瑞士洛桑联邦理工学院的“蓝脑计划”[56] 从 2005 年开始就试图模拟人脑功能，其初始目标是对构成鼠脑新皮层中功能柱单元的 1 万个神经元及 3 千万个突触连结进行模拟。这个模型虽然基于十几年来的各种实验数据，如神经形态学、基因表达、离子通道、突触连接，以及很多鼠脑活动的电生理记录，但仍然不是真实完整的神经元网络。美国脑计划于在 2015 年启动了脑皮层模拟项目（MICrONS）[57]，旨在通过重建一立方毫米脑区内的神经环路连接，模拟脑皮层功能，研发下一代机器智能系统。酝酿中的中国脑计划也将类脑研究列为重要目标之一。

由此可见，脑空间信息机制研究是认知脑功能并发展类脑人工智能的必由之路。智能技术正从狭义的人工智能向类脑人工智能发展，基于脑连接三维甚至四维图谱的脑空间信息学的发展将是成败的关键。

综上，有理由认为，脑空间信息学研究将为理解脑功能与防治脑疾病打下坚实基础，也为发展类脑人工智能技术提供重要指导。中国脑计划已箭在弦上，以重大需求为导向，通过发展核心关键技术，建立科学的研究体系，应该成为中国脑计划实现突破并引领国际的重要路径[58~60]。

讨论与展望

考察生物信息学的发展历程我们可以看到，正是由于 DNA 测序技术的快速发展，催生了一个从积累数据向解释数据的时代转变，这是历史发展的必然。同样，随着介观尺度全脑网络可视化[20,21] 技术的发展，产生了 PB 级脑空间信息的数据。如何利用信息技术，特别是计算机技术，解析脑连接时空变化特性，正成为脑科学研究的前沿。因此，脑空间信息学是脑科学与信息科学交叉融合与发展的必然结果。

从研究方法角度，以 VBN 为核心技术体系的脑空间信息学是系统论研究和还原论研究的重要结合点。

脑空间信息学是由脑科学和信息科学高度交叉而形成的一门新兴的学科，其最重要的目标是认识脑，并且其研究成果对于保护脑和创造脑同样意义重大。脑空间信息学最重要的特点是采用了以 VBN 为核心的独特技术体系，这一新的技术体系以亚微米甚至更高的体素分辨率，全局(全脑范围)、动态(脑发育的不同阶段)地为脑科学研究提供前所未有的数据，包括神经元分辨水平的基因组、转录组、蛋白质组和代谢组等表达信息。脑空间信息学不仅在研究对象上面临着人类的终极挑战——脑，在研究手段方面，对现代信息科学与技术的发展也提出了前所未有的挑战。为此，有必要对这一新兴学科进行更深入更全面的规划和建设，不断完善其学科体系，引领脑科学与智能技术的发展。

需要特别强调的是，支撑脑空间信息学的技术体系不只是 VBN，也包括以电子显微镜为代表的局域脑组织高分辨成像和以 fMRI 为代表的宏观水平的全脑成像。电子显微镜的成像分辨率很高，但成像范围极其有限，Luo 等人[61]测算过，1 mm3 的脑组织，如果用电子显微镜成像，需要 1 万人/年的工作量。fMRI虽然能快速观测全脑，但不能在神经元/细胞分辨水平真实反映脑结构与功能活动[5]。只有基于 MOST 或荧光 MOST（fluorescence micro-optical sectioning tomography, fMOST）的技术体系既能在亚细胞分辨水平、又能在全脑范围实现脑结构与功能的观测。

MOST/fMOST 与电子显微镜和 fMRI 等技术互相补充、融合，将构建出更完备的脑空间信息技术体系框架，使得脑空间信息学不再是空中楼阁。

致 谢

中国科学院武汉物理与数学研究所叶朝辉、国家自然科学基金委员会曹河圻、华中科技大学龚辉提出了重要修改意见，华中科技大学李安安、袁菁、李向宁、许彤辉、杨孝全、张智红、王平、黄松林、张小宇、吴昊、齐毅松、周伟、曾绍群、施华等参加了调研与讨论。

国家自然科学基金创新研究群体项目（批准号：61421064）和国家自然科学基金（批准号：91232000）资助。

参考文献

Mitra P P. The circuit architecture of whole brains at the mesoscopic scale. Neuron, 2014, 83: 1273–1283

Seung S. Connectome: how the brain’s wiring makes us and who we are. Houghton Mifflin Harcour, 2013, 117: 1513–1514

Morgan J L, Berger D R, Wetzel A W, et al. The fuzzy logic of network connectivity in mouse visual thalamus. Cell, 2016, 165: 192–206

Oh S W, Harris J A, Ng L, et al. A mesoscale connectome of the mouse brain. Nature, 2014, 508: 207–214

Crick F, Jones E. Backwardness of human neuroanatomy. Nature, 1993, 361: 109–110

Li A, Gong H, Zhang B, et al. Micro-optical sectioning tomography to obtain a high-resolution atlas of the mouse brain. Science, 2010, 330: 1404–1408

Huang Z J, Zeng H. Genetic approaches to neural circuits in the mouse. Annu Rev Neurosci, 2013, 36: 183–215

Marshel J H, Mori T, Nielsen K J, et. al. Targeting single neuronal networks for gene expression and cell labeling in vivo. Neuron, 2010, 67: 562–574

Izpisua Belmonte J C, Callaway E M, Caddick S J, et al. Brains, genes, and primates. Neuron, 2015, 86: 617–631

Zhang B, Li A, Yang Z, et al. Modified Golgi-Cox method for micrometer scale sectioning of the whole mouse brain. J Neurosci Methods, 2011, 197: 1–5

(责任编辑：本港台直播)