Brain-X (交叉脑科学): Volume 2 Issue 2，正式上线！

Brain-X（交叉脑科学）

Volume 2 Issue 2 正式上线

(2024年6月)

本期概况：

第二卷第二期，各类型文章：共上线8篇文章。其中，1篇Methods article，4篇Review，1篇Perspective，以及1篇Letter，1篇Commentary已全都上线。本期文章，涉及的学科包括：信息（人工智能、脑机接口、算法）、医学等。

1.工具篇：基于Python的EEG数据处理手册

几乎所有脑电（electroencephalogram，EEG）初学者都是从 EEGLAB 开始接触脑电预处理过程的，EEGLAB浅显直观的GUI界面以及基于MATLAB的代码操作，影响了一代脑电学者。然而，随着简洁、易上手的Python语言的快速发展，其丰富的社区资源也扩张到了认知神经科学领域。MNE-Python、Nilearn、Nibabel、NeuroRA等相关工具包也层出不穷，让我们有机会开始使用Python来对进行各种神经数据（尤其是EEG）进行分析处理。遗憾的是，它们尚未得到广泛使用。

希望此Python EEG数据处理手册能作为一个桥梁，不仅仅连接过去和未来，也连接初学者与专家、研究者与开发者，来共同推进脑电数据分析的发展。

该手册对应的详细代码可在GitHub查看：英文版：https://github.com/ZitongLu1996/Python-EEG-Handbook；中文版：https://github.com/ZitongLu1996/Python-EEG-Handbook-CN。

https://onlinelibrary.wiley.com/doi/10.1002/brx2.64

本文引用格式：

Zitong Lu, Wanru Li, Lu Nie, Kuangshi Zhao. An easy-to-follow handbook for electroencephalogram data analysis with Python. Brain-X. 2024; 2:e64. https://doi.org/10.1002/brx2.64

1.蒋建新院士/曾灵研究员：脓毒症脑病发病机制、诊断及临床治疗

随着脓毒症研究的不断深入以及临床救治水平的不断提升，脓毒症的病死率呈逐年下降趋势，但由于尚缺乏对脓毒症介导的神经系统损害的有效监测，使得脓毒症相关性脑病(sepsis-associated encephalopathy，SAE)正不断威胁人类健康，引起严重的健康和经济负担，已被列为世界卫生组织（WHO）的卫生重点。SAE的临床表现多种多样，目前尚缺乏统一的诊断标准，科学家们也正在深入研究其诊疗方法和发病机制，以期可以帮助开发新的诊疗方案。

点击图片，可阅读本文详细解读：

目前SAE尚未有特异性的诊断方法，主要是采取排除性诊断，即在确定患者存在颅外感染的情况下，排除了大脑的直接感染、代谢性脑病、多器官功能衰竭、栓塞、药物不良反应等情况后，结合患者的临床症状和辅助检查等来进行SAE的诊断。同时，目前SAE尚无特效治疗方法，以治疗原发疾病为主。所有具有脓毒症风险的患者都应进行SAE的筛查，通过早发现、早诊断、早治疗基础脓毒症，预防SAE 的发生。目前唯一的注册临床研究是“右美托咪定辅助镇静用于预防重度炎症和脓毒症相关性脑病” ，由于研究仍在进行中，临床数据尚未披露。其余如褪黑素治疗、粪菌移植、抗氧化应激治疗等研究目前均尚未应用于临床，但这些发现为临床和动物研究提供了新的思路和方法。

https://onlinelibrary.wiley.com/doi/full/10.1002/brx2.67

Rui Wang, Wanda Bi, Siyuan Huang, Qiuju Han, Jin Deng, Zhen Wang, Ling Zeng, Jianxin Jiang. Recent advances in the pathogenesis, diagnosis, and treatment of sepsis-associated encephalopathy. Brain-X. 2024; 2:e67. https://doi.org/10.1002/brx2.67

该文章综述了SARS-CoV-2进入中枢神经系统的途径，包括沿颅神经（如嗅神经、视神经、三叉神经和迷走神经）的逆行转运传播，以及血液传输和沿淋巴系统传输。同时，文章总结了COVID-19相关CI的临床和影像学证据，包括磁共振成像和18 F-氟脱氧葡萄糖正电子发射断层扫描计算机断层扫描，强调了临床和基础研究的进展、局限性、趋势和潜在的挑战。值得注意的是，COVID-19相关CI的病理机制是多方面的，主要包括非免疫效应，如病毒蛋白、组织缺氧、高凝状态和神经元细胞的病理变化，以及免疫效应，如小胶质细胞和星形胶质细胞活化、外周免疫细胞浸润、血脑屏障损伤、细胞因子网络失调和肠道微生物群。

然而，COVID-19相关CI的病理机制尚不完全清楚。神经炎症可能是一个交叉点和目标，而与缺氧相关的脑部病理可能是其主要触发因素。有效治疗CI需要采取多种措施：第一，必须彻底研究促成CI的各种机制，包括开发成像技术以准确表征细胞和系统水平的分子事件，重点关注长新冠患者的脑成像数据，以揭示脑内的病理机制。第二，需要更敏感的认知测试来证明脑损伤是如何随着时间的推移而演变的，并确定与不同机制相对应的神经保护干预目标。第三，必须针对不同病变严重程度和不同CI表现的患者确定最佳的神经保护干预策略组合，以实现精准治疗。尽管如此，COVID-19是一种相对较新的疾病，神经系统的病理或疾病过程相对缓慢。因此，其对神经系统或认知的影响需要更长期的观察，特别是与长新冠的关系。

https://onlinelibrary.wiley.com/doi/full/10.1002/brx2.58

Haodong Pan, Jingyan Niu, Lin Feng, Yue Yin, Chun Dang, Yaoheng Lu, Lei Li, Jianguang Ji, Kuikun Yang, Lihua Wang, Qian Li. COVID-19 and cognitive impairment: From evidence to SARS-CoV-2 mechanism. Brain-X. 2024; 2:e58. https://doi.org/10.1002/brx2.58

3.大规模植入式脑机接口信号采集电极与芯片

脑机接口通过在大脑和外部设备之间建立直接连接通路，在脑科学、脑疾病临床诊治和脑机交互研究中都发挥着重要作用。脑机接口电极和芯片作为神经信号采集和处理的核心部件，从根本上决定着脑机接口系统的性能。近年来，国内外学者在植入式电极和芯片方面做了大量研究，以增加通道的数量和记录电极和芯片的性能，实现了百导、千导至万导的跨越式发展。然而，用于神经记录的高密度记录电极和芯片的发展遵循神经科学中的“摩尔定律”：即同时记录的神经元数量大约每七年翻一番，但面对大脑近千亿神经元的巨大规模，神经工具的开发仍然步伐缓慢，限制了其在脑科学研究方面的应用。因此，植入式高密度脑机接口信号采集电极和芯片是未来脑机接口发展的重要方向，有望为复杂神经环路研究和脑疾病的精准调控开辟新技术路径。

点击图片，可阅读本文详细解读：

近期，上海交通大学刘景全教授、赵阳副研究员和西北工业大学吉博文副教授团队在Brain-X（交叉脑科学）以“High-density implantable neural electrodes and chips for massive neural recordings”为题发表综述论文（同时作为第二卷第二期的封面文章），回顾了植入式高密度脑机接口电极在设计实现、封装策略和神经信号高产率等方面的技术研究进展；讨论用于大规模信号采集脑机接口芯片的低噪声、高面积效率、低功耗等方面的技术进步；并对下一代高密度神经记录新兴技术的挑战和突破进行展望。本文第一作者为上海交通大学博士后王隆春、博士研究生索研星和西北工业大学本科生王家豪。

首先，本文综述了当前用于大规模神经记录的植入式高密度脑机接口电极和芯片的技术特点和研究现状。在脑机接口电极方面，系统阐述了不同类型脑机接口器件的设计和制备方案，以及在高密度路径上的技术和挑战，进一步介绍高密度微电极点的可靠扇出和封装策略，高密度脑机接口器件的稳定性和神经信号高产率提高的实现方法。在脑机接口芯片方面，深入分析了用于读出电路的模拟前端(AFE)设计的原理和结构，详细介绍在降低噪声、提升输入阻抗和减少通道串扰等方面的前端电路设计技术，讨论如何在受限的芯片面积下，实现细胞级分辨率，从而有效提高神经信号的记录精度，特别是在不同电路设计策略下对噪声抑制和信号质量提升的影响进行了系统小结。

植入式高密度脑机接口电极与芯片发展路线图

其次，本文对全脑单细胞尺度的高时空分辨率在体记录的挑战进行了分析，包括：微小化且高亲和性植入体、记录通道提升带来数据量传输及处理难题、电极和芯片的耐蚀稳定连接键合、高气密性长期服役脑机接口微型化系统等，并提出基于多学科知识交叉联合，深入脑机接口电极和芯片的理论和技术协同共进，为下一代更高密度神经记录和调控工具实现提供指导和启示。

https://onlinelibrary.wiley.com/doi/full/10.1002/brx2.65

Longchun Wang, Yanxing Suo, Jiahao Wang, Xuanqi Wang, Kai Xue, Jingjing An, Xun Sun, Qinyu Chen, Xiaochen Tang, Yang Zhao, Bowen Ji, Jingquan Liu. High-density implantable neural electrodes and chips for massive neural recordings. Brain-X. 2024; 2:e65. https://doi.org/10.1002/brx2.65

4.加拿大工程院杨春生院士/哈工程姚晓辉：Transformer在神经科(病)学、精神病学中的应用

Transformer模型作为一种先进的序列数据分析架构，因其具有强大的序列建模功能，能够敏锐地捕获生物医学数据中普遍存在的复杂时空关系和远程依赖性，这一点对于理解大脑不同区域间的复杂互动尤为关键。随着高通量生物医学数据采集技术的迅速发展，Transformer模型已被广泛应用于探索和治疗各种神经和精神疾病，例如阿尔茨海默病（AD）和帕金森病（PD）等，展现了Transformer模型在脑科学领域的科学研究和临床应用中的极大潜力，为探索和应对复杂的神经科学现象开辟了新的技术途径。

近期，由哈尔滨工程大学姚晓辉课题组，联合加拿大工程院杨春生院士、哈尔滨医科大学附属肿瘤医院周洋教授和北京大学王征研究员在Brain-X（交叉脑科学）发表了题为“Comprehensive review of Transformer‐based models in neuroscience, neurology, and psychiatry”的综述论文。

点击图片，可阅读本文详细解读：

文章全面探讨了Transformer模型在神经科学、神经病学和精神病学领域的设计和应用。文中详细介绍了这些模型如何适应并处理多种复杂数据类型，从而有效提高疾病诊断的准确性。此外，文章还展示了Transformer模型在生物标志物的挖掘、神经解码、研究脑功能机制、疾病预后评估以及病变定位等方面的应用，充分证明了其在医学研究和临床应用中的广泛潜力。

该文章中具有启发式的讨论为从事相关研究领域的科学家、临床医生及专业人士从不同的角度提供了宝贵的参考，并为Transformer模型在智能医疗领域的未来发展和应用提供了指导和启示。

https://onlinelibrary.wiley.com/doi/full/10.1002/brx2.57

Shan Cong, Hang Wang, Yang Zhou, Zheng Wang, Xiaohui Yao, Chunsheng Yang. Comprehensive review of Transformer-based models in neuroscience, neurology, and psychiatry. Brain-X. 2024; 2:e57. https://doi.org/10.1002/brx2.57

Perspective

展望：神经多样性在大脑与行为科学中的重要性

近年来，神经多样性（Neurodiversity）备受关注，这一概念最初源自20世纪90年代的自闭症，随后其涵盖范围逐渐扩大，涵盖了诸如注意力缺陷多动障碍（ADHD）、阅读障碍（dyslexia）和图雷特综合征（Tourette syndrome）等广泛的神经认知差异。在传统病理学范式中，人们往往认为存在一种或一类“标准”的人类大脑或心智模式，而任何不符合这一模式的特征都被视为异常或疾病。然而，神经多样性的提出，无疑为这一传统观念带来了深刻的“范式转换”。它倡导从“病理学范式”转向“神经多样性范式”，这一转变不仅让人们更全面地理解了人类多样性和个体差异，还为其提供了更好地支持神经多样性个体的新视角。

6月25日，来自英国兰卡斯特大学的Yinghui Xia，Jonathan Vincent和阿姆斯特丹自由大学的Peng Wang博士及其研究团队在Brain-X（交叉脑科学）发表了题为“Why we need neurodiversity in brain and behavioral sciences”的Perspective文章。在本文中，研究人员明确主张在脑科学和行为科学领域内，神经多样性范式应成为研究的基本框架。他们通过批判性地审视当前的治疗模式，呼吁神经科学研究和实践中的范式转变。文章强调，神经多样性应被视为认知科学的基石，而不是被忽视或边缘化的部分。研究人员提出了一个前瞻性的愿景，即未来的研究方法和社会规范应重新调整，将神经多样性个体视为宝贵的贡献者，而非需要标准化的对象。这样的转变将促进对人类认知更全面、更包容的理解，进而推动社会的进步和发展。

点击图片，可阅读本文详细解读：

总而言之，本文中，研究人员坚定地提出了神经多样性范式作为大脑和行为科学核心框架的必要性。他们挑战了传统以缺陷为焦点的医学模式，转而主张将神经认知差异——涵盖自闭症、多动症、阅读障碍、精神分裂症和躁郁症等——视为人类多样性的自然展现。同时，研究人员呼吁学术界和实践界共同转向，重视神经多样性个体的独特优势及其对社会的贡献，并推动构建一个更具包容性和同理心的环境。他们批评了将认知差异过度病理化的倾向，并主张重新审视治疗目标，以更全面地理解神经多样性。他们强调，以治疗为中心的研究应当注重其社会伦理影响，并倡导全社会重视神经多样性个体在创新和解决问题方面的巨大潜力。最终，研究人员呼吁全社会采取综合方法，在研究、政策制定和社会态度上全面肯定神经多样性，共同营造一种环境，让每一种认知功能都成为推动人类进步不可或缺的力量。

https://onlinelibrary.wiley.com/doi/full/10.1002/brx2.70

Yinghui Xia, Peng Wang, Jonathan Vincent. Why we need neurodiversity in brain and behavioral sciences. Brain-X. 2024; 2:e70. https://doi.org/10.1002/brx2.70

Commentary

预测帕金森病患病风险的一种潜在理想标志物

2024年6月24日，汕头医科大学第一附属医院神经科赖敏超联合广东以色列理工学院郭克迎、天津大学医学工程与转化医学研究院黄永志、北京大学第六医院袁俊亮等学者在交叉脑科学刊物Brain-X上发表了题为“The L1CAM-positive extracellular vesicle-based biomarker as a promising predictor of Parkinson's disease”的commentary，对JAMA Neurology发表的“Neuronally Derived Extracellular Vesicle α-Synuclein as a Serum Biomarker for Individuals at Risk of Developing Parkinson Disease”进行了评述。

点击图片，可阅读本文详细解读：

帕金森病（Parkinson’s disease, PD）是全球第二常见的神经退行性疾病，通常经历较长的前驱期才发展为帕金森运动症状。因此，开发可靠的生物标志物在疾病发展的早期阶段准确识别潜在患者，已成为该领域的研究焦点之一。研究团队发现，在那些具有较高患帕金森病风险的个体的神经元外囊泡中，其α-Synuclein的水平是健康人的两倍，而该测试能够准确地将这些高风险人群与低风险人群（患病概率低于5%）或健康对照组区分，准确率达到了90%。

这种血液测试方法结合目前有限的临床评估，将有助于筛查和识别那些有高风险患病的个体。在进一步的分析中，该测试还可以识别那些在脑部影像检测到神经退化或在脑脊液中检测到病理但尚未出现运动障碍或痴呆症状的个体。在人口老龄化，帕金森病患者日渐增多的背景下，帕金森病迫切需要一个类似于用于常见癌症的筛查手段，而该研究为大规模的帕金森病筛查测试奠定了坚实的基础。

https://onlinelibrary.wiley.com/doi/10.1002/brx2.66

Minchao Lai, Keying Guo, Yongzhi Huang, Dian Wang, Yanhong Duo, Junliang Yuan, Bowen Shu. The L1CAM-positive extracellular vesicle-based biomarker as a promising predictor of Parkinson's disease. Brain-X. 2024; 2:e66. https://doi.org/10.1002/brx2.66

投稿指南链接：

https://onlinelibrary.wiley.com/page/journal/28353153/homepage/author-guidelines

微信版投稿指南：Brain-X (交叉脑科学)，欢迎投稿！

欢迎交叉脑科学领域同行投稿！