近期美國國家科學(xué)院宣布了新增選的院士名單,，其中新增院士90名,，包括外籍院士18名,。此次生命科學(xué)領(lǐng)域當(dāng)選的女院士并不多,，來自密歇根大學(xué)安娜堡分校的神經(jīng)科學(xué)與精神病學(xué)教授Huda Akil就是其中之一，這位科學(xué)家主要貢獻是首次發(fā)現(xiàn)內(nèi)源性鴉片肽的生理作用,，曾經(jīng)擔(dān)任全球最大神經(jīng)學(xué)會the Society for Neuroscience主席,。近期其研究組在Science上發(fā)文，解析了神經(jīng)科學(xué)研究中的數(shù)據(jù)處理問題,。
據(jù)報道,，對于每一個學(xué)科來說，數(shù)據(jù)的巨幅增加都具有兩方面的況味：一方面是處理數(shù)據(jù)的嚴(yán)峻挑戰(zhàn),，另一方面是處理“好”數(shù)據(jù)帶來的巨大機遇。在數(shù)據(jù)存儲方面,，越來越多的數(shù)據(jù)超出了人們能夠進行物理保存的范圍,。于是一個重要問題就是哪些數(shù)據(jù)應(yīng)該存檔，哪些應(yīng)該丟棄,，以及如何訪問和應(yīng)用存檔的數(shù)據(jù),。要知道，許多數(shù)據(jù)庫都變得太大而難以下載,，對于這些數(shù)據(jù)庫,，數(shù)據(jù)容量和管理成為新的挑戰(zhàn)。調(diào)查發(fā)現(xiàn),，半數(shù)以上的課題組都采用組內(nèi)保存數(shù)據(jù)的方式進行數(shù)據(jù)存儲,，而且缺乏專職人員進行管理。
Science就此推出了“Dealing withData”的專題,，解析在目前這個信息爆炸,、數(shù)據(jù)井噴的時代里，如何進行數(shù)據(jù)的搜集,、維護和使用,。這一專題涉及分子生物學(xué),，神經(jīng)生物學(xué)，化學(xué)等多個領(lǐng)域,，其中在神經(jīng)生物學(xué)領(lǐng)域,，Akil教授就發(fā)表了題為“Challenges and Opportunities in Mining Neuroscience Data”（神經(jīng)科學(xué)數(shù)據(jù)挖掘的挑戰(zhàn)與機遇）的文章，Akil教授認(rèn)為,，腦科學(xué)的根本挑戰(zhàn)在于解碼關(guān)于人的復(fù)雜行為和功能的“神經(jīng)劇本”,，包括思維，記憶,，行為和情感,。這就需要獲得并綜合大量的、五花八門的,、時空多尺度的數(shù)據(jù),。
在這一觀點性文章中，Akil教授通過多個例子說明了“神經(jīng)信息學(xué)”方法在進行數(shù)據(jù)處理時的諸多優(yōu)點,。作者特別提到“連接組學(xué)(connectomics)”和“神經(jīng)科學(xué)信息框架(NeuroscienceInformation Framework,NIF)”,，它們都證明從神經(jīng)信息的不同層次加深對腦的理解具有許多新機遇。
Akil教授在神經(jīng)生物學(xué)領(lǐng)域獲得了多個重要的研究成果,，比如他們曾發(fā)現(xiàn)一種與大腦發(fā)育有關(guān)的化學(xué)物質(zhì)或許可幫助減輕焦慮癥甚至抑郁癥,，研究人員們通過篩選法培育出兩類大鼠，一類焦慮不安,，一類比較安定,，檢測發(fā)現(xiàn)，焦慮不安的大鼠與安定的大鼠相比,，前者大腦中的成纖維細(xì)胞生長因子2（簡稱FGF2）水平較低,。研究人員認(rèn)為此前人們知道FGF2與大腦發(fā)育有關(guān)，可幫助修復(fù)大腦創(chuàng)傷,，但這項研究發(fā)現(xiàn),，F(xiàn)GF2還扮演了另外兩個重要角色：它是導(dǎo)致焦慮癥的遺傳因素，也是環(huán)境影響人體的調(diào)節(jié)因素,。（生物谷Bioon.com）
生物谷推薦原文：
Science DOI： 10.1126/science.1199305
Challenges and Opportunities in Mining Neuroscience Data
Akil, Huda; Martone, Maryann E.; Van Essen, David C.
Understanding the brain requires a broad range of approaches and methods from the domains of biology, psychology, chemistry, physics, and mathematics. The fundamental challenge is to decipher the “neural choreography” associated with complex behaviors and functions, including thoughts, memories, actions, and emotions. This demands the acquisition and integration of vast amounts of data of many types, at multiple scales in time and in space. Here we discuss the need for neuroinformatics approaches to accelerate progress, using several illustrative examples. The nascent field of “connectomics” aims to comprehensively describe neuronal connectivity at either a macroscopic level (in long-distance pathways for the entire brain) or a microscopic level (among axons, dendrites, and synapses in a small brain region). The Neuroscience Information Framework (NIF) encompasses all of neuroscience and facilitates the integration of existing knowledge and databases of many types. These examples illustrate the opportunities and challenges of data mining across multiple tiers of neuroscience information and underscore the need for cultural and infrastructure changes if neuroinformatics is to fulfill its potential to advance our understanding of the brain.
