Brain-X (交叉脑科学): Volume 2 Issue 1，正式上线！

Brain-X（交叉脑科学）

Volume 2 Issue 1 正式上线

(2024年3月)

本期概况：

本期封面：第二卷第一期的封面，突破第一卷的界限，虽然仍旧是以Brain为中心，但突出的是人工智能背景下的交叉融合：人工智能与脑机交互(脑机接口、信息科学、材料科学)、光遗传学（物理科学、生命医学），意喻与脑科学相关的交叉科学领域。

1.中山大学金红军/暨南大学王璐：新型示踪剂在阿尔茨海默病PET成像中的潜力

阿尔茨海默病（Alzheimer's disease, AD）是全球老龄化社会面临的重大健康挑战，其特点是进行性认知功能衰退，包括记忆、思维、行为和社会技能的逐渐恶化。AD的病理特征包括脑内β-淀粉样蛋白（Aβ）的沉积和神经纤维缠结（tau蛋白）的形成。神经炎症一直被认为是AD上述两个核心病理的关键致病因素之，但神经炎症病理变化与认知功能衰退之间的关系尚不完全清楚。P2X7受体（P2X7R）作为神经炎症的生物标志物，其在AD模型以及病人中的表达水平上升，与小胶质细胞和星形胶质细胞的活化密切相关，然而现有的11C探针应用受限，18F标记探针产率低，稳定性不佳。

中山大学金红军课题组/暨南大学王璐课题组于2024年3月22日在Brain-X（交叉脑科学）发表了题为“Positron emission tomography imaging of the P2X7 receptor with a novel tracer, [18F]GSK1482160, in a transgenic mouse model of Alzheimer's disease and healthy non-human primates”的研究成果显示，[18F]GSK1482160这一新型示踪剂在AD的正电子发射断层扫描（PET）成像中展现出巨大潜力。

点击图片，可阅读本文详细解读：

本研究利用[18F]GSK1482160对AD转基因小鼠模型和健康非人灵长类动物进行了PET-CT-MRI扫描和定量分析。通过时间-活度曲线（TAC）、标准化摄取值比率（SUVR），再结合药物体内代谢动力学分析（BP，DVR）等定量方法，评估了P2X7R的表达测量与认知损伤之间的关联性。研究结果表明，AD小鼠在海马体、皮层和纹状体等脑区的DVR显著高于野生型（WT）小鼠，且与Morris水迷宫（MWM）认知功能测试结果相关，表明这些脑区的神经炎症对认知功能损害更为剧烈（图1）。该研究不仅证实了[18F]GSK1482160在AD小鼠模型中的有效性，还在健康非人灵长类动物中验证了其通过血脑屏障的能力，为将来的人体研究奠定了基础。这一发现为AD的早期诊断和治疗评估提供了新的工具，有望改善目前AD诊断和治疗的局限性。

本文链接：

https://onlinelibrary.wiley.com/doi/full/10.1002/brx2.55

本文引用格式：

Qiu Y, Bi L, Huang G, et al. Positron emission tomography imaging of the P2X7 receptor with a novel tracer, [18F]GSK1482160, in a transgenic mouse model of Alzheimer's disease and healthy non-human primates. Brain-X. 2024; 2:e55. https://doi.org/10.1002/brx2.55

2.无创脑机接口，可实现脑控"刹车"

据统计，全世界每年因交通事故导致死亡的人数约有135万人次，间接引发的非致命伤害人数甚至可达2000-5000万人，诸多国家每年花费约3%的国内生产总值用于处理车辆运动带来的道路交通事故（RTAs）。如果能够精准预测驾驶员刹车意图，那么智能辅助驾驶系统（Intelligent Assisted Driving System, IADS）就能帮助驾驶员提前制动车辆，从而提高驾驶安全。脑电图（EEG）信号已经在处理RTAs方面取得了重大进展，但其仍存在准确率和响应时间的辩证折中局限。

来自上海脑科学与类脑研究中心、西北工业大学、北京理工大学与韩国浦项科技大学的研究人员，针对将基于非侵入式脑电和肌电信号的混合脑机接口技术，应用于正常驾驶和软刹车的复杂情境下驾驶员紧急刹车的意图解码展开了相关研究，在Brain-X（交叉脑科学）以“Synchronous hybrid brain-computer interfaces for recognizing emergency braking intention”为题发表研究论文。

上海脑科学与类脑研究中心副研究员琚佳伟为本文第一作者，西北工业大学软件学院副教授李鸿岐为本文通讯作者，文章研究得到了西北工业大学医学与实验动物委员会的伦理审查批准。

文章分别在特征层面和分类层面，提出了4种同步脑电信号和肌电信号的混合脑机接口策略，从驾驶员脑电与肌电信号处理后的选择特征融合、分类结果单独决策与贝叶斯融合判断等角度，实现了车辆高速行驶（108~120 Km/h）时驾驶员正常驾驶、软刹车、紧急刹车时刹车意图的检测。

该研究为构建基于驾驶员紧急驾驶意图预测的智能辅助驾驶系统提供了技术支撑，从而可实现高速复杂场景中驾驶员紧急驾驶行为的预测，提高驾驶的安全性。此外，该研究对进一步构建智能辅助驾驶系统、解决现有自动驾驶在紧急状况下的人机交互研究具有重要指导意义。

本文链接：

https://onlinelibrary.wiley.com/doi/full/10.1002/brx2.56

本文引用格式：

Jiawei Ju, Aberham Genetu Feleke, Hongqi Li, Haiyang Li. Synchronous hybrid brain–computer interfaces for recognizing emergency braking intention. Brain-X. 2023; 2:e56. https://doi.org/10.1002/brx2.56.

随着全球老龄化人口的增加，神经退行性疾病（NDs）如阿尔茨海默病、帕金森病、亨廷顿病和肌萎缩侧索硬化症的全球患病率正在上升，这些疾病的共同特征是大脑和周围器官中神经元的逐渐丧失，导致运动和认知功能障碍。迄今为止，很少有有效的疗法能够预防或延缓NDs的进展，但有趣的是，越来越多的研究发现，糖尿病药物在治疗这些疾病中显示出意想不到的潜力。

来自浙江大学医学院的胡丽丹青年研究员团队，在国家卫计委突出贡献中青年专家、浙江大学医学院附属儿童医院党委书记、浙江大学医学院儿科学院院长舒强教授和浙江大学医学院转化医学院的李学坤教授的带领下展开研究，在Brain-X（交叉脑科学）以“Prospects of antidiabetic drugs in the treatment of neurodegenerative disease”为题发表综述论文，针对目前糖尿病药物与NDs相关的代表性研究，总结了其发现、面临的关键问题和未来发展方向。

点击图片，可阅读本文详细解读：

本综述不仅让我们看到了在神经退行性疾病治疗领域内潜在的、创新的治疗方法，为我们打开了一扇窗，也强调了跨学科研究在未来医学发展中的重要性。让我们期待科学家们能够在这一领域取得更多的突破，为患者带来希望。

本文链接：

https://onlinelibrary.wiley.com/doi/full/10.1002/brx2.52

本文引用格式：

1.网络分析，在脑科学研究中的应用潜力

网络分析，是一种根植于图论和复杂系统的跨学科方法，可推进人们对于大脑复杂结构及其对行为、认知和心理健康影响的理解。然而，当前在脑科学中应用网络分析的程度较低，因此提高意识和开展基于网络分析研究以充分实现其对行为和大脑研究的转变潜力是至关重要的。

近期Nature Mental Health 发表了题为“A transdiagnostic network analysis of motivation and pleasure, expressivity and social functioning”的文章。与此同时，为更好地理解网络分析在脑科学领域的应用，Brain-X（交叉脑科学）以“Network insights: transforming brain science and mental health through innovative analysis”为题，对该项研究开展了相关评述。

点击图片，可阅读本文详细解读：

基于先前研究，本文总结出网络分析具有以下应用前景：首先，网络分析可诊断和理解脑部疾病。网络分析在识别与各种神经系统和精神疾病相关的特定脑部连接模式方面至关重要。这可以增进对阿尔茨海默病、精神分裂症、自闭症和抑郁症等疾病的理解和准确诊断。其次，定制个性化治疗方案。引入时间变量可以分析个体内部脑网络。对个体内部脑网络如何导致或参与某些行为的深入了解，可以使治疗针对神经系统和精神疾病进行定制，从而实现更有效的疗法并改善患者结果。再者，在大脑-计算机接口（BCIs）的背景下进行网络分析涉及研究大脑不同区域之间复杂的连接和相互作用。这有助于阐明与特定思想或意图相关的神经信号如何产生和相互连接。通过分析网络模式，研究人员可以识别并控制BCIs最相关的信号，从而实现更准确和高效的系统。最后，预测性分析用于早期干预。预测性分析在早期干预中的作用至关重要，特别是因为包含预后因素可以增强其实用性。通过预测神经系统疾病的发作时间以及它们潜在的发展轨迹，网络分析和时间变化的矢量自回归模型的结合可以提供更个性化和有效的干预策略，潜在地在这些疾病完全显现之前改变它们的进程。综上所述，网络分析在脑科学领域研究中具有巨大潜力。

本文链接：

https://onlinelibrary.wiley.com/doi/full/10.1002/brx2.53

本文引用格式：

Peng Wang, Lulu Cheng. Network insights: transforming brain science and mental health through innovative analysis. Brain-X. 2023; 2:e53. https://doi.org/10.1002/brx2.53

2.人工智能（AI）背景下，类脑智能驱动的科学研究

时下人工智能（AI）正在不断演变，也在渗透到各个不同的领域中：我们正在见证从传统AI模型向类脑AI的范式转变，即将拥抱属于类脑AI的科学研究新纪元。这种新型AI模仿生物神经系统的结构和功能，利用神经形态计算、稀疏编码和生物学上可信的学习范式，为科学研究提供了全新的方法论。这是科学研究的新篇章，AI的深度学习和自监督学习能力不仅可以增强人类智慧，而且正在重塑我们探索世界的方式。

尽管类脑AI为科学研究带来了新的视野，但它也带来了数据质量、模型可解释性等挑战。基于此，Brain-X 期刊发表了题为“Brain-inspired intelligence-driven scientific research” 的展望文章深刻讨论了这些问题。上海大学白龙副研究员为第一作者，上海大学苏佳灿教授为通讯作者。

点击图片，可阅读本文详细解读：

文章指出，高质量的脑科学数据集对于AI的有效性至关重要，但在面对科学数据的多样性和复杂性时，获取和维护这样的数据集是一个挑战。且随着AI工具的复杂性增加，如何确保其决策过程的透明度和可解释性成为关键，尤其是在临床决策和政策制定等关键领域。脑科学领域的科学家们应该与AI专家合作，充分利用AI的潜力，并共同探讨包括处理偏见、确保隐私保护和防止AI滥用等伦理问题，这些都将是负责任地应用AI的必要条件。尽管存在挑战，但通过克服这些障碍，类脑AI在科学研究中的应用将实现其革命性的潜力，为人类知识和发现开辟新时代！

本文链接：

https://onlinelibrary.wiley.com/doi/10.1002/brx2.54

Long Bai, Jiacan Su. Brain-inspired intelligence-driven scientific research. Brain-X. 2024; 2:e54. https://doi.org/10.1002/brx2.54

投稿指南链接：

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

点击可阅读微信版投稿指南：Brain-X (交叉脑科学)投稿指南！