脑科学研究者和旅行家一样，需要在地图的指引下来定位脑的区域、描绘脑的功能。脑图谱不仅在神经科学和临床实践中扮演着重要的角色，而且是研究者们在不同尺度下对脑网络进行研究的必要条件之一。脑绘图（建立脑图谱的艺术与科学）的主要目标是定义区域的边界。对于人脑而言，这方面先导性的工作是目前得到普遍应用的 Brodmann. 部分脑皮层分区图[2]。后来出现的 von Economo 和 Koskinas. 的脑分区图[8]比  Brodmann 脑分区图精细很多，所划分出的区域数量大约是 Brodmann. 脑分区图的2倍，但它却很少被研究者使用。不过，尽管 von Economo 和 Koskinas 的脑分区图被人脑的研究者们忽视，非人灵长类动物脑的研究者们却经常使用到它。在我们的狨猴脑立体坐标图谱[7]（电子版可以在 George Paxinos 研究组的网站上免费获取）中，我们借用了一些 von Economo 和 Koskinas 脑分区图中的描绘。人脑皮层分区图的问题在于，它们像几千年前的欧洲地图一样粗糙和落伍。

一般来说，对脑皮层进行划分有四个标准：结构、连接、拓扑构造、功能特性。采用多种标准来确认脑区划分变得越来越重要和有趣。在过去的十年里，出现了不少基于单个标准来绘制脑的功能分区或远距离相互作用网的技术，而综合这些标准绘制脑分区图的尝试却很少。与此有关的是，中国科学院自动化研究所最近发布的脑网络组（Brainnetome）图谱[4]（Fan, Lingzhong, et al."The Human Brainnetome Atlas: A New Brain Atlas Based on ConnectionalArchitecture." Cerebral Cortex (2016): bhw157.）向采用新技术绘制脑图迈进了一步。

人类脑网络组图谱建立在活体脑成像的基础之上，在每个脑半球中划分出了105个皮层分区和18个皮层下分区。从弥散磁共振成像（dMRI）得到的结果来看，每个分区中的各个体素具有相似的全脑连接特性。更重要的是，该图谱提供了每个分区的详细的解剖和功能连接情况以及功能活动特征。该图谱首次采用连接特征来划分全脑，并且标志着脑图绘制范式开始发生改变：从单纯描绘皮层解剖结构和连接，转变为在建立解剖构架的基础上组织、融合、探讨多尺度、多模态的信息。

人类脑网络组图谱采用了40名参与人脑网络组计划的健康成人志愿者的多模态磁共振成像数据（包括结构磁共振成像数据、弥散磁共振成像数据和静息态功能磁共振成像数据）。研究者从 Desikan-Killiany 图谱[3]的大尺度皮层及皮层下结构解剖划分出发，采用更细致的并在多个脑区已被证实有效的聚类算法，对各个脑区进行了进一步的划分。建立 Brodmann 脑分区图与人类脑网络组图谱之间的精确对应关系几乎是不可能的，因为这两种分区采用的标准不同。然而，为了帮助其他研究者比较它们之间的异同，人类脑网络组图谱的绘制者们尝试给各个脑区标注了来自 Brodmann 部分脑皮层分区图的命名。

为了解码各个脑区的功能，研究者使用 BrainMap 数据库[5]（最大的脑功能数据库）计算了一系列行为脑区和实验范式集群的激活似然比，并纳入图谱。这不仅为图谱提供了许多重要信息，也给出了一个将不同种类的信息组织并融合进同一个解剖构架的切实可行的范例。作者预期，基因、认知和行为等相关信息在未来都将以类似的形式被纳入人类脑网络组图谱。

人类脑网络组图谱的魅力之一，在于脑图绘制方法学上的高通量性。通过对几十名被试者进行测试，整个脑的分区工作可以在几个星期之内完成，而基于细胞结构的  JuBrain 图谱[1]耗时几年才得以完成。研究者使用实验室能够负担得起的高性能计算设备进行脑图绘制，并公布了自行开发的图谱构建流程——基于自动纤维跟踪算法的分区流程（Automatic Tractography-basedParcellation Pipeline，ATPP）。在大科学的时代背景下，方法学上的开源和高通量性处理变得尤为重要。将高通量技术运用于公开的数据集，能够使不同研究者使用不同数据集重复图谱的构建。

中科研自动化所的研究人员已经在人类脑网络组图谱的网站上（http://atlas.brainnetome.org）推出了面向研究所和医院一线科研人员、具有图形用户交互界面的脑网络组图谱浏览器，能够以最大概率视图立体呈现整个图谱，而且用户可以使用该图谱定义感兴趣的区域。脑网络组图谱阅览器采用 MATLAB 编码，因而能够很容易地嵌入常用的磁共振图像处理流程中。此外，该图谱还能灵活地嵌入常用的参照空间以及广泛使用的软件，如解剖学MNI坐标空间、基于表面的 FreeSurfer 和 Caret软件等。

人类脑网络组图谱提供了一个新的人脑研究——特别是连接组研究——的分析框架，克服了先前脑区划分方法的若干缺陷，并且满足了用一套框架综合多种模态信息的需求。图谱厘清了先前的一些基于细胞结构所建立的脑图之间的分歧，并且揭示了许多先前未曾被详细描述过的解剖划分。

在人类脑网络组图谱被广泛接受以前，最大的问题在于，必须确认它与基于细胞结构的脑图之间的对应关系。除了初级感觉和初级运动皮层区域以外，基于细胞结构的脑图的区域划分比较模糊。因此，如果脑网络组图谱与基于细胞结构的脑图谱能够在初级感觉和运动皮层区域精确对应，也许就能够推断它在其他区域同样精确。 

如果可以在人类大脑网络组图谱中保留宏观上可见的脑沟和脑回的解剖位置，也是有益的。这正是作者们采用Desikan-Killiany图谱作为初始化分区的理由。

正当这篇综述刚刚通过审稿时，一篇与人类脑网络组图谱相关的研究论文[4]在线发表在《自然》杂志上。Glasser 等人的研究与人类脑网络组图谱的目标一致：对人脑做精细的区域划分。然而，这两项研究有3处不同：

（1）脑区涵盖范围不同。人类脑网络组图谱涵盖了整个人脑，包括皮层和皮层下结构，而 Glasser 等人2016年的分区工作只涵盖了皮层部分。

（2）脑区划分标准不同。人类脑网络组图谱建立在弥散磁共振成像得到的解剖连接的基础上，后又经过静息态磁共振和 BrainMap 数据库的评估。因此它是名副其实地将结构和功能都纳入考量的全脑图谱，而且它的每一个精细分区都被 BrainMap 数据库所证实。尽管 Glasser 等人2016年的分区工作采用客观的半自动化策略对人脑皮层进行了多模态分区，但这样的标准还从未在别的地方被采用过。除此之外，四个脑区划分的标准（静息态磁共振得到的功能连接情况、脑功能特性、解剖结构、拓扑构造）之中，Glasser 工作中的解剖结构划分方法（相对皮质髓鞘含量、皮层厚度）是值得商榷的。需要强调的是，传统的神经化学研究中，对死亡脑组织进行组织化学分析才是经典的量化皮层结构的方法。

（3）具体分区边界不同。两种图谱既有重叠，但又存在差异。在脑网络组图谱中，前额叶中的部分区域有更精细的区分度。例如，布洛卡区中布鲁德曼44区的腹侧和背侧、布鲁德曼45区的前侧和后侧，通过连接信息被划分了出来。另外值得注意的区域还有初级皮层，比如躯体感觉皮层和视觉皮层。一方面，基于弥散磁共振成像连接的脑区划分揭示了感官运动侏儒；另一方面，人类脑网络组图谱得到的结果以及其他研究组的观测结果显示，在视觉区域采用不同模态进行脑区划分会得到不同的组织结构。

系统性地检验基于弥散磁共振成像的人类脑网络组图谱与 Glasser 等人2016年的脑区划分之间是否匹配，将会是一项很有意思的工作：在 Brodmann 分区作为唯一的脑区划分标准存在了一个多世纪后，两个重要的皮层图谱在几个月之内相继出现，而我们需要完成它们之间的比较。

综上所述，人类脑网络组图谱提供了一个在群体水平上经过交叉验证的人脑分区图。研究者同时指出，最终获得个体水平的脑分区图也是必要的，它能够反映出个体之间的脑模块位置差异程度。因此，脑网络组图谱应该被视为迈向获得更精细脑图谱的重要一步，它为我们开辟了一条理解正常和异常脑功能的新途径。