Brain/MINDS 樱桃猴脑图谱 2.0：基于群体的皮层分区与多模态模板

为什么微小的猴脑也重要

普通樱桃猴体型很小，但其大脑在组织结构和连线方式上与我们出人意料地相似。研究人员越来越多地使用樱桃猴来研究阿尔茨海默病和与年龄相关的大脑衰退等疾病，因为在动物身上可以安全开展那些在人类中无法进行的实验。本文介绍了一种新的高精度三维数字樱桃猴脑图谱，称为 Brain/MINDS Marmoset Brain Atlas 2.0（BMA2.0）。它提供了一个共同的参考系统，使来自不同实验室、扫描仪和实验的数据可以被比较和整合——这是理解灵长类大脑如何正常工作及其在疾病中如何失常的关键一步。

从单个大脑到群体视角

早期的樱桃猴脑图谱通常基于单个动物构建。这就像试图仅凭一张照片来理解“典型”的人脸：忽略了自然存在的大小、形状和细节差异。BMA2.0 则综合了来自多只个体的信息——包括 91 例离体（尸后）MRI 扫描、446 例在体樱桃猴的 MRI 扫描以及 10 例大脑的详细组织染色。通过将所有这些大脑谨慎地对齐到同一坐标系中，图谱保留了最常见的脑回和区的模式，同时平滑掉个体特有的变异。其结果是一个对称的、基于群体的模板，更能反映典型樱桃猴大脑的样貌。

分层呈现大脑结构

为了将大脑划分为有意义的部分，研究团队结合了多种影像类型。高分辨率的髓鞘染色突出显示大脑的连线，Nissl 染色显示细胞体的分布。离体和在体 MRI 提供了类似于人类医院常用的全脑覆盖。将这些对比信息结合，专家们在每个半球的外层“灰质”中手工勾画了 117 个区域，并精定了 156 个深部结构和 45 个小脑区域。先进的配准软件与人工智能模型随后将成千上万的二维组织切片拼接回一致的三维体积，使其与 MRI 对齐，并在动物间平均化。最终图谱将每个半球划分为 323 个区域，并附带平面地图和表面模型，允许科学家将皮层可视化为仿佛被展开在一张薄片上的样态。

幕后支持的智能算法

构建如此精细的图谱在技术上颇具挑战。组织切片会变形，不同染色方法的颜色差异显著，不同扫描仪的图像也不会自动对齐。为克服这些问题，作者使用了现代图像配准算法与深度学习工具。一种网络学习将 Nissl 图像转换为类似髓鞘的图像，使两种截然不同的染色看起来更具可比性。另一种网络学习标注皮层、深部结构与背景之间的边界，提供额外的“地标”以帮助配准将结构锁定到正确位置。为了确保区域遵循皮层天然的柱状方向，基于拉普拉斯方程的数学方法追踪从大脑外表面到白质的流线，将每个小体素沿这些路径分配到最可能的区域。

将解剖与功能相连接

BMA2.0 不只是静态图像；它旨在将结构与活动联系起来。作者展示了当使用图谱区域来汇总清醒樱桃猴的静息态 fMRI 信号时，随时间变化的活动模式在不同会话和动物之间比将大脑任意按距离划分的分块更为一致。他们还使用 126 只动物的扩散 MRI 构建了群体平均的白质连接图，并将其与一组独立的示踪注射数据（追踪真实轴突）进行比较。两套独立的图谱高度一致，支持该图谱所捕捉的连线具有生物学意义的观点。由于 BMA2.0 可以转译到其他几种樱桃猴图谱的坐标系，它也可作为整合过去与未来数据集的枢纽。

这对脑科学研究意味着什么

对非专业读者来说，关键信息是 BMA2.0 为科学家提供了一个更可靠的樱桃猴大脑“地理图”，它并非基于单一动物，而是基于群体并融合了多种成像方法。这让不同研究之间的比较更容易，将精细解剖与脑信号和行为关联起来更可行，并便于探究疾病和治疗如何重塑脑网络。由于樱桃猴是与人类亲缘较近的物种，且在衰老与痴呆研究中已被广泛使用，该图谱有助于将小型猴类的发现转化为关于人类大脑的重要问题的理解。

引用: Gong, R., Ichinohe, N., Abe, H. et al. Brain/MINDS Marmoset Brain Atlas 2.0: Population Cortical Parcellation With Multi-Modal Templates. Sci Data 13, 274 (2026). https://doi.org/10.1038/s41597-026-06601-z

关键词: 樱桃猴脑图谱, 群体神经影像学, 多模态 MRI, 皮层分区, 灵长类连接组