腦空間信息學
——連接腦科學與類腦人工智能的橋梁

駱清銘

從認識腦、保護腦和創(chuàng)造腦角度，腦科學一般分為神經生物學、臨床神經科學和計算神經科學等學科。神經生物學被定義為研究人和動物的神經系統(tǒng)的結構、功能及其相互關系的科學，旨在分子、細胞、神經回路或網絡、乃至系統(tǒng)和整體水平上，闡明神經系統(tǒng)特別是腦的物質、能量、信息的基本活動規(guī)律，可進一步細分為分子神經生物學、細胞神經生物學、系統(tǒng)神經生物學、行為神經生物學、發(fā)育神經生物學和比較神經生物學等分支學科。

眾所周知，腦是一個極其復雜的巨系統(tǒng)。腦內神經元、膠質細胞、血管等結構與功能信息高度復雜，時空尺度的跨度可達十幾個數量級。腦連接及腦活動是在不同時間—空間尺度上演化和變化的，其物質、能量和信息高度耦合，具有空間位置不確定性、空間關系不確定性以及時域不確定性等。如何在大跨度的時間—空間尺度上研究腦連接及腦活動的演化和變化規(guī)律是腦科學研究面臨的重大挑戰(zhàn)，然而前述分支學科都不能很好地定義這一新興的交叉研究領域。

研究表明，學科成熟的重要標志包括獨立的研究內容、成熟的研究方法和規(guī)范的學科體制等，其中相對成熟的研究方法或完備的技術體系至關重要。Seung在《連接組：造就獨一無二的你》中提到，神經科學家缺少足夠的技術去測繪神經元之間的連接，因為這個原因，連接主義（connectionism）從來沒有被視為一門真正的科學。由此可見技術體系在學科發(fā)展過程中的地位。

美國Harvard大學Lichtman教授領導的團隊以電子顯微鏡為觀察手段，用時15個月以4 nm×6 nm×28 nm體素分辨率測繪了0.07 mm3P32小鼠（Mus musculus）外側膝狀體核并重建400多個神經元。美國Allen腦科學研究所重建了100 μm分辨的小鼠腦連接圖譜。他們所采用的手段都沒能在小鼠全腦范圍內獲取單神經元分辨水平的神經環(huán)路精細結構圖譜，當然更談不上獲取功能連接信息。由此可見，如何在小鼠全腦范圍獲取神經元分辨水平的結構與功能圖譜在國際上仍然是未獲解決的瓶頸問題。

功能磁共振成像（functional Magnetic Resonance Imaging，fMRI）主要通過測量磁共振信號來量化血氧飽和度和血流量的變化，對流向特定腦區(qū)血液的變化進行檢測，從而間接反映腦神經活動所伴隨的能量消耗。它可同時提供腦的解剖和功能視圖。該技術的突出優(yōu)點包括無損傷、無輻射、可重復測量，空間分辨率在毫米量級。DNA雙螺旋結構發(fā)現(xiàn)人之一、諾貝爾生理學或醫(yī)學獎獲得者Crick和Jones在給《Nature》的評論中寫道：“我無法忍受我們沒有繪制出人類大腦的連接圖。沒有它，很難有希望能了解我們的大腦是如何工作的?！彼€測算過，1 mm3的人腦視皮層包括超過40000個神經元。顯然，fMRI離神經元分辨水平還有很大差距。

以顯微光學切片斷層成像（micro-optical sectioning tomography，MOST）為標志的全腦高分辨精準空間定位與成像方法的日益成熟和應用，使得在全腦范圍測量和繪制三維精細的腦連接圖譜、建立標準化的數據體系成為可能。這里所說的三維精細腦連接圖譜不是傳統(tǒng)的、由若干帶有注釋信息的、離散的斷面圖片的集合，而是指空間間隔為亞微米（準連續(xù)）、能分辨出單個神經元、具有明確空間尺度和位置信息的全腦結構及功能（包括基因組、轉錄組、蛋白質組和代謝組等信息）連接圖譜。為此，有必要建立規(guī)范的腦空間信息研究科學體系，即運用現(xiàn)代信息科學理論、技術與方法，從信息科學角度，以高的體素分辨率（voxel resolution），如細胞/軸突/毛細血管分辨水平，在全腦范圍測量（surveying）與繪制（mapping）腦結構和功能信息的三維空間分布，如神經元投射、神經/血管分布、基因組/蛋白組/代謝組/轉錄組分布等，從而揭示腦連接及活動的時空特征和變化規(guī)律，如神經元和血管走向、同類型神經元的覆蓋范圍、神經元之間的時空連接特征及投射方向等。腦空間信息學的提出正是順應這一發(fā)展趨勢的體現(xiàn)。

1 腦空間信息學的定義

腦空間信息學（brain-spatial information science，brainsmatics）是以腦連接的基本結構與功能單元為研究對象，揭示腦連接空間信息機制，引導腦疾病防治與智能技術發(fā)展的新興交叉學科。該學科是認知腦功能并進而探討意識本質的科學前沿，是溝通腦科學與智能科學的橋梁。腦空間信息學將腦作為一個完整的系統(tǒng)，順應智能技術發(fā)展需求，以腦科學和信息科學的基本理論為指導，運用新興的全腦高分辨精準空間定位與成像方法，同時結合多種前沿腦科學研究技術，標記、獲取、分析和可視化具有明確空間尺度和位置的精細腦網絡結構與功能信息，從大數據中提取跨層次、多尺度的腦連接時空特征，揭示感知、記憶、意識和情感等腦連接空間信息機制，從而促進腦健康與智能技術的跨越式發(fā)展。

2 腦空間信息學的研究內容、技術體系及關鍵科學問題

這里從腦連接的示蹤、測量、可視化以及時空信息特征的提取與模擬等4個方面簡要討論腦空間信息學的研究內容、技術體系及關鍵科學問題。腦空間信息學的技術體系是指貫穿腦空間信息示蹤、測量、分析、處理、呈現(xiàn)、傳播和應用等一系列技術方法所構成的完整技術方法的總和。它是實現(xiàn)腦空間信息從獲取到應用的技術保證，并能在自動化、時效性、詳細程度和可靠性等方面滿足人們的需要。

對比腦科學的其他分支學科可以看出，雖然研究對象都是腦神經系統(tǒng)，腦空間信息學具有相對獨特而成熟的技術體系，特別是介觀尺度的全腦高分辨精準空間定位與成像，為獲取具有明確空間尺度和位置的精細腦網絡結構與功能信息，并從大數據中提取跨層次、多尺度的腦連接時空特征提供了技術保證。與過于理想的連接主義不同的是，可行的技術體系標志著腦空間信息學這一新興交叉學科日臻成熟。

2.1 腦連接的示蹤

腦連接的示蹤主要研究并運用各種示蹤技術，從分子、突觸、單細胞，到環(huán)路、網絡和腦區(qū)等不同層次，為多模態(tài)原位獲取精細腦連接結構和功能信息，提供特異、高效、可控的標記方法。19世紀末和20世紀初，意大利科學家Camillo Golgi和西班牙學者Santiago Ramón y Cajal先后開發(fā)利用高爾基銀染法對神經元進行染色，并獲得1906年的諾貝爾生理學或醫(yī)學獎，由此可見示蹤方法的重要性。

現(xiàn)有示蹤技術包括：借助化學、病毒學和基因組、蛋白質組、轉錄組、代謝組等組學技術，發(fā)展不同尺度下腦空間信息的原位標記技術，如轉基因技術、示蹤標記技術（免疫標記、染色示蹤、轉染標記等）、基因編輯技術等，實現(xiàn)對不同層次腦連接基本單元的特異、高亮標記。從實現(xiàn)測量的角度，通常被忽視的樣品制備技術往往是最重要制約因素。

Jiang等人研究了成年小鼠新皮層不同神經元的形態(tài)差異并初步證實神經元可被歸類為有限的細胞類型，且每一種神經元類型都有其固定的連接模式。據此，可以大膽假設，不同類型的神經元、神經環(huán)路/網絡與神經系統(tǒng)之間的關系，可以類比于化學元素、化合物與生命有機體，也可類比于分立的電子元器件（如電阻、電容、電感、三極管等）、基礎電路（如電源電路、音頻電路、放大電路等）與電子系統(tǒng)（通信電子系統(tǒng)、飛機電子系統(tǒng)、導彈電子系統(tǒng)等）。

關鍵科學問題主要包括：（?。┤绾卧鰪娔X空間信息的示蹤效率，實現(xiàn)對微觀精細結構、介觀完整形態(tài)和宏觀整體信息的高對比度、完整標記？（ⅱ）如何提高標記的特異性，實現(xiàn)不同類型神經元和腦細胞（可進一步區(qū)分為亞類）、神經環(huán)路、以及由多個環(huán)路所組成的神經網絡乃至神經系統(tǒng)等不同層次結構和功能信息的示蹤？如何實現(xiàn)針對特定類型神經元、環(huán)路和網絡的稀疏數量可控、跨突觸級數可控？

2.2 全腦范圍腦連接的測量

全腦范圍腦連接的測量主要研究不同尺度下全腦、高分辨精準成像與空間定位方法，建立與之相應的定位基準，并將數據采集過程標準化，實現(xiàn)具有明確空間尺度和定位含義的精細腦網絡結構與功能信息的獲取和分析，為提取腦連接時空特征提供跨層次、多尺度的大數據，從而揭示和掌握腦空間信息的時空變化特征及規(guī)律。

在介觀尺度下最有特色的全腦范圍腦連接的測量技術是以MOST為基礎的系列全腦高分辨精準空間定位與成像技術。此外，連續(xù)雙光子層析成像（serial two-photon tomography，STP）、光片照明顯微成像（light sheet microscopy，LSM）、多光子顯微成像等也可以為研究腦空間連接信息提供部分技術支持。介觀尺度的測量技術可以與宏觀尺度的測量技術，如fMRI、正電子發(fā)射斷層成像（positron emission tomography，PET）、腦電（electroencephalogram，EEG）、功能近紅外光學成像（functional near-infrared imaging，fNIRI）、X射線計算機層析成像（X-CT）、超聲成像等，以及微觀尺度的成像技術，如電子顯微鏡成像、超分辨熒光納米顯微成像等，相互配合與交互。腦空間信息測量的定位基準和數據采集過程的標準化是推動腦科學研究成果產業(yè)化的重要保障，這也是腦空間信息測量技術最迫切需要解決的問題。

關鍵科學問題主要包括：（ⅰ）如何實現(xiàn)介觀和微觀尺度下腦連接空間信息的獲?。楷F(xiàn)有技術已能解析宏觀尺度下的腦連接，但仍缺乏介觀和微觀空間尺度水平時空變化的測量手段。（ⅱ）如何建立不同尺度的定位基準？定位基準是在不同條件下所獲取的腦空間信息進行匹配及比較的前提條件。目前，宏觀尺度的定位基準已初步建立，尚缺乏介觀及微觀尺度的定位基準，亟待確定。（ⅲ）如何實現(xiàn)測量標準化？測量設備及測量過程的全過程標準化管理是保證腦空間信息數據可靠性和有效性的重要前提，也是開展對比性研究的重要基礎。

2.3 腦連接的可視化

研究內容主要包括腦空間信息的數據可視化、科學可視化、信息可視化和知識可視化。可視化的目標是將跨層次、多維度的腦空間信息時空變化過程，通過運用高維數據場、虛擬現(xiàn)實等技術直觀、高效地呈現(xiàn)出來，以供用戶觀察、模擬和計算。開展腦連接的可視化研究一方面需要建立涵蓋數據管理、運算、分析和展現(xiàn)等手段在內的一整套技術方案，另一方面還要構建數據編碼標準、數據表示標準、數據質量標準、數據交換標準、空間定位標準、流程控制規(guī)范等完整標準體系。實現(xiàn)腦連接的可視化首先要完成腦空間信息大數據的數字化和知識化，其中，數字化又是知識化的基礎，研究從多維圖像大數據中準確、高效地分割重建出腦區(qū)核團、神經元形態(tài)等特定結構，實現(xiàn)圖像到圖形的變換。知識化是研究運用計算機輔助技術并結合專家知識，將數字化的圖形圖像數據準確變換為結構化的知識，并通過數據庫、圖譜等基本組織形式對腦空間信息知識進行收集、分類、檢索和調用。

三維腦連接信息的可視化對于建立腦認知模型并最終理解腦工作機制至關重要。16世紀意大利藝術家Giuseppe Arcimboldo曾神奇地把蔬菜、水果和花組合成人像，猶如幾十種不同的化學元素最終能組成人體。人類依據還原論思想，成功地對自然界加深了認識，然而另一方面，也需要整體論或系統(tǒng)論思想的指導。如何實現(xiàn)對海量腦連接大數據的準確展示，將是腦科學研究面臨的重大挑戰(zhàn)。

腦空間信息數據量巨大，技術體系涉及大數據存儲與傳輸，在數據結構、數據壓縮、云存儲等多方面都需要技術支撐。此外，在數字化方面，需要運用和發(fā)展現(xiàn)代數字圖像處理、云計算、統(tǒng)計學、機器學習等技術；在知識化方面，需要借鑒和采用數據挖掘、數據庫、情報學等技術；在可視化方面，則需要運用和發(fā)展計算機圖形學、虛擬現(xiàn)實等技術。

關鍵科學問題主要包括：（?。┤绾戊`活運用專家介入和自動化技術，在復雜大數據中實現(xiàn)腦空間信息準確而高效的數字化？（ⅱ）如何應用虛擬現(xiàn)實等技術，對時空變化過程中獲取的大數據進行交互式可視化？（ⅲ）如何利用有限的計算資源，實現(xiàn)對大數據的存儲、傳輸、運算和呈現(xiàn)？

2.4 腦連接時空信息特征的提取與模擬

主要內容是通過整合多模態(tài)、跨層次、多尺度的全腦高時空分辨信息，模擬特定功能（運動、視覺、聽覺、情感、記憶等）神經環(huán)路和網絡的時空動態(tài)過程，進行空間上的形態(tài)分析、時間上的過程分析和發(fā)生上的因果分析，實現(xiàn)對腦空間信息的定性解譯和定量反演，揭示腦連接的時空變化規(guī)律，進而實現(xiàn)全腦的功能模擬，為類腦和智能技術提供全新的理論基礎。

采用全腦網絡可視化（visible brain-wide networks，VBN）技術測繪的小鼠桶狀腦皮層發(fā)現(xiàn)，同一腦區(qū)存在多種形態(tài)的神經元，其投射模式也不一樣，有局部，也有長程?？偩€有限的數據傳輸速率被稱為“馮·諾依曼瓶頸”，顯然，腦信息處理的機制是完全不一樣的，但實際情況是什么？不同腦區(qū)之間如何實現(xiàn)信息交互？是具有少量捷徑連接的小世界網絡嗎？需要在全腦范圍、運用系統(tǒng)生物學思想來研究這個問題，通過建立跨層次多尺度模型，模擬并最終認識腦連接的基本規(guī)律。

技術體系中，需要采用對所獲得的數據進行解析和理解的方法，包括統(tǒng)計信號處理、高維數據分析、大數據處理等，而對所理解的知識進行建模的方法，則包括統(tǒng)計建模、機器學習、深度學習等。

關鍵科學問題主要包括：（?。┤绾螐亩嗄B(tài)跨層次多尺度和多維度的腦連接大數據中，揭示特定腦功能的時空變化規(guī)律？（ⅱ）如何針對類腦研究的需求，構建腦空間信息的數學模型？

3 大數據時代的腦空間信息學

大腦非常復雜，全面理解大腦必將帶來多層次、多模式的海量數據。例如，基于MOST成像技術，以微米體素分辨率采集一個完整小鼠腦的數據量達8 TB，如果是熒光圖像數據量則更大。對于人腦而言，若以相同體素分辨率采集，預計數據量將達到11 PB，相當于20萬部4K高清電影，或500家三甲醫(yī)院產出的全年數據。如果用正在普及的10 M寬帶，僅數據傳輸就需要耗時300年。此外，腦研究中數據類型具有多樣性，維度、深度、密度、數據結構、壓縮方式，以及所代表的物理量及其對應的生物信息量各不相同。因此，腦研究產生的海量數據必將對數據處理、存儲、分析、管理和共享等方式帶來全方位的挑戰(zhàn)。

數據的計算、存儲、傳輸等技術的需求從某種意義上來講具有“大數據”的共性，但如何科學地組織、共享和管理這些神經信息數據，提高數據的使用率和價值，是對現(xiàn)代信息技術特別是計算機技術提出了前所未有的巨大挑戰(zhàn)。大數據的計算離不開高性能計算領域的參與，歐盟“人類腦計劃”在巨型計算機上對人腦建模，通過超級計算機描繪和模擬大腦神經元活動的海量數據，對大腦的功能和活動進行模擬。美國“腦計劃”也將建立大規(guī)模神經信息數據計算平臺列為重要任務之一。

大數據時代，開展腦空間信息學研究正當時，機遇與挑戰(zhàn)并存。

4 腦空間信息學的應用

具有跨層次、多尺度時空變化特征的腦空間信息學有望在繪制腦結構及功能的三維甚至四維圖譜，并進而在認知腦功能、防治腦疾病和發(fā)展智能技術等方面發(fā)揮重要作用。

4.1 認知腦功能

利用所建立的腦空間信息知識庫，回答神經元種類及繪制腦圖譜等問題，并對研究認知和行為的神經活動機制等腦科學問題提供基礎數據?；谀X內原位多種信息共存的空間信息構建的模型將為腦科學研究提供模擬和分析平臺。

由于在介觀尺度缺乏有效的研究工具，目前對高等哺乳動物神經環(huán)路連接信息的認識還極度匱乏。復雜腦功能往往需要局部神經環(huán)路和長程神經環(huán)路的協(xié)同作用才能完成，其中長程神經環(huán)路可能從皮層一直投射至脊髓，幾乎跨越全腦范圍。小鼠全腦在任意方向上都是厘米量級；腦中的特定結構，如海馬，在毫米量級；一般神經元胞體的直徑約為5～30 μm，胞體發(fā)出的突起直徑往往小于1 μm。要在全腦范圍獲取精細神經結構，需要跨越4～5個數量級的幾何尺度進行高分辨率成像——這是現(xiàn)有成像技術必須克服的技術瓶頸。目前，人們僅對擁有302個神經元的線蟲進行了較完整的神經環(huán)路研究，而對于擁有約10萬個神經元的果蠅（Drosophila melanogaster）腦的相關研究還只是剛剛起步。相比之下，高等哺乳動物大腦由數億到數百億計的神經元構成，在介觀尺度繪制哺乳動物腦連接圖譜對傳統(tǒng)成像技術而言無疑是不可能完成的任務。作為腦空間信息學領域最有特色的研究手段之一，以MOST為基礎的全腦高分辨精準空間定位與成像技術體系的日益成熟，為在介觀尺度（具有神經元/細胞分辨度）建立小鼠或非人靈長類（獼猴）全腦網絡精細結構與功能連接圖譜提供了重要的研究工具和技術平臺。

4.2 防治腦疾病

通過全腦空間精細信息的整合，對比不同模態(tài)下腦部結構與功能的差異，有助于系統(tǒng)地研究腦部疾病及大腦發(fā)育的機制，為腦部重大疾病如神經遺傳與發(fā)育性疾?。ㄗ蚤]癥等）、精神性疾?。ㄒ钟舭Y等）和神經退行性疾?。ɡ夏臧V呆癥等）的臨床防治提供支撐，并為兒童教育等提供理論指導。

腦疾病防治是腦科學研究最重要的需求導向之一。由于對腦的結構和功能缺乏認識，不能及時有效地治療老年癡呆、帕金森氏病、抑郁和自閉等腦疾病，導致腦疾病已經成為社會負擔最重的病種。在單神經元分辨水平揭示全腦神經環(huán)路的空間連接信息，不僅是闡明各種高級腦功能機制所必需的，也是徹底認識和征服腦疾病的重要前提。特定神經系統(tǒng)疾病往往伴隨著相關神經環(huán)路的異常。獲得病理模型下特定神經環(huán)路精細圖譜，對研發(fā)腦重大疾病的早期診斷、精準干預（包括病前干預和療后康復）的新技術、新方法是至關重要的。

理想情況下，完美模擬大腦不僅意味著知曉了大腦如何工作，也將知道腦功能被破壞的原因，即腦疾病的致病機制。控制論的創(chuàng)始人Wiener就鼓勵人們從計算機工作原理的角度去理解人類大腦。通過有效的計算機模擬，有望使科學家能夠厘清腦部疾病的某些細節(jié)，進而篩選出可行的治療途徑，甚至革命性地改觀現(xiàn)有的藥物研發(fā)方式，從而形成重要的應用價值。

4.3 發(fā)展類腦智能技術

通過模擬、解譯和反演等多種手段，利用腦空間信息模型探究記憶、學習、決策等原理，構建并規(guī)范全腦空間的功能計算模型，在類腦人工智能的設計上模擬仿真和再現(xiàn)腦局部和整體功能的工作結構，發(fā)展類腦人工智能算法，以此讓機器獲得更好的概括能力、更好的抽象能力以及對稀疏數據的使用能力。

經過60年的發(fā)展，人工智能已經取得了一系列令人矚目的成就。1997年，IBM深藍計算機因為擊敗了世界國際象棋冠軍卡斯帕羅夫而名聲大噪。2016年，Google的AlphaGo又在全世界人民面前大敗圍棋世界冠軍李世石，掀起了智能技術新一輪的熱潮。智能技術如今已成功應用在非常多的領域，例如，機器翻譯、智能控制、專家系統(tǒng)、機器人學、語言和圖像理解、航天應用等重要領域，以代替人類去執(zhí)行復雜或規(guī)模龐大的任務。但是，現(xiàn)有的智能技術還限制于弱人工智能的發(fā)展階段，它的顯著特征是僅具備某項認知能力，無法推廣至實現(xiàn)其他功能。譚鐵牛院士形象地評價“有智能，沒有智慧；有智商，沒有情商；會計算，不會算計；有專能，無全能”。究其原因，還是人工智能向腦工作機制的學習還不夠，“類腦”不夠，當然人類對腦的認識本身也還十分粗淺。目前的人工神經網絡只是參考了神經元間的部分拓撲結構而搭建的數學模型，其核心算法是計算機科學研究者發(fā)明的，而非來自于生物神經系統(tǒng)的解析，尚與大腦的原理和能力相去甚遠。

瑞士洛桑聯(lián)邦理工學院的“藍腦計劃”從2005年開始就試圖模擬人腦功能，其初始目標是對構成鼠腦新皮層中功能柱單元的1萬個神經元及3千萬個突觸連結進行模擬。這個模型雖然基于十幾年來的各種實驗數據，如神經形態(tài)學、基因表達、離子通道、突觸連接，以及很多鼠腦活動的電生理記錄，但仍然不是真實完整的神經元網絡。美國腦計劃于在2015年啟動了腦皮層模擬項目（MICrONS），旨在通過重建一立方毫米腦區(qū)內的神經環(huán)路連接，模擬腦皮層功能，研發(fā)下一代機器智能系統(tǒng)。醞釀中的中國腦計劃也將類腦研究列為重要目標之一。

由此可見，腦空間信息機制研究是認知腦功能并發(fā)展類腦人工智能的必由之路。智能技術正從狹義的人工智能向類腦人工智能發(fā)展，基于腦連接三維甚至四維圖譜的腦空間信息學的發(fā)展將是成敗的關鍵。

綜上，有理由認為，腦空間信息學研究將為理解腦功能與防治腦疾病打下堅實基礎，也為發(fā)展類腦人工智能技術提供重要指導。中國腦計劃已箭在弦上，以重大需求為導向，通過發(fā)展核心關鍵技術，建立科學的研究體系，應該成為中國腦計劃實現(xiàn)突破并引領國際的重要路徑。

5 討論與展望

考察生物信息學的發(fā)展歷程我們可以看到，正是由于DNA測序技術的快速發(fā)展，催生了一個從積累數據向解釋數據的時代轉變，這是歷史發(fā)展的必然。同樣，隨著介觀尺度全腦網絡可視化技術的發(fā)展，產生了PB級腦空間信息的數據。如何利用信息技術，特別是計算機技術，解析腦連接時空變化特性，正成為腦科學研究的前沿。因此，腦空間信息學是腦科學與信息科學交叉融合與發(fā)展的必然結果。

從研究方法角度，以VBN為核心技術體系的腦空間信息學是系統(tǒng)論研究和還原論研究的重要結合點。

腦空間信息學是由腦科學和信息科學高度交叉而形成的一門新興的學科，其最重要的目標是認識腦，并且其研究成果對于保護腦和創(chuàng)造腦同樣意義重大。腦空間信息學最重要的特點是采用了以VBN為核心的獨特技術體系，這一新的技術體系以亞微米甚至更高的體素分辨率，全局（全腦范圍）、動態(tài)（腦發(fā)育的不同階段）地為腦科學研究提供前所未有的數據，包括神經元分辨水平的基因組、轉錄組、蛋白質組和代謝組等表達信息。腦空間信息學不僅在研究對象上面臨著人類的終極挑戰(zhàn)——腦，在研究手段方面，對現(xiàn)代信息科學與技術的發(fā)展也提出了前所未有的挑戰(zhàn)。為此，有必要對這一新興學科進行更深入更全面的規(guī)劃和建設，不斷完善其學科體系，引領腦科學與智能技術的發(fā)展。

需要特別強調的是，支撐腦空間信息學的技術體系不只是VBN，也包括以電子顯微鏡為代表的局域腦組織高分辨成像和以fMRI為代表的宏觀水平的全腦成像。電子顯微鏡的成像分辨率很高，但成像范圍極其有限，Luo等人測算過，1 mm3的腦組織，如果用電子顯微鏡成像，需要1萬人/年的工作量。fMRI雖然能快速觀測全腦，但不能在神經元/細胞分辨水平真實反映腦結構與功能活動。只有基于MOST或熒光MOST（fluorescence micro-optical sectioning tomography，fMOST）的技術體系既能在亞細胞分辨水平、又能在全腦范圍實現(xiàn)腦結構與功能的觀測。

MOST/fMOST與電子顯微鏡和fMRI等技術互相補充、融合，將構建出更完備的腦空間信息技術體系框架，使得腦空間信息學不再是空中樓閣。

致謝

中國科學院武漢物理與數學研究所葉朝輝、國家自然科學基金委員會曹河圻、華中科技大學龔輝提出了重要修改意見，華中科技大學李安安、袁菁、李向寧、許彤輝、楊孝全、張智紅、王平、黃松林、張小宇、吳昊、齊毅松、周偉、曾紹群、施華等參加了調研與討論。