HippoMaps：人类海马多尺度空间图谱绘制与开放资源平台构建

本研究针对海马亚区分析缺乏标准化框架的问题，开发了开源工具箱HippoMaps，通过海马展开技术和形状内在配准实现多模态数据整合。研究人员整合了离体组织学、高场磁共振和颅内脑电等数据，建立了30幅海马特征图谱，揭示了海马近远轴和前後轴的双向组织规律，为研究海马结构与功能关系提供了重要平台，对神经疾病研究和计算模型构建具有深远意义。

　　

海马体作为大脑的关键结构，不仅参与记忆编码和空间导航等高级认知功能，更是多种神经精神疾病的共同靶点。然而，这个古皮质结构的微观架构极其复杂，传统神经影像学研究往往将其视为单一实体，忽略了其内部高度特异化的亚区组织。这种简化处理方式严重限制了我们对海马功能架构的理解，特别是在跨尺度数据整合和跨研究比较方面存在显著障碍。

为了解决这一挑战，由Jordan DeKraker和Boris C. Bernhardt领导的研究团队在《Nature Methods》上发表了题为"HippoMaps: multiscale cartography of human hippocampal organization"的研究论文，推出了一个开创性的开放获取工具箱和在线数据仓库——HippoMaps。这个平台首次实现了人类海马多尺度数据的统一映射和情境化分析，为海马研究领域提供了前所未有的资源。

研究人员采用了几项关键技术方法：首先利用深度学习海马分割和表面映射技术（HippUnfold）实现拓扑保留的跨被试配准；其次整合多模态数据包括离体组织学（BigBrain、AHEAD）、高场磁共振（9.4T离体、7T/3T在体）和颅内脑电图（iEEG）；最后通过扩散谱嵌入等非线性降维方法提取海马组织的主要成分，并采用旋转检验等空间统计方法控制自相关。研究纳入了多中心数据集，包括MICs队列的99名健康被试和33名颞叶癫痫患者，以及PNI和开放iEEG图谱数据。

Histology章节显示，组织学数据揭示了海马微架构的精细组织。通过对BigBrain Merker染色、3D偏振光成像（3D-PLI）和AHEAD数据集的多标记分析，发现大多数特征沿近远轴（proximal-distal）方向呈现带状分布，与经典海马亚区图谱高度一致。层状微结构剖面分析显示，远端CA场呈现紧密的单峰分布，而海马下托（subiculum）则显示双峰分布，这与已知的层状架构一致。多模态微结构剖面协方差矩阵的非线性降维显示，第一成分主要区分海马下托复合体与近端CA1，第二和第三成分分别突出CA2-3区和CA1与海马下托部分区域。

MRI研究结果显示，高场磁共振提供了海马宏观结构的详细特征。9.4T离体和7T在体扫描显示了定量T1弛豫测量（qT1）、R2*、质子密度、扩散加权成像（DWI）衍生的各向异性分数（fractional anisotropy, FA）和表观扩散系数（apparent diffusivity coefficient, ADC）以及磁化转移率（magnetic transfer ratio, MTR）等参数的高分辨率图谱。跨样本一致性分析显示，DWI和qT1图谱在独立验证数据集（82名健康参与者）中显示出相似的模式。多模态微结构剖面协方差分析再次突出了亚区间的差异，只有第三成分显示主要 within CA1亚区的前后差异。

rsfMRI分析揭示了海马功能特性。内在时间尺度（intrinsic timescale）、区域同质性（regional homogeneity, ReHo）和与新皮质的宏观功能连接（functional connectivity）图谱显示了海马功能组织的梯度特征。7T rsfMRI数据的重复分析显示了一致的结果。功能连接模式的非线性分解显示，第一海马成分呈现前后分化，同时具有近远轴带状特征，CA1与其他亚区明显不同。新皮质对应区域分析显示，前部和CA1区域与颞极、岛叶和丘脑区域连接更强，而后部和非CA1亚场与后顶叶和视觉区域连接更强。

iEEG研究提供了海马神经活动的高时间分辨率信息。周期成分的功率谱密度和频带功率（delta、theta、alpha、beta和gamma）分析显示，海马通道的功率谱与全脑通道相似。通过外推通道信息到邻近顶点，出现了近远轴和前后轴差异的空间模式。功率谱密度的扩散图嵌入显示了一个分级的前后成分，由后部更高的theta和alpha功率及前部更高的delta功率驱动。

Feature combinations部分展示了跨模态特征关联的强大优势。通过控制空间自相关的空间相关性分析显示，不同方法学内部存在强相关性，但使用不同空间尺度的方之间也观察到显著相关性。所有方法的全特征维度减少显示，近远轴和前后轴差异都很明显。可视化显示，海马的近远轴和前后轴与成分1和2密切对应，成分1解释的方差约为成分2的两倍。

研究结论表明，HippoMaps作为一个集中的工具箱和在线数据仓库，为海马亚区分析和情境化提供了关键指导。它将帮助研究者：比较不同方法衍生的海马特征，特别是将活体成像测量与离体数据相互参照；探究结构-功能关系，例如将任务fMRI发现或颅内神经记录与解剖和微结构测量获得的空间模式进行情境化；将临床人群的病例对照偏差与已建立的亚区海马组织原则进行情境化；通过绘制其功能连接和微结构来完善对海马电路的理解，以更好地理解其亚区水平的计算操作和传递函数。

这项研究的深远意义在于它不仅提供了一个技术平台，更开辟了海马研究的新范式。通过将多尺度数据整合到统一的空间框架中，研究人员能够以前所未有的精度解析海马的组织原则，揭示了这个关键脑区如何作为大脑的微观缩影，协调多种认知功能并成为神经疾病的共同靶点。随着更多研究数据的不断汇入，HippoMaps有望成为连接微观电路与宏观功能的重要桥梁，最终推动我们对人脑架构和功能的深入理解。