管最近的数据共享计划增加了脑图的可访问性，但数据通常在不同的坐标系中共享，从而排除了系统和准确的比较。 近日，Bratislav Misic团队在最新一期的Nature Methods杂志上介绍了他们最新的研究成果“neuromaps: structural and functional interpretation of brain maps”。
本研究提出了一个神经图，这是一个用于访问、转换和分析大脑结构和功能注释的工具箱。neuromaps将开放存取数据与用于标准化和比较脑图的透明功能相结合，为人脑的全面结构和功能注释丰富分析提供了系统的工作流程。
成像和记录技术用于生成人脑的高分辨率脑图，这些脑图提供了对大脑结构和功能结构的深入了解。此类脑图越来越多地在NeuroVault或BALSA等开放存储库上共享，它们共同提供了中枢神经系统的全面多模式视角。但是，这些数据共享平台仅限于表面或体积数据，且没有集成标准化的分析工作流程。 作者介绍了一个开放访问的Python工具箱，neuromaps，以使研究人员能够系统地共享、转换和比较脑图（图1）。neuromaps软件工具箱在https://GitHub.com/netneurolab/neuromaps上可用，在PyPi、Zenodo上，它作为Docker容器存在，文档可以在GitHub页面上找到（https://netneurolab.github.io/neuromaps）。
图1.neuromaps工具箱功能
neuromaps数据存储库
neuromaps工具箱提供对四个标准坐标系模板的编程访问：fsaverage、fsLR、CIVET和MNI-152。neuromaps工具箱也提供了对从已发表文献中获得的脑图谱存储库的访问(图2)。 总的来说，这些脑图代表了十多年的人类大脑绘图研究，并含有多种表型，包括基因表达的第一主要成分、36个神经递质受体PET示踪图像、葡萄糖和氧代谢、脑血流量和容量、皮质厚度、T1加权/T2加权MRI比、六个典型MEG频带、内在时间尺度、进化扩展、三个发育扩展图、前10个功能连接梯度、主体间变异性和NeuroSynth衍生的第一个主成分认知激活。该数据存储库按标签组织，可以直接从neuromaps下载。
图2.来自已发表文献的脑图
坐标系之间的变换
基于体积和基于表面的坐标系之间的转换依赖于配准融合框架（图3a），而基于表面的坐标系之间的转换使用多模态表面匹配（MSM）框架（图3b）。默认情况下，neuromaps返回低分辨率图空间中的脑图，这确保了neuromaps不会人为地创建上采样数据。总的来说，neuromaps工具箱实现了坐标系之间的稳健转换，以促进神经成像工作流程的标准化（图3c，d）。
图3.坐标系之间的变换
演示神经图工具箱
为了展示neuromaps的实用性，作者应用了三个独立的分析工作流程。首先，作者将neuromaps工具箱应用于皮质变薄的体积图，该图源自将来自n = 133名精神分裂症患者的T1加权MRI扫描与来自西北大学精神分裂症数据和软件的n = 113名对照的T1加权MRI扫描工具（NUSDAST）数据集46（图4a）。
图4.使用neuromaps
接下来，作者将相同的分析工作流程应用于基于表面的进化扩展脑图，该图表示从猕猴到人类的皮质表面积扩展（图4b）。最后，作者分析了过去十年（2011-2021年）已发表文献中的 20 个脑图样本，包括两个微结构、四个代谢、三个功能、四个扩展、六个带特异性电生理信号功率和一个基因组图。 然后，使用neuromaps将这些图从它们的原始表示转换到由四个标准坐标系中的每一个定义的空间，总共有七种不同的表示（图2）。最后，作者计算了每个系统中所有地图之间的成对相关性，并使用空间零模型评估了这些关系的统计显着性（图5）。
图5. neuromaps在20张脑图中的应用
总 结
本文介绍了一个开源Python包，neuromaps，用于人脑研究。随着该领域生成新大脑图的速度不断增长，作者希望neuromaps能够为研究人员提供一套标准化的工作流程，以更好地了解这些数据可以告诉我们关于人类大脑的哪些信息。 随着研究人员采用neuromaps工具箱，用户可以添加来自新兴技术和数据集的注释。这将使脑图能够针对来自不同数据类型和学科的多个规范注释进行系统的上下文化，从而产生标准化的结果报告，并为后续工作提供灵感。neuromaps是朝着多模式、多尺度神经科学综合分析迈出的一步。
参考文献
Markello, R.D., Hansen, J.Y., Liu, ZQ. et al. neuromaps: structural and functional interpretation of brain maps. Nat Methods (2022). https://doi.org/10.1038/s41592-022-01625-w
编译作者：Ayden（brainnews创作团队）
校审：Simon（brainnews编辑部）
