Human Connectome Project

Human Connectome Project (HCP) — это крупномасштабный научно-исследовательский проект, направленный на создание полной карты нейронных связей (коннектома) человеческого мозга в здоровом состоянии. Проект координируется Национальными институтами здравоохранения США (NIH) и объединяет усилия нескольких исследовательских центров, в первую очередь Университета Вашингтона в Сент-Луисе, Массачусетской больницы общего профиля и Университета Миннесоты. Основная цель HCP — не просто визуализация анатомических структур мозга, а картирование функциональных и структурных связей между различными его областями, что позволяет понять, как мозг обрабатывает информацию, обеспечивает когнитивные функции и как эти связи изменяются при различных заболеваниях.

История и предпосылки

Идея создания полной карты связей мозга возникла в начале 2000-х годов, когда развитие методов нейровизуализации, особенно диффузионно-тензорной МРТ (DTI) и функциональной МРТ (фМРТ), достигло уровня, позволяющего изучать не только анатомию, но и функциональную архитектуру мозга. До этого основным источником знаний о связях мозга были посмертные исследования и инвазивные методы на животных. В 2009 году NIH объявил о запуске Human Connectome Project как части программы «Blueprints for Neuroscience» («Чертежи для нейронауки»). Первоначальный этап (2009–2015) был сосредоточен на сборе данных от здоровых взрослых добровольцев (возраст 22–35 лет) с использованием передовых технологий МРТ с высоким разрешением. В 2015 году проект был расширен до более масштабного «Connectome Coordination Facility» (CCF), который координирует сбор данных по всему миру.

Методология

Сбор данных

Основой HCP является сбор мультимодальных данных нейровизуализации от большой выборки участников. Каждый участник проходит несколько сеансов МРТ, включающих:

• Структурная МРТ (T1, T2): для получения анатомических изображений высокого разрешения.
• Диффузионная МРТ (dMRI): для измерения диффузии молекул воды вдоль аксонов, что позволяет реконструировать траектории белого вещества (трактография).
• Функциональная МРТ в состоянии покоя (rs-fMRI): для регистрации спонтанной активности мозга, позволяющей выявить функциональные сети (например, сеть пассивного режима работы мозга).
• Функциональная МРТ с задачами (task-fMRI): для активации определённых областей мозга при выполнении когнитивных тестов (рабочая память, эмоции, язык, сенсомоторные задачи).

Обработка данных

Обработка данных HCP включает несколько этапов, автоматизированных в специальном программном обеспечении (HCP Pipelines):

1. Предобработка: коррекция артефактов движения, выравнивание изображений, удаление шума.
2. Сегментация: разделение мозга на серое и белое вещество, а также на подкорковые структуры.
3. Трактография: реконструкция путей белого вещества на основе данных dMRI.
4. Функциональное картирование: выявление кластеров нейронов, синхронно активирующихся в состоянии покоя или при выполнении задач.
5. Построение графа связей: создание матрицы связей, где узлы — это области мозга (кортикальные и субкортикальные), а рёбра — сила связи между ними (структурная или функциональная).

Парадигмы задач

Для активации различных когнитивных функций в HCP используются стандартизированные парадигмы, включающие:

• Рабочая память: задача «n-back».
• Эмоции: просмотр изображений с эмоциональным содержанием.
• Язык: прослушивание и чтение предложений.
• Сенсомоторная система: движения пальцев, губ, языка.
• Социальное познание: оценка намерений персонажей на видео.

Основные результаты и открытия

Карта кортикальных сетей

Одним из ключевых результатов HCP стало создание высокоточной карты кортикальных сетей, включающей более 180 областей коры головного мозга на каждое полушарие (по сравнению с классическими 47–52 областями Бродмана). Эта карта, опубликованная в 2016 году, показала, что многие области мозга имеют сложную, неоднородную структуру и выполняют специализированные функции.

Индивидуальные различия

HCP продемонстрировал, что коннектомы людей сильно различаются, особенно в областях, связанных с высшими когнитивными функциями (например, в префронтальной коре). Эти различия коррелируют с такими показателями, как интеллект, рабочая память и личностные черты. Проект заложил основу для «персонализированной нейронауки», где карта связей мозга может использоваться для прогнозирования поведения и когнитивных способностей.

Связь структуры и функции

Было установлено, что структурные связи (белое вещество) в значительной степени предсказывают функциональные связи (синхронную активность). Однако функциональные сети более динамичны и могут изменяться в зависимости от состояния (например, при выполнении задачи или в покое). HCP показал, что функциональная архитектура мозга организована по иерархическому принципу: от сенсорных и моторных областей к ассоциативным.

Сеть пассивного режима (DMN)

HCP значительно уточнил понимание сети пассивного режима — набора областей мозга, активных в состоянии покоя и деактивирующихся при выполнении задач. Было показано, что DMN состоит из нескольких подсистем, связанных с автобиографической памятью, социальным познанием и внутренним монологом.

Применение

Клиническая нейронаука

Данные HCP используются для изучения патологий мозга, таких как:

• Шизофрения: выявление нарушений связей в префронтальной коре и височных долях.
• Аутизм: изучение аномалий в социальных сетях мозга.
• Депрессия: анализ изменений в сети пассивного режима и лимбической системе.
• Травмы мозга: оценка последствий повреждения белого вещества.
• Нейродегенеративные заболевания: болезнь Альцгеймера, болезнь Паркинсона.

Разработка методов нейровизуализации

HCP стал эталонным набором данных для разработки и тестирования новых алгоритмов обработки МРТ, включая методы трактографии, сегментации и функционального картирования. Многие современные программные пакеты (FSL, FreeSurfer, MRtrix) используют данные HCP для валидации.

Искусственный интеллект и машинное обучение

Большие объёмы данных HCP (более 1000 участников, каждый с многогигабайтными сканами) используются для обучения моделей глубокого обучения, способных предсказывать возраст, пол, когнитивные способности и даже диагнозы по данным МРТ.

Критика и ограничения

Несмотря на масштабность, HCP имеет ряд ограничений:

• Возрастной диапазон: данные собраны только от здоровых молодых людей (22–35 лет), что не позволяет изучать развитие мозга у детей или старение.
• Здоровье: участники — здоровые добровольцы, что ограничивает прямую экстраполяцию на патологии.
• Разрешение: хотя разрешение МРТ в HCP высокое (1,25 мм³), оно не позволяет визуализировать отдельные нейроны или синапсы. Коннектом на уровне клеток остаётся недостижимым.
• Стандартизация: данные собирались на трёх разных типах МРТ-сканеров (Siemens, GE, Philips), что может вносить систематические различия.
• Этический аспект: хранение и распространение данных о мозге здоровых людей вызывает вопросы о приватности, так как коннектом может быть уникальным идентификатором личности.

Интересные факты

• Название «коннектом» (connectome) было предложено нейробиологом Олафом Шпоном в 2005 году по аналогии с геномом.
• HCP — один из самых дорогих проектов в истории нейронауки: общий бюджет первого этапа составил около 40 миллионов долларов.
• Данные HCP доступны для свободного скачивания всем исследователям мира через портал ConnectomeDB.
• В 2020 году был запущен проект «Human Connectome Project — Lifespan», который собирает данные от детей (5 лет) до пожилых людей (90+ лет).
• Помимо человеческого мозга, существуют проекты по картированию коннектома плодовой мушки (Drosophila) и червя-нематоды (C. elegans), где были полностью реконструированы все нейронные связи.

Источники

• Van Essen, D. C., et al. (2012). The Human Connectome Project: A data acquisition perspective. NeuroImage, 62(4), 2222–2231.
• Glasser, M. F., et al. (2016). A multi-modal parcellation of human cerebral cortex. Nature, 536(7615), 171–178.
• Smith, S. M., et al. (2013). Resting-state fMRI in the Human Connectome Project. NeuroImage, 80, 144–168.
• Учебные материалы по Human Connectome Project на сайте Connectome.org.
• Научные публикации по результатам HCP в журналах Nature, Science, Neuron, NeuroImage.