《Scientific Data》：Brain/MINDS Marmoset Brain Atlas 2.0: Population Cortical Parcellation With Multi-Modal Templates
编辑推荐：
本研究针对单一个体脑图谱易受结构偏差影响的问题，开发了新一代群体基础的狨猴三维数字脑图谱Brain/MINDS Marmoset Brain Atlas 2.0（BMA2.0）。研究团队整合10个髓鞘染色大脑的手动皮层分区，结合改进的皮层下区域和全新小脑分区，构建了包含每半球323个脑区的全脑分区图谱。该图谱提供髓鞘、尼氏、离体T2WI MRI（91例）和在体T2WI MRI（446例）等多模态平均模板，支持皮层平面图和曲面数据，为多模态数据整合、空间分析和比较神经科学研究提供了核心脑空间标准。
在神经科学研究领域，精确的脑图谱如同大脑的“GPS导航系统”，为科研人员定位脑区、解析神经环路提供了不可或缺的坐标框架。对于以非人灵长类动物为模型的研究而言，一张高精度的脑图谱更是探索大脑奥秘的罗盘。常见狨猴（Callithrix jacchus）因其与人类亲缘关系近、体型小、繁殖周期短等优势，已成为神经科学、遗传学和脑疾病研究的重要模型动物。然而，长期以来，研究人员大多依赖基于单一个体大脑构建的图谱，这类图谱虽为早期研究提供了重要参考，却存在明显局限——它们无法有效反映群体中不同个体大脑在大小、形状和解剖结构上的天然差异，这种“以一概全”的方式可能导致研究结果产生偏差，影响科学发现的准确性和可重复性。构建一个能够代表群体特征的“平均化”脑图谱，一直是神经解剖学家们努力追求的“圣杯”。
为了解决这一瓶颈问题，由日本脑科学研究先驱机构RIKEN中心牵头的Brain/MINDS项目团队，在《Scientific Data》上发布了其最新成果——Brain/MINDS狨猴三维数字脑图谱2.0版（BMA2.0）。这项研究旨在克服以往单一个体图谱的局限性，创建一个真正基于群体的、对称的狨猴全脑三维数字图谱。BMA2.0的创新之处在于，它并非基于单个大脑，而是整合了10个经过髓鞘染色的个体大脑的手动皮层分区数据，从而生成了一种广义的皮层分区方案。研究人员将来自先前图谱（BMA2017）中 refined 的156个皮层下区域，与一个全新的、包含45个分区的小脑图谱相结合，最终形成了每半球共计323个脑区的全面全脑分区，这是迄今为止覆盖最为全面的狨猴脑分区图谱。
为了支持多模态数据分析，该图谱包还包含了来自相同个体的、经过配准的平均模板，包括髓鞘和尼氏染色对比，以及离体T2WI MRI（91个个体）和在体T2WI MRI（446个个体）模板。此外，还提供了皮层平面图以及软脑膜表面、皮层中层厚度表面和白质表面数据。BMA2.0为多模态数据整合、空间分析和比较神经科学研究提供了一个中心化的脑空间坐标系统，并提供了标准格式和空间变换，便于与现有工作流程及其他图谱进行交互操作。
关键技术方法概述
本研究的关键技术方法主要围绕多模态数据整合与精确空间配准展开。首先，利用10只成年狨猴的脑组织，通过交替顺序切片（髓鞘-尼氏-示踪剂）获得系列冠状面切片（厚度50μm），并采用NanoZoomer扫描仪进行高分辨率数字化。通过基于人工智能（AI）的图像处理技术提升配准精度，例如使用CycleGAN模型将尼氏染色图像转换为合成髓鞘图像以克服模态间对比度差异，并利用Pix2Pix模型生成皮层边界分割作为配准约束。图像配准核心采用Advanced Normalization Tools (ANTs)，执行2D（组织切片到块状图像）和3D（个体MRI到群体平均模板）的线性和非线性配准。群体平均模板（如离体T2WI MRI，基于eNA91数据集的91个个体）通过ANTs的多元模板构建框架迭代生成，并进行了左/右对称化处理。皮层分区则采用了一种基于流线（streamline）的新方法，利用拉普拉斯方程解在软脑膜和白质边界间定义流线，并根据10个个体（及其镜像对称共20个）的分区数据为每个流线分配最可能的区域标签，从而在标准空间内生成群体基础的皮层分区。
研究结果
1. 多模态模板与图谱构建
研究人员成功构建了BMA2.0标准空间及其包含的多模态平均模板。新的离体T2WI MRI群体平均模板基于91个个体（eNA91数据集），分辨率为100μm各向同性，体积大小为300x360x220像素，采用与Talairach类似的RAS（右-前-上）解剖坐标系。该模板是完全对称的。此外，还构建了基于10个个体的平均髓鞘染色和平均尼氏染色模板，以及基于446个个体的在体T2WI MRI群体平均模板。所有这些模板都共配准到BMA2.0标准空间，为不同成像模态的数据注册和分析提供了便利。
2. 群体基础的皮层结构划分
BMA2.0的核心成果之一是其群体基础的皮层分区。该分区并非简单地将单个大脑的分区映射到平均模板，而是采用了一种基于流线的先进方法来整合10个个体的大脑分区信息。具体而言，研究团队在皮层带（介于白质表面和软脑膜表面之间）内求解拉普拉斯方程，获得从白质边界（设定f=1）到软脑膜边界（设定f=2）的平滑值过渡场。然后，利用从BMA2019扁平图包转换到BMA2.0空间的皮层中厚度表面，生成了大量流线起始点。每条流线沿着拉普拉斯场的梯度方向，分别向白质和软脑膜表面追踪。在流线经过的每一个体素位置，收集所有20个（10个原始+10个镜像）个体分区图谱中对应的区域标签，最终为该流线经过的所有体素分配出现概率最高的标签。这种方法有效地将基于冠状切片的二维分区在三维空间中进行了优化，使其更符合皮层的柱状各向异性（即垂直于皮层层的方向）。最终生成的群体分区在标准空间内定义了每半球117个皮层区域。
3. 皮层下与小脑结构划分
对于皮层下区域，BMA2.0主要基于之前的BMA2017图谱中的分区（156个区域），该图谱由Hashikawa等人基于单个大脑的尼氏染色和超高分辨率离体MRI绘制。通过将BMA2017的尼氏染色大脑配准到BMA2.0平均尼氏模板，并将分区标签变换到BMA2.0空间，再使用皮层掩膜排除皮层区域后，将其整合到BMA2.0分区中。随后，研究团队使用3D Slicer手动编辑了约47个皮层下区域的分区，以改善它们与群体平均模板的对齐情况。对于小脑，BMA2.0进行了全新的、细致的手动分割，最终在每个半球定义了45个明确的小脑皮质区域（小叶），并 refin了4个深部小脑核团（DCN）。小脑小叶的划分主要依据BMA2.0群体平均T2WI MRI模板上可识别的沟裂（如原裂、锥体前裂、外侧后裂），并结合尼氏染色切片进行组织学验证，同时参考了Fujita等人和Larsell经典小脑解剖学著作中的框架。
4. 扁平图与皮层曲面
为了便于可视化和分析，研究团队还将BMA2019的皮层曲面（软脑膜表面、中层表面、白质表面）的顶点坐标通过ANTs变换转换到BMA2.0空间，从而获得了BMA2.0模板形状下的皮层曲面。同时，使用Connectome Workbench将BMA2.0区域标签映射到变换后的曲面和扁平图上，为基于坐标的映射分析提供了便利。
5. interoperability 与数据共享
为了确保BMA2.0与现有资源的兼容性，研究提供了从BMA2.0到其先前版本（BMA2017, BMA2019）以及其他常用狨猴脑图谱（如MBMv2, MBC, SAM, STPT）的前向和后向变换（包括仿射和非线性变形场）。这使得基于这些图谱空间的数据可以方便地映射到BMA2.0空间进行整合分析。此外，还将Liu等人的白质分区映射到了BMA2.0空间，从而在该标准空间内实现了灰质和白质结构的全覆盖。
6. 技术验证与结果评估
研究通过多种方式对图谱的准确性和可靠性进行了验证。（1）配准精度评估：通过计算个体块状图像皮层分割与个体T2WI MRI空间以及BMA2.0模板空间对应分割的Dice相似性系数，证实了配准流程的高精度（平均Dice系数约0.96）。（2）个体分区一致性评估：通过比较10个个体分区与最终群体分区在BMA2.0空间的一致性（平均每区域Dice系数约0.68），以及个体分区两两之间的一致性，表明基于10个个体的分区结果是稳定和具有代表性的。（3）与追踪剂数据的连接组比较：将基于BMA2.0群体平均扩散MRI数据生成的连接矩阵，与Majka等人基于逆行追踪剂注射获得的皮层区间连接矩阵进行对比，发现尽管方法和个体来源不同，两者仍显示出显著的相关性（Pearson r = 0.4605），这验证了BMA2.0连接组的解剖学合理性。（4）功能活动相关性验证：利用静息态功能磁共振成像（rs-fMRI）数据和多元时间序列整体相似性评分（MTESS）进行比较，发现基于BMA2.0解剖分区的ROI（感兴趣区域）其时间序列相似性显著高于基于简单距离K均值聚类（DistKm）生成的ROI，表明BMA2.0的解剖分区具有功能意义。
研究结论与意义
Brain/MINDS狨猴脑图谱BMA2.0的发布，标志着狨猴脑图谱研究进入了一个新的阶段。它通过整合多模态成像数据和群体信息，成功构建了一个更可靠、更具代表性的标准脑空间和全脑分区图谱。该图谱不仅提供了高精度的解剖学参考框架，还通过提供多模态模板和丰富的变换工具，极大地促进了不同研究团队和不同模态数据之间的整合与比较分析。其群体基础的特性能更好地反映生物群体的真实变异，减少了基于单一个体图谱可能带来的偏差。
BMA2.0图谱的意义深远。它为狨猴神经科学研究提供了一个强大的基础设施，将广泛应用于脑连接组学、功能成像、基因表达图谱、疾病模型研究以及跨物种比较等多个领域。例如，研究人员可以更准确地将功能激活点定位到特定的脑区，追踪神经纤维连接的通路，或者比较健康与疾病状态下脑结构的差异。所提供的皮层曲面和扁平图有助于研究大脑皮层的拓扑结构和功能组织。与其它主流狨猴脑图谱的互操作性，则进一步扩大了其应用范围和影响力。
总之，BMA2.0作为一个先进的、多模态的、群体基础的狨猴脑图谱，为深入理解狨猴大脑的结构和功能，并进而推动对人类大脑健康和疾病的认识，提供了不可或缺的工具和宝贵的资源。预计它将在未来神经科学领域产生广泛而重要的影响。
