《Brain Structure and Function》：Brainhack Rome 2025: connecting the dots between structure and function
编辑推荐：
Brainhack活动为应对神经科学挑战提供了一种自下而上（bottom-up）的途径。2025年，罗马恩里科·费米研究中心（Enrico Fermi Research Center）主办了首届Brainhack，旨在促进跨学科协作，将物理学与神经科学视角汇聚
Brainhack活动为应对神经科学挑战提供了一种自下而上（bottom-up）的途径。2025年，罗马恩里科·费米研究中心（Enrico Fermi Research Center）主办了首届Brainhack，旨在促进跨学科协作，将物理学与神经科学视角汇聚于脑结构与功能研究。活动为期四天，为参与者提供了提出个人观点并据此构建项目的机会，由此形成了六个研究方向：结合X射线成像与扩散MRI（diffusion MRI）算法开创超高分辨率纤维束成像（tractography）；采用多变量方法研究脑代谢与MRI数据估计的微观结构之间的共同因素；开发基于传递熵（transfer entropy）分析的工具，用于估计fMRI数据中的有效连接（effective connectivity）；通过马尔可夫模型（Markov models）识别脑状态；利用深度学习（deep learning）方法预测任务态EEG（electroencephalography）时间序列；运用多尺度网络模型研究功能性与脑血管数据。每个项目均取得了令人鼓舞的成果，并开启了新协作的开端。
**研究背景与问题提出**
现代脑科学正加速转向跨学科研究路径，但研究人员倾向于与本地网络或同一领域者合作，导致领域性语言壁垒与所谓"研究孤岛"（research silos），在神经影像与复杂系统领域之间尤为明显。Brainhack源自软件开发领域的黑客松（hackathon）形式，是一种非竞争、以项目为导向的协作会议，通过研究兴趣而非学科背景聚集参与者，促进各组间成果共享。2025年4月，罗马恩里科·费米研究中心（Enrico Fermi Research Center）主办了首届Brainhack Rome，研究人员共34名来自物理、工程与心理学等不同背景，以"connecting the dots between structure and function"为主题，聚焦物理学与神经科学在脑结构与功能研究中的交叉点。
**研究开展与主要结论**
研究人员通过自下而上的方式组织活动：参与者在活动前通过网站与GitHub仓库提交项目创意并可获得反馈，首日进行简短项目陈述（pitch）后自由组建团队，其后三天集中工作，末天以幻灯片汇报总结。四天内六个项目覆盖脑连接、微观结构、功能状态与多模态成像，每个项目均在无既往合作关系的成员间建立新连接，并取得令人鼓舞的成果，标志着新协作的开端。
**关键方法概述**
六个项目关键技术包括：将MRI软件MRtrix3适配X射线暗场（DF）数据，经球谐反卷积计算取向分布函数（ODF）并纤维束追踪（tractography）；以主成分分析（PCA）、偏最小二乘回归（PLS）构建潜在空间，结合DBScan聚类分析脑能耗与微观结构；以传递熵（TE）估计有效连接；以高斯隐马尔可夫模型（HMM）分析任务态fMRI动态脑状态；以WaveNet预测EEG时间序列；以经验模态分解（EMD）与重归一化群（LRG）多尺度社区检测分析多对比度fMRI网络。
**研究结果**
Adapting diffusion-weighted imaging algorithms to X-ray directional dark-field imaging（Lorenzo Massimi、Marco Palombo、Alessandra Maiuro、Chiara Ercolano、Michela Fratini）
研究团队在重叠碳纤维样本上验证，X射线DF信号结合MRtrix3能准确提取纤维方向：单纤维精度优异，双纤维交叉精度良好，三纤维交叉精度下降。确定性束追踪（FACT算法）在单纤维区产生直线轨迹、双纤维区产生交叉但存在尖锐方向突变；概率性追踪按ODF波瓣幅度加权，提供更平滑真实的纤维束重建。相比需预设纤维层数的几何模型，该法无需先验假设像素内纤维层数，是重要进展。
Connecting the dots between brain energy consumption and microstructure through latent space（Manuela Carriero、Tiago da Silva Alves de Nogueira Sim?es、Edoardo d'Andrea、Flavia Liporace、Darvin Shehu、Taljinder Singh）
基于基耶蒂高级生物医学技术研究所的MRI数据（校准fMRI估计脑氧代谢率CMRO
2，DWI经SANDI模型估计胞体半径R
soma及信号分数f
soma、f
neurite、f
extra与扩散系数D
e、D
in），研究发现CMRO
2、R
soma、f
soma、f
neurite是贡献最大的变量，f
neurite符号相反；PLS潜在空间沿对角线呈现清晰样本分离（区别于PCA）；某聚类样本在CMRO
2、R
soma、f
soma、f
neurite上范围狭窄、其他分散。模式主要按CMRO
2与胞体、神经突参数组织，支持脑代谢与组织结构关系密切，提示脑功能-结构组织存在关联。
Developing a MATLAB toolbox for transfer entropy analysis（Frigio Parente、Tiziana Pedale、Luca Cairone、Yikang Cao、Veronica Rossi）
对42名健康参与者的静息态fMRI数据，经12档对称幅度阈值离散化（0.7 SD最优）、Gourévitch与Eggermontv归一化及反向时间零模型验证后，有效连接估计显示内侧前额叶皮层（mPFC）对双侧杏仁核（AMY）的直接影响，左海马影响双侧AMY与双侧丘脑（TH）、右海马仅影响右AMY，各海马侧还影响对侧枕叶（ICC），与既往研究一致。
Hidden Markov models and task-based fMRI（Federico Calesella、Luca Taffarello、Marco Zenari、Ginevra Sperandio、Leonardo Spitoni）
对跨诊断连接组计划开放数据集（N=219，含90名健康对照与129名15种精神疾病患者）的情绪面孔匹配任务fMRI数据，分析显示State-1与对照条件、State-2与情绪条件共现频率较高；State-2停留时间（dwell time）是患者与健康对照间唯一显著差异指标（U=1120701，p=0.001），患者该状态持续更久，提示情绪处理状态在精神疾病患者中更持久，可能反映情绪反应性异常与情绪激活抑制控制受损。
"I know what you will do": forecasting motor behaviour from EEG time series（Anna Notaro、Emanuele Di Giorgio、Matteo Mancini、Matteo De Matola）
对12名参与者WAY-EEG-GAL数据集14通道感觉运动区EEG信号，以均方误差（MSE）为损失训练WaveNet模型未获得有意义预测；活动后采用复合损失函数（显式惩罚幅度失配与时间偏移）重新训练后，预测能捕捉大部分低频动态与部分高频动态，表明在域知识融入训练的前提下问题原则上可解。
MULTIFUN: multicontrast multiscale analysis of functional brain networks（Angelina Catrambone、Daniele Cirulli、Marida De Maria、Ottavia Falconi、Maria Guidi、Giulio Iannelli、Margherita Premi、Pablo Villegas）
对罗马Santa Lucia基金会13名健康参与者的BOLD、VASO、ASL三种对比度fMRI数据，经验模态分解（EMD）识别出除slow-5（0.01–0.027 Hz）、slow-4（0.027–0.073 Hz）外的s*频段（0.073–0.18 Hz）；多尺度社区检测框架基于网络拉普拉斯算子扩散动力学，可追踪模块结构跨分辨率的持续性、合并与分裂，为比较不同对比度fMRI的组织特性提供工具。
**讨论与结论**
Brainhack活动成功为不同背景研究者提供了提出与讨论跨学科项目的平台，每个项目均在无既往合作者间建立新连接，组织努力为非正式互相学习创造有利条件。挑战包括跨出原有网络联系研究者较难，各项目跨学科水平仍可提升。改进方向为更有效的活动前互动（需更多平台选择与参与策略规划）与为期一天的工作坊提供共同起点。未来目标是将活动打造为定期聚会，联合尖端神经影像技术与严谨复杂系统工具推进脑结构与功能研究。
