复旦大学冯建峰教授领衔国际合作研究首次精准定位抑郁症脑功能异常区域

近日,复旦大学类脑智能科学与技术研究院院长冯建峰教授领衔来自英国华威大学、牛津大学、西南大学等研究人员组成的国际合作团队,在《脑》(Brain)杂志上发表题为《内侧奖赏与外侧非奖赏功能相关的眶额皮层在抑郁症中的异常模式》(“Medial reward and lateral non-reward orbitofrontal cortex circuits change in opposite directions in depression”)的文章。研究结果发现,与抑郁症显著关联的区域位于大脑眶额皮层,该区域中涉及奖赏以及非奖赏功能的脑区呈现相反的异常模式。这项研究成果首次精准定位抑郁症患者脑功能异常区域,极有可能为目前抑郁症的治疗带来革命性的突破。

据冯建峰介绍,该研究团队通过联合国内外多家研究机构,采集了目前世界上最大的抑郁症静息态脑影像数据,开展了长达数年为“抑郁症寻根”的国际联合攻关。该项研究发现,抑郁症能够影响部分非奖赏功能相关的脑区——外侧眶额皮层,并且这些区域与自我功能相关的脑区连接增强。这一发现将有助于帮助我们理解为什么抑郁症病人会经常有失落和沮丧的情绪以及强烈的个人挫败感。同时,抑郁症患者与奖赏相关的功能脑区——内侧眶额皮层,与负责记忆的脑区连接减弱。这一连接的减弱有可能影响患者对愉悦记忆的储存与提取。该研究首次精确定位了抑郁症异常功能脑区,有助于更深入地了解抑郁症的病理机制,为当前抑郁症临床治疗技术如精神药物疗法以及认知行为疗法等带来新的变革。

该研究成果被《科学世界报道》(Science World Report)、《全球新闻》(Global News)、 《今日心理学》(Psychology Today)等海外几十家媒体予以焦点报道。美国科学促进会(AAAS)主办的权威网站EureKAIert以“揭示抑郁症大脑致病根源,为新的治疗手段提供思路”为题,对这一研究进行了报道。《今日心理学》认为,“该研究是一项突破性进展,为抑郁症治疗找到了病根”。来自英国的一位病患在看到媒体文章报道后专门来信致谢。

冯建峰领导的这支国际合作团队,长期致力于发展脑影像的统计分析方法,寻找精神疾病的致病机制。该团队提出的全脑关联分析方法(BWAS),实现了包括自闭症,精神分裂症等常见精神疾病的病根定位,相关研究成果已陆续发表在国际知名期刊Brain、NPJ Schizophrenia上,多次被选为编辑推荐论文和封面文章。未来,该研究团队还将发起国际脑科学数据字典合作计划,与世界最大的多尺度数据库ADNI, IMAGEN, IMAGEMEND, BIOBANK开展数据共享,建立重大脑疾病多模态多尺度数据(遗传、神经、影像、行为和环境等)国际标准化采集规范。“我们正在利用全维度、多中心的生物大数据,发展一系列新型智能算法,期望在脑重大疾病寻根中,取得更大的突破,为人类造福。”


研究院团队研究揭示抑郁病人不同的憎恨机制

2016年10月,研究院团队在世界著名的学术期刊Nature的子刊《分子精神病学Molecular Psychiatry》上发表题为《Depression Uncouples Brain Hate Circuit》的文章,该研究发现抑郁症可能与“憎恨”脑网络的消失有关,并可能由此导致抑郁症患者难以控制对自己或他人的负面情绪,这一发现或许能够为抑郁症患者的治疗提供新的靶点;而其发展的对功能性核磁共振(MFI)数据研究的新方法亦将为抑郁症的早期诊断和治疗提供有益的帮助,并为进一步揭示其他脑疾病中脑功能连接网络的异常奠定一定的基础。

大脑中的“憎恨”网络由额上回、杏仁核、壳核等区域组成。当人们看到自己厌恶或者有强烈感情的人或事物时,这些脑区即会被激活。研究院院长、2011年英国皇家学会沃弗森研究功勋奖获得者冯建峰教授及其领衔的研究团队发现,抑郁症患者大脑中与“憎恨”相关联的功能连接网络存在消失的现象。

冯建峰介绍,该研究由自己带领的研究院、英国华威大学、湘雅医学院与剑桥巴布拉罕姆研究所的研究团队联合开展。通过建立健康人大脑的功能连接模板,并将其与15位首发抑郁症患者和24位难治性抑郁症患者的脑功能网络进行比较,研究人员检测到了抑郁症患者大脑功能连接网络的变化,包括“憎恨”网络的消失,以及涉及危机反应、情感、注意力、记忆力等功能网络的变化。

冯建峰认为,这一发现也有其社会意义:社会中的个体恰当、适度地宣泄其负面“憎恨”的情绪,有助于其心理及精神的调节;或者说,“爱憎分明”的人群患抑郁症的概率可能会低于不易产生“憎恨”情绪的人群。

据英国著名的医学杂志《柳叶刀》在我国四省市进行的抽样调查显示,高达17.5%的人群存在各种各样的精神障碍,比如心理焦虑、抑郁症等。在国外,抑郁症已成为仅次于艾滋病的第二大经济负担,对抑郁症患者的关注和干预显得日益重要。


研究院团队发现母乳喂养的母亲群体中分泌的“信任”荷尔蒙

冯建峰教授及其团队在《PLoS Computational Biology》杂志发表关于母乳喂养的信任线索激素的科研成果,该成果发现为了响应婴儿的哺乳请求,母亲的大脑神经末梢开始释放催产素。但令人惊讶的催产素也可以由树突释放,其作用通常是接收信号而不是发送信号。

利用数学模型,研究人员指出,这些由树突释放的催产素可以增强神经元之间的协作能力,为生产更多的催产素打下基础。

“这是一个“处理紧急事件”的一个例子,正如密切合作的活动没有单一的领导者,就如鸟群和昆虫群体一样。” 研究负责人冯建峰教授说:“我们知道,这些脉冲的产生是因为,哺乳过程中,催产素相关的神经元同步爆发。但这种爆发的产生机制一直是一个科学难题。这个模式让我们可以用来研究和解释其它许多类似的大脑活动,寻找大脑中重要活动的可能解释。”


研究院团队发现精神分裂症患者大脑可能的自愈机制

2016年7月,由冯建峰教授领衔的研究院团队在《Psychological Medicine》上发表题为《Dynamic cerebral reorganization in the pathophysiology of schizophrenia: a MRI-derived cortical thickness study》的文章,该研究发现:精神分裂症患者可能自我识别并且自己与疾病作斗争。这是从影像学层面,首次发现大脑有能力反抗精神分裂症可能带来对人的毁灭性的打击。尽管精神分裂症经常会和某些大脑组织的衰败联系在一起,但是最近研究也发现在某些特定的大脑脑区组织和体素会增加。未来,研究院团队将进一步探索重组织脑区的变化机制。


研究院团队提出了一种全新的脑功能影像数据的分析方法(BWAS)

2015年5月,复旦大学冯建峰教授领衔的研究团队提出了一种全新的脑功能影像数据的分析方法(BWAS),相关研究结果已发表在国际权威杂志《Brain》上。

最近,复旦大学冯建峰教授团队联合华威大学、牛津大学、同济大学的研究人员,提出了一种全新的脑功能影像数据的分析方法,称为之全脑关联分析(Brain-Wide Association Analysis,BWAS)。这种方法首次把脑功能连接分析提高到全脑体素水平,建立超高维度的全脑功能连接图谱,并利用脑影像大数据成功找到与自闭闭显著关联的脑区及脑区之间连接。相关研究结果发表在三月二十日的国际权威杂志《Brain》。

研究人员利用BWAS方法对近1000个自闭症及正常对照组的静息态功能核磁共振数据进行分析,成功找到与自闭症最关联的脑区。与传统研究不同的是,该研究不基于任何先验的假设,而直接对全脑任意两个体素的功能连接进行分析,最终从1,134,570,430功能连接中找到显著关联的功能连接。

这种全脑关联分析是一种纯数据驱动方法,该方法的最大的特点在于为功能连接分析提供了一种标准的模式,这种标准化的范式使其他研究小组相关结果精确比较对照以及荟萃分析成为可能。

BWAS方法提出者,复旦大学类脑研究院、上海数学中心、英国华威大学计算机科学系冯建峰教授指出,传统的脑功能连接分析由于样本量的限制,统计效能较低,无法实现全脑体素水平的功能连接分析。此次我们总共分析了近1000个样本,使得该方法能够得以成功应用。随着脑影像数据的不断积累,这种分析方法势必会得到越来越广泛的应用。

该研究通过分析最后找到20个与自闭症最相联的脑区,这些脑区包含了多个与自闭症相关的神经环路,它们之间功能连接在自闭症病中呈现显著降低或升高在一定程度上能够解释自闭症临床症状。

冯教授解释说:我们发现自闭症患者一个重要神经环路颞叶视觉皮层与腹内侧前额皮层的功能连接显著减弱。颞叶视觉皮层主要参与社交行为中的人脸表情识别,而腹内侧前额皮层与情感以及社交密切相关。

研究人员还发现在自闭症患者中在顶叶与空间功能相关的区域也存在明显功能连接减弱。

他们认为人脸表情以及区分自我和环境是人脑theory of mind的两个重要组成成份。这些脑区之间功能连接的减弱可能导致自闭症症状的主要原因之一。

研究人员称他们的方法能够非常容易推广到其他认知相关的疾病中,比如强迫症、多动症和精神分裂症等,寻找与之相关联的脑区。

冯教授解释说:“我们利用BWAS方法总共分析了418个自闭症患者和509个健康对照组的数据。如此大的样本量,使得我们首次能够利用荟萃分析实现对病人与健康人全脑体素水平的脑功能连接的比较,并在严格的统计校正下找到显著结果。在此之前,如此高维的特征下找到显著结果基本是不可能的。

与传统的功能连接分析方法,如种子点法,独立成分分析法,不同之处在于,BWAS是基于体素水平的功能连接分析,全脑任意两个体素的功能连接都会在正常人与病人之间进行比较,这是一种纯数据驱动的方法,不需要任何先验的假设。”

该研究已发表在《brain》,题为:Autism: Reduced Connectivity between Cortical Areas Involved with Face Expression, Theory of Mind, and the Sense of Self.


复旦大学冯建峰团队首次绘制大脑功能网络动态图谱或将助推人工智能发展

近日,研究院院长冯建峰教授团队在BRAIN杂志在线发表题为“Neural, electrophysiological and anatomical basis of brain-network variability and its characteristic changes in mental disorders”的论文,该研究通过核磁共振扫描技术度量人类大脑各个区域的动态相互作用模式,并揭示其动态变化的产生机制,从而首次绘制了脑功能网络的动态图谱。

研究发现:大脑功能网络的动态变化与人类的智能高度相关。根据这一发现,未来将有可能通过赋予人工智能系统内部各部件动态相互作用的模式,使机器人真正产生人类的思维方式,这一重大成果或将对人工智能的发展带来革命性的影响。

该论文被选为Brain编辑推荐和当期封面论文,《英国每日邮报》等海外几十家媒体给予焦点报道。

这项工作是我们在理解大脑网络动态变化道路上的一块重要基石 (an important stepping-stone)

评论《The flexible brain》

by 2014年美国麦克阿瑟天才奖得主、

宾夕法尼亚大学Skirkanich讲座教授

Danielle Bassett

“传统智商测试因无法准确反映一个人的真实智力而受到诸多质疑。随着脑成像技术,特别是近年来功能核磁共振技术的发展,为我们定量化人类的大脑,并在此基础上充分洞悉人类智力提供了重大契机。我们的研究工作最初是从理解精神疾病如精神分裂症、抑郁症等疾病的大脑动态变化机制和疾病诊断出发,但却意外的通过这一工作,在解析人类智力上有惊人的发现,相信这将对目前如火如荼的人工智能技术发展带来更大的推动。”

近年来,冯建峰教授与其带领的复旦大学类脑研究院团队和英国华威大学团队,一直致力于利用来自世界各地的数以千计被试者的大脑静息态磁共振数据,定量刻化人脑的动态变化,识别人脑不同区域之间动态相互作用的机制以及其在精神疾病中的改变。这项研究发现,人脑中与学习、记忆紧密关联的脑区表现出高度的“可变性”。这意味着这些区域同大脑其他部分之间的连接模式变动更加频繁,可发生在短短几分钟甚至数秒之间。另一方面,人脑中与智力相关性小的区域,包括视觉区、听觉区和感觉运动区,皆表现出了低“可变性”和低“适应性”。一个人的大脑“可变性”越强或越灵活,个体的智力以及其创造力也就越高。

目前,人工智能系统并不具备“可变性”和“适应性”。而这两种人类独特的智能特性,已被该研究证实对于人类大脑的学习能力至关重要的。大脑网络动态图谱的绘制,未来可被应用于构造更先进的人工神经网络,使计算机具备学习、成长和自适应的能力。这一研究成果还在脑重大疾病的诊疗上带来重大发现,在精神分裂症患者、自闭症患者以及多动症患者的大脑默认网络中,都可以观察到“可变性”的状态变异。这也意味着,大多数精神疾病的根源来自于大脑可变性或可塑性方面的改变,这一认识可使科学家们能够更有效的治疗甚至是预防精神疾病的发生。

类脑智能科学与技术研究院

据悉,冯建峰教授是上海国家数学中心的首席科学家,2015年受聘为复旦大学新成立的类脑智能科学与技术研究院首任院长。该研究院成立一年多以来,致力于开展脑科学与人工智能交叉前沿研究,在智能算法的发展及其对脑疾病的精准诊断上取得了多项重大突破,其中包括:利用多达数千例的脑疾病数据,开发了大数据驱动的全脑关联性分析方法(BWAS)的统计学方法,利用这一方法可实现在全脑数10亿的功能联接中寻找出病根:发现了精神分裂症病人中以丘脑为中心的脑功能异变网络(2015年Nature子刊Nature Partner Journal Schizophrenia),发现了自闭症儿童与人脸识别、社交相关的神经功能环路的显著变化(2015年Brain);研究发现了抑郁症病人大脑中憎恨环路的减弱和消失(2013年Nature子刊Molecular Psychiatry);同时,团队还发现了与纹状体相关的奖励预期行为受到VPS4A和RAC1基因的调控(2015、2016年PNAS)等,揭示了精神分裂症的脑结构具有“自愈”功能(2016Psychological Medicine)。这些突破性成果被CNN、福布斯等媒体给予集中报道,被誉为“在脑疾病的寻根和靶向治疗上找到了前所未有的新途径”。

目前,研究院正在积极开展国际脑科学研究合作计划。2016年7月,在瑞士召开的人类脑图谱年会美、中、英、法、德等六国闭门会议上,冯建峰教授发起了国际脑科学研究数据字典合作计划,建立了重大脑疾病多尺度数据(遗传、神经、影像、行为和环境等)标准化采集规范,与世界最大的多尺度数据库ADNI, IMAGEN, IMAGEMEND, BIOBANK开展数据共享。“我们正在利用全维度、多中心的生物大数据,发展一系列新型智能算法,期望在脑重大疾病寻根和大脑的定量化研究中,取得更大的突破。”


研究院团队发现MRI的影像学扫描结果可能更好地替代传统的智商测验揭示你的智力水平

2016年8月由冯建峰教授领衔的研究院团队在《Brain》上发表题为《Neural, electrophysiological and anatomical basis of brain-network variability and its characteristic changes in mental disorders》的文章,该研究发现人脑中与学习、记忆紧密关联的脑区表现出高度的“可变性”。这意味着这些区域同大脑其他部分之间的连接模式变动更加频繁,可发生在短短几分钟甚至数秒之间。另一方面,人脑中与智力相关性小的区域,包括视觉区、听觉区和感觉运动区,皆表现出了低“可变性”和低“适应性”。一个人的大脑“可变性”越强或越灵活,个体的智力以及其创造力也就越高。

传统智商测试因无法准确反映一个人的真实智力而受到诸多质疑。随着脑成像技术,特别是近年来功能核磁共振技术的发展,为我们定量化人类的大脑,并在此基础上充分洞悉人类智力提供了重大契机。我们的研究工作最初是从理解精神疾病如精神分裂症、抑郁症等疾病的大脑动态变化机制和疾病诊断出发,但却意外的通过这一工作,在解析人类智力上有惊人的发现,相信这将对目前如火如荼的人工智能技术发展带来更大的推动。

近年来,冯建峰教授与其带领的复旦大学类脑智能研究院团队和英国华威大学团队,一直致力于利用来自世界各地的数以千计被试者的大脑静息态磁共振数据,定量刻化人脑的动态变化,识别人脑不同区域之间动态相互作用的机制以及其在精神疾病中的改变。


目前,人工智能系统并不具备“可变性”和“适应性”。而这两种人类独特的智能特性,已被该研究证实对于人类大脑的学习能力至关重要的。大脑网络动态图谱的绘制,未来可被应用于构造更先进的人工神经网络,使计算机具备学习、成长和自适应的能力。这一研究成果还在脑重大疾病的诊疗上带来重大发现,在精神分裂症患者、自闭症患者以及多动症患者的大脑默认网络中,都可以观察到“可变性”的状态变异。这也意味着,大多数精神疾病的根源来自于大脑可变性或可塑性方面的改变,这一认识可使科学家们能够更有效的治疗甚至是预防精神疾病的发生。


David Waxman教授关于多群体遗传问题的研究获Science杂志点评

2014年10月期《科学》(Science)杂志的编辑推荐栏目中介绍了复旦大学类脑人工智能科学与技术研究院David Waxman教授与其指导的博士生等共同发表在Journal of Theoretical Biology杂志上题为“Exact simulation of conditioned Wright–Fisher models”的研究成果。《科学》杂志的编辑点评道:现实世界绝大多数复杂系统中都蕴含随机性——系统在某时某刻的状态可以被清晰描述,但下一时刻的精确演化规律往往难以确定。通常而言,研究者多运用随机模拟的方法生成尽可能多的演化轨线,然后根据边值条件,拒绝掉不满足条件的轨线。然而,Waxman教授等人的成果是通过改变非限制系统从一个状态到另一个状态的转移概率,求得了限制系统时变的状态转移概率以确保所有模拟出来的系统轨线满足边值条件。这一方法的运用能较大幅度地提高计算效率,更为重要的是在多群体遗传等问题的研究中被证明十分有效。编辑点评见:http://www.sciencemag.org/content/346/6207/311.8.short