2022年5月30日，Nature计算科学领域子刊《Nature Computational Science》以封面文章的形式刊出了题为“大规模GPU加速的连接组探索”的文章[1]，报道了来自印度和美国的脑连接组学合作研究成果（图1）。北京师范大学认知神经科学与学习国家重点实验室的左西年教授，应期刊邀请对该研究进行了同行评审并就其主要研究结果发表“高效修剪脑连接组”的新闻与观点文章[2]，阐述了高效计算对个体化脑连接组修剪的重要性。

图 高效修剪脑连接组

现代无创脑成像技术快速推动了宏观尺度人脑连接组学的发展，图论数学和神经影像方法的结合使得我们可以绘制高清人脑连接组图谱，为其个体化研究和应用提供了计算资源。无论是结构还是功能连接组，当前在构建全脑连接时都对计算资源有很高的要求，比如该文所聚焦的脑结构连接组修剪就需要几十个小时，这就严重限制了其大规模的使用和个体化的推广，研究团队通过稀疏正则化约束并将算法分布到GPU而实现了并行修剪计算，使修剪连接组的速度提高了百倍。鉴于人脑连接组“黄金标准”的缺失，连接组修剪的测量信效度必须要系统地评估，基于人脑连接组计划的公开脑智数据，研究团队验证了这一大规模算法所导出测量的信效度，为人脑连接组个体差异的大规模研究提供了个体化和精准化计算方法。

参考文献

[1] GPU-accelerated connectome discovery at scale (2022) Nature Computational Science, 2:298-306.

[2] Efficiently pruning brain connectomes (2022) Nature Computational Science, 2:288-289.