通过整合不同的数据来源，研究人员揭示了细胞机制如何影响个体的大脑功能连接模式，连接分子细节与大尺度脑功能。

　　在最近发表在《自然神经科学》杂志上的一项研究中，研究人员探索了生化变化与大脑各区域功能连接之间的联系。

　　神经科学的主要目标之一是阐明微观成分的作用，包括蛋白质分子和细胞结构，在离散的大脑区域之间的通信。迄今为止，尽管分子和神经影像学研究独立地揭示了认知和脑功能的相关性，但涉及大脑功能连接的分子机制仍不清楚。

　　迄今为止，死前神经成像数据和死后分子组学数据是分开收集的，很少来自同一个体，这阻碍了对患者特异性死前和死后数据比较的分析。

　　这一数据缺口的一个潜在解决方案是从一致的人类样本池中获取多行死前和死后数据。然而，这种方法的复杂性阻碍了这一假设的验证。

　　本研究利用六种独特的数据来源，包括来自老年志愿者的死前和死后的数据，来确定涉及大脑连接的分子机制。研究队列包括98名成年人，其中77%是女性，来自宗教秩序研究和拉什记忆与衰老项目（ROSMAP）。

　　患者在世时接受核磁共振成像（MRI）检查，并提供基因测序样本。死后测定蛋白质丰度、基因表达和树突棘形态。数据收集包括年度临床评估，以及死前数据收集，以及参与者的脑捐赠用于死后数据。

　　由于大量鉴定的蛋白质在参与者之间的相对丰度和表达水平以及大脑区域的连接上可能不同，因此研究人员将重点放在了额上回（SFG）和颞下回（ITG）之间的连接上。

　　实验程序包括结构和功能MRI （fMRI）扫描，用于获取神经成像数据，多重串联质谱（TMT-MS）和液相色谱串联质谱（LS-MS/MS）用于蛋白质组学分析，bicinchoninic酸测定用于蛋白质浓度估计，以及Illumina TruSeq平台用于转录组学数据。为了评估树突棘形态，切除的SFG和ITG样本进行高尔基-考克斯染色，然后进行明场显微镜成像。

　　来自Schaefer2018功能图谱的静息状态fMRI数据被用于将大脑划分为功能均匀的区域，从而可以估计SFG和ITG之间的功能连通性。desikan - killianyi - tourville （DKT）图谱与Freesurfer皮质表面平台结合，从参与者的大脑形态学数据中得出结构共变。

　　使用SpeakEasy进行分子模型估计，从GSEA数据库进行蛋白质组学表征，并进行模块和分子水平的关联分析。

　　参与者在MRI成像时的平均年龄和死亡率分别为88岁和91岁。将Schaefer2018功能图谱提取的结构属性与DKT图谱数据集相结合，将大脑划分为62个独特的解剖区域。SFG和ITG分子系统的蛋白质组学研究显示，这些区域之间存在显著的基因/蛋白质重叠。

　　树突棘形态特征与GSEA分析显示脊柱密度、突触和肌动蛋白细胞骨架中蛋白质相关的富集。包括神经递质释放和突触信号在内的功能关联也得到了增强。值得注意的是，SFG和ITG在脊柱密度、丝状足密度和蘑菇棘头直径方面存在统计学差异。

　　目前的研究通过强调分子丰度和大脑连接模式，验证了同时使用死前和死后数据的相关性。这些模式显示出显著的区域特异性，因此有必要进一步研究大脑其他区域之间的连通性。分子和神经影像学数据显示与结果有很强的一致性，证实了该方法的稳健性。

　　目前的研究是第一次将同一个人的死前和死后数据结合起来。这些发现揭示了数百种与大脑区域连接相关的独特蛋白质，其中12种表现出因果关系，而其他蛋白质则表现出结构性贡献。

　　这些结果提供了一个更好的理解参与脑区域连接的各种分子关联。研究人员还成功地描述了一组强大的分子特征，可用于未来的连接调查和大脑药物发现研究。