本文由brainnews腦科學世界團隊原創編譯，轉載請聯繫授權。
成像技術越來越多地用於生成大腦結構和功能的高解析度參考圖。將實驗生成的腦圖與這些參考腦圖進行比較有助於跨學科的科學發現。儘管最近的數據共享計劃增加了腦圖的可訪問性，但數據通常在不同的坐標系中共享，從而排除了系統和準確的比較。 近日，Bratislav Misic團隊在最新一期的Nature Methods雜誌上介紹了他們最新的研究成果「neuromaps: structural and functional interpretation of brain maps」。
本研究提出了一個神經圖，這是一個用於訪問、轉換和分析大腦結構和功能注釋的工具箱。neuromaps將開放存取數據與用於標準化和比較腦圖的透明功能相結合，為人腦的全面結構和功能注釋豐富分析提供了系統的工作流程。
成像和記錄技術用於生成人腦的高解析度腦圖，這些腦圖提供了對大腦結構和功能結構的深入了解。此類腦圖越來越多地在NeuroVault或BALSA等開放存儲庫上共享，它們共同提供了中樞神經系統的全面多模式視角。但是，這些數據共享平台僅限於表面或體積數據，且沒有集成標準化的分析工作流程。 作者介紹了一個開放訪問的Python工具箱，neuromaps，以使研究人員能夠系統地共享、轉換和比較腦圖（圖1）。neuromaps軟體工具箱在https://GitHub.com/netneurolab/neuromaps上可用，在PyPi、Zenodo上，它作為Docker容器存在，文檔可以在GitHub頁面上找到（https://netneurolab.github.io/neuromaps）。
圖1.neuromaps工具箱功能
neuromaps數據存儲庫
neuromaps工具箱提供對四個標準坐標系模板的編程訪問：fsaverage、fsLR、CIVET和MNI-152。neuromaps工具箱也提供了對從已發表文獻中獲得的腦圖譜存儲庫的訪問(圖2)。 總的來說，這些腦圖代表了十多年的人類大腦繪圖研究，並含有多種表型，包括基因表達的第一主要成分、36個神經遞質受體PET示蹤圖像、葡萄糖和氧代謝、腦血流量和容量、皮質厚度、T1加權/T2加權MRI比、六個典型MEG頻帶、內在時間尺度、進化擴展、三個發育擴展圖、前10個功能連接梯度、主體間變異性和NeuroSynth衍生的第一個主成分認知激活。該數據存儲庫按標籤組織，可以直接從neuromaps下載。
圖2.來自已發表文獻的腦圖
坐標系之間的變換
基於體積和基於表面的坐標系之間的轉換依賴於配准融合框架（圖3a），而基於表面的坐標系之間的轉換使用多模態表面匹配（MSM）框架（圖3b）。默認情況下，neuromaps返回低解析度圖空間中的腦圖，這確保了neuromaps不會人為地創建上採樣數據。總的來說，neuromaps工具箱實現了坐標系之間的穩健轉換，以促進神經成像工作流程的標準化（圖3c，d）。
圖3.坐標系之間的變換
演示神經圖工具箱
為了展示neuromaps的實用性，作者應用了三個獨立的分析工作流程。首先，作者將neuromaps工具箱應用於皮質變薄的體積圖，該圖源自將來自n = 133名精神分裂症患者的T1加權MRI掃描與來自西北大學精神分裂症數據和軟體的n = 113名對照的T1加權MRI掃描工具（NUSDAST）數據集46（圖4a）。
圖4.使用neuromaps
接下來，作者將相同的分析工作流程應用於基於表面的進化擴展腦圖，該圖表示從獼猴到人類的皮質表面積擴展（圖4b）。最後，作者分析了過去十年（2011-2021年）已發表文獻中的 20 個腦圖樣本，包括兩個微結構、四個代謝、三個功能、四個擴展、六個帶特異性電生理信號功率和一個基因組圖。 然後，使用neuromaps將這些圖從它們的原始表示轉換到由四個標準坐標系中的每一個定義的空間，總共有七種不同的表示（圖2）。最後，作者計算了每個系統中所有地圖之間的成對相關性，並使用空間零模型評估了這些關係的統計顯著性（圖5）。
圖5. neuromaps在20張腦圖中的應用
總 結
本文介紹了一個開源Python包，neuromaps，用於人腦研究。隨著該領域生成新大腦圖的速度不斷增長，作者希望neuromaps能夠為研究人員提供一套標準化的工作流程，以更好地了解這些數據可以告訴我們關於人類大腦的哪些信息。 隨著研究人員採用neuromaps工具箱，用戶可以添加來自新興技術和數據集的注釋。這將使腦圖能夠針對來自不同數據類型和學科的多個規範注釋進行系統的上下文化，從而產生標準化的結果報告，並為後續工作提供靈感。neuromaps是朝著多模式、多尺度神經科學綜合分析邁出的一步。
參考文獻
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
編譯作者：Ayden（brainnews創作團隊）
校審：Simon（brainnews編輯部）
