大脑如何通过复杂的神经连接产生认知与行为,脑疾病又如何改变这一过程?我们以非人灵长类狨猴为主要模型,融合脑影像、连接组、空间组学、脑机接口与计算建模,研究大脑从分子和细胞到全脑网络的组织规律。在此基础上,探索脑疾病的发生机制,发展能够预测脑活动与干预响应的数字孪生模型,并通过生物脑与人工神经网络的比较,理解智能形成的基本原理。研究围绕以下三个方向展开。

1. 脑影像与脑疾病

开发高分辨率结构磁共振成像、清醒狨猴功能磁共振成像、多核磁共振成像及多模态分析方法,提升对精细脑结构、连接模式和动态活动的观测能力。围绕脑发育与退行性疾病,构建和研究狨猴疾病模型,结合纵向影像采集与行为监测,刻画疾病的发生与进展过程。进一步整合脑连接图谱、细胞类型与空间基因表达信息,解析疾病影像表征背后的细胞与环路机制,并通过药理干预和精准神经调控进行验证,为寻找可转化的影像标志物与干预靶点提供依据。

2. 脑图谱与数字孪生

依托狨猴脑图谱计划,我们已系统构建涵盖皮层分区、白质纤维、群体标准模板、功能连接和小脑的多模态图谱,并进一步融合介观神经纤维重建与单细胞空间转录组,揭示了灵长类小脑的细胞与连接特征,以及大脑皮层组织的双向分子梯度规律。在此基础上,结合功能成像、脑机接口与计算建模,开展数字孪生脑研究:以跨尺度图谱提供生物学约束,以全脑功能成像和局部神经记录刻画动态活动,通过电刺激、光遗传、药物扰动等可控扰动检验脑网络的响应机制。通过实验与模型的持续校准,逐步构建能够复现脑网络活动、预测干预响应的动态模型,为理解脑功能、发现神经调控靶点和优化干预方案提供支持。

3. 类脑智能:脑网络与人工神经网络的双向启发

从连接组的角度建立生物脑与人工神经网络的定量比较框架,研究连接结构、活动相关性与网络功能之间的关系,探索二者共享的计算规律与各自特有的组织机制。一方面,将脑网络分析方法引入人工智能研究,追踪人工网络在训练过程中结构与功能关系的演变,解析模块形成、信息整合及连接架构对学习的影响,探索基于连接规律的网络设计、训练优化与模型压缩方法。另一方面,利用人工神经网络能够完整观测、精确操控的特点,检验和发展连接组分析方法,提出关于网络学习与信息处理的新假说和新规律,推动脑科学与人工智能的双向启发。

刘赐融 博士

研究组组长;高级研究员