勇于冒險 甘于艱苦 樂于和諧

? ? ? ?12月4日至5日，廣東省本科高校生物醫學工程專業教學指導委員會2020年年度會議在南方科技大學、深圳大學順利召開，承辦單位為南方科技大學生物醫學工程系和深圳大學醫學部生物醫學工程學院。會議由廣東省本科高校生物醫學工程專業教學指導委員會主任、南方醫科大學生物醫學工程學院院長馮前進教授主持，廣東省本科高校生物醫學工程專業教學指導委員以及委員單位教師代表約120多人參加會議。 ? ? ? ?合影 ? ? ? ?會上，南方科技大學副校長、教務長張東曉院士致歡迎辭，張校長表示，高等學校教學指導委員會是人才培養的最權威、最高級別專家組織。半個多世紀以來，教指委在我國高等教育改革發展進程中扮演著重要角色，發揮了非常關鍵的研究、咨詢、指導和推動改革等方面作用。廣東省教指委的2020年度工作會議由南科大和深大聯合承辦，這對我們而言有著非常特殊的意義，從教育部正式批準建立南科大，并賦予學校探索具有中國特色的現代大學制度、探索創新人才培養模式的重大使命，今年的12月20日，學校也將迎來十周歲的生日，各位專家學者在此總結工作、交流經驗、分析形勢，對我們是一個極大的肯定和激勵。 教指委主任馮前進教授主持會議 張東曉院士致歡迎詞 蔣興宇講席教授發言 ? ? ? ?隨后，大會圍繞生物醫學工程專業和學科建設展開匯報和討論。南方醫科大學、深圳大學等部分高校代表分別對所在學校生物醫學工程專業的教學科研建設和規劃作了報告，介紹所在高校生物醫學工程專業的辦學特色和學科建設經驗。我系系主任蔣興宇教授介紹了我系本科專業發展的基本情況，我系教師代表張明明助理教授代表我校進行了青年教師示范課展示。 ? ? ? ?會上，馮前進主任委員總結2020年教指委工作和布置2021年度工作計劃。會后，全體與會人員參觀了南方科技大學生物醫學工程系和深圳大學醫學部生物醫學工程學院實驗室。   撰稿：張藝真

? ? ? 日前，科技部公示了國家重點研發計劃“合成生物學”專項2020年度立項項目清單，我校生物醫學工程系講席教授吳德成牽頭的項目“微納生物機器人的定向合成和診療應用”入選。這是我校第二個作為首席科學家單位牽頭組織的國家重點研發計劃項目。 ? ? ? 該項目由我校牽頭，復旦大學附屬腫瘤醫院、華東理工大學、中國科學院上海高等研究院、清華大學、清華大學深圳國際研究生院聯合申報。該項目旨在利用合成生物學手段，開發活細胞感知、整合、響應多種腫瘤微環境信號功能的微納機器人，評估其作用于腫瘤類器官以及腫瘤動物模型的診療效果，建立微納生物機器人對腫瘤的智能診斷和適應性精準治療的新策略。該項目的實施，將拓展合成生物學技術在重大疾病診療中的應用，并拓寬現有的癌癥診治手段，降低癌癥死亡率。 ? ? ? 國家重點研發計劃由原來的國家“973”計劃、“863”計劃、國家科技支撐計劃、國際科技合作與交流專項等整合而成。該計劃聚焦事關國計民生的重大社會公益性研究，以及事關產業核心競爭力、整體自主創新能力和國家安全的重大科學技術問題，致力于突破國民經濟和社會發展主要領域的技術瓶頸。 吳德成講席教授 吳德成課題組 ? ? ? 吳德成2019年加入南方科技大學任生物醫學工程系講席教授。他曾獲國家杰出青年科學基金和基金委重點項目等資助。吳德成團隊長期致力于生物醫用材料的基礎與應用研究，取得了突出的研究成果，獲教育部技術發明一等獎。

? ? ? 近日，南方科技大學生物醫學工程系講席教授金大勇研究團隊和北京大學教授席鵬研究團隊成功開發了光譜偏振光學斷層成像技術（SPOT），結合親脂探針，從光強、光譜和偏振三個光學維度分別解析脂膜的形態、極性和相位，首次實現了細胞內10種亞細胞器膜的同時成像并對其脂質動力學進行了分析。研究成果發表在《自然-通訊》（Nature Communications）。 ? ? ? 正如我們的城市一樣，細胞是一個功能完備的“微觀世界”，一個細胞內有多種不同的細胞器負責物質輸運、新陳代謝、基因遺傳、內分泌調節等功能。細胞器相互作用的研究是我們能認識細胞功能，并且了解致病根源的重要途徑；然而當前的熒光顯微鏡受限于有限的熒光顏色通道，染色種類，染料的穩定性，時間和空間的成像分辨率等因素，為進一步探尋亞細胞器脂膜異質性等帶來阻礙。 ? ? ? 脂膜廣泛存在于亞細胞器中，其形態、組成和脂質相協同調節生物物理膜特性、膜蛋白功能以及脂和蛋白間的相互作用。雖然脂膜在亞細胞器生化功能和互作中扮演著重要角色，但由于其化學成分類似，不同類型的脂膜的分類、相互作用研究和長時間動態觀察均十分困難。 ? ? ? 相比于現有的其他熒光成像技術，這次自主研發的SPOT技術利用六張原始圖像即可獲得熒光強度、光譜和偏振多個維度信息，成像速度快，可實時觀測亞細胞器的動態變化。該技術良好的光學層切能力同時提高了偏振探測精度和光譜探測精度，首次利用光學成像技術得到亞細胞器內部的脂質異質性動態，對脂質極性和位相進行量化觀察。 圖?1 SPOT實現亞細胞器脂膜異質性分析 利用SPOT技術，研究人員發現了線粒體內脊和外膜的脂質異質性以及內吞體在成熟過程中脂質成分的改變。通過實時監測，研究人員捕捉到了細胞分裂過程中細胞膜異質性的動態改變，以及TNT形成過程，和線粒體脊消失過程中脂質成分的動態改變。 圖?2 SPOT監測到細胞分裂過程中脂膜的動態改變 圖?3 線粒體嵴消失過程中脂膜的動態變化 ? ? ? 傳統熒光顯微鏡受限于標記方法，最多只可進行四種細胞器的同時成像。SPOT突破了傳統光學成像維度限制，從三維空間、時間、偏振和光譜六個維度實現高時空分辨率的活細胞成像。通過膜形態、脂質極性和脂質相的協同作用可以對十種亞細胞器同時成像和分類，將為脂質組學和細胞器互作研究再添利器。 ? ? ? 南方科技大學研究助理教授張昊為本文共同第一作者和共同通訊作者，一直以來致力于偏振超分辨成像技術的開發與應用，此前完成的工作包括：（1）開發偏振偶極子超分辨成像SDOM技術（Light: Sci. Appl. 2016），得到Nat. Methods的亮點評價；（2）開發偏振結構光超分辨成像pSIM技術（Nat. Commun. 2019），得到Nat. Methods的亮點評價；（3）提升偏振樣本的SIM成像分辨率（Opt. Express. 2020），并開發基于激光干涉和數字微鏡陣列的低成本SIM技術（Appl. Phys.?Lett. 2020）。 ? ? ? 本文共同第一作者還有清華大學博士生劉文輝和北京大學博士生李美琪。本研究得到國家自然科學基金、科技部重點研發計劃、北京市自然科學基金、深圳市科創委項目等的資助。

? ? ? 11月14日，由我校生物醫學工程系（簡稱“生醫工系”）主辦，生醫工系黨支部承辦的“BME Research Day——生物醫學工程系學術交流日”活動于學生宿舍11棟101活動室舉行。多位系內教師擔任評委，與同學們交流探討科研成果。 ? ? ? 活動中，生醫工系各個課題組的14名研究生以及8名本科生講述了自己的科研成果，并回答了在場師生的提問。最終三名同學獲得最佳口頭展示獎。 ? ? ? 此外，活動展示了來自全系各個課題組的27個壁報，供師生觀看和交流。由生醫工系研究生工作管理委員會組成的評議組審定決出了最佳壁報展示獎。 參賽學生作口頭匯報 參賽學生作壁報展示 合影 ? ? ? 生醫工系系主任蔣興宇為獲獎學生頒獎。他表示，學術交流日活動給學生提供了一個展示自己科研成果的平臺，促進了各個課題組互動交流，希望推動更多科研成果的產出。 ? ? ? 活動結束后，生醫工系安排了實驗室參觀，為到場的大一學子介紹生醫工系各課題組的研究方向與儀器設備。

? ? ? ?10月27日上午，中山大學附屬第七醫院科研黨支部一行26人在黨支部書記鄧宇斌教授的帶領下到訪我系交流黨建工作。我系黨支部書記奚磊副教授與教授代表吳德成講席教授、唐斌副教授、劉超助理教授代表我系出席相關座談會議。 鄧宇斌教授與我系吳德成講席教授 ? ? ? ?會上，奚磊副教授代表我系黨支部對鄧宇斌教授等一行到訪表示熱烈歡迎，并介紹了我系基本情況，表達了雙方應加強交流，共同做好黨支部建設工作的良好愿望，鄧宇斌教授隨后就中大附屬七院科研黨支部黨建工作及其教學科研工作進行介紹。 參觀奚磊老師實驗室 合影 ? ? ? ?此后，雙方就高校師生黨員發展工作、依托專業特點的特色黨建工作、基層黨支部規范化建設工作、日常教學科研工作中的實驗安全等話題展開熱烈討論，并達成諸多共識，雙方均表示此次交流很好地啟發了彼此的工作思路，期待進一步互動達成互促互助效果。   撰稿：張藝真

? ? ? ?近日，南方科技大學生物醫學工程系相關領域教授和中國醫學科學院阜外醫院的相關領域研究者合作通過使用聚（L-丙交酯-co-ε-己內酯）（PLC）來封裝液態金屬以制造柔性和可生物降解的電路，從而開發了一種電子血管。該研究以題為“Electronic Blood Vessel”的論文發表在Matter上。 ? ? ? ?這種電子血管可以將柔性電子與三層血管細胞集成在一起，以模仿和超越自然血管。該電子血管通過電刺激可以有效促進傷口愈合模型中的細胞增殖和遷移，并可以通過電穿孔將基因可控地遞送到血管的特定部位。通過兔頸動脈置換模型的3個月體內研究，作者評估了電子血管在血管系統中的功效和生物安全性，并通過超聲成像和動脈造影證實了其通暢性。該研究為將柔性、可降解生物電子學整合到血管系統中鋪平了道路，該系統可以用作進一步治療的平臺，例如基因療法、電刺激和電子控制的藥物釋放。 ? ? ? ?目前，心血管疾病是全球范圍內導致死亡的首要原因。通過冠狀動脈搭橋術進行的心血管疾病治療，現有的小直徑（<6 mm）組織工程血管（TEBV）尚未滿足臨床需求。大多數研究中所用的方法僅將TEBV用作提供機械支持的支架，其主要依賴于宿主組織的重塑過程，而在幫助新血管再生方面存在明顯的局限性。迄今為止，現有研究均未取得令人滿意的臨床結果。具體而言，血流和TEBV之間復雜的相互作用通常會引起炎癥反應，從而導致血栓形成、新內膜增生等問題。為此，新一代TEBV應該不僅能充當支架以提供機械支持，而且還能具備主動響應并與重塑過程相結合的能力，以便在植入后提供適應性治療。 ? ? ? ?團隊以聚四氟乙烯為軸，卷上基于PLC的金屬-聚合物導體（MPC）膜來制造電子血管。電子血管的內徑約為2毫米，具有柔性和可降解性。MPC電路具有優異的導電性，能很好地分布在三維多層管狀結構中。研究發現，電子血管還具有優異的細胞安全性，培養的三種血管細胞（人臍靜脈內皮細胞、人主動脈平滑肌細胞、人主動脈成纖維細胞）均具有很好的活性。此外，團隊還構建了3D的電功能模型，通過電化學工作站在體外進行電刺激內皮細胞，促進其增殖遷移。同時，將三種血管細胞圖案化在電子血管上，構建3D模型，通過電轉儀進行體外電轉GFP質粒，培養兩天后觀測到質粒的表達。 ? ? ? ?其中，團隊選擇了新西蘭兔作為動物模型，用電子血管代替了頸總動脈。并通過多普勒超聲成像和動脈造影監測了植入的電子血管。據多普勒超聲成像顯示，植入后3個月，電子血管允許穩定的血流通過，這也表明了電子血管出色的通暢性。將來，該電子血管可以與其他電子組件和設備集成在一起，以實現診斷和治療功能，并通過在血管組織-機器界面中建立直接連接來極大地增強個性化的醫學功能。 ? ? ? ?成詩宇、杭晨、丁力為論文的共同第一作者，蔣興宇（南科大）張巖（阜外醫院）為論文通訊作者。   論文鏈接： https://www.sciencedirect.com/science/article/pii/S2590238520304938 論文免費下載鏈接： https://authors.elsevier.com/a/1c0mP9CyxcukKg     供稿單位：生物醫學工程系 通訊員：杭晨、肖然 編輯：程雯璟 主圖設計：丘妍

? ? ? ?近日，南方科技大學生物醫學工程系副教授李凱課題組與合作課題組在近紅外二區成像材料設計及其在生物醫學診斷領域中取得多項研究成果進展，相繼在Angewandte Chemie International Edition, Biomaterials, Research等領域內知名期刊發表了4篇論文。研究團隊通過理論計算驗證其設計理念和策略，得到了多種具有近紅外二區光學活性的高性能光聲及熒光成像材料，并將其成功應用于血管成像、腫瘤檢測等研究領域。   酯基修飾的新型半導體聚合物光聲成像示蹤劑，用于監測腫瘤生長 ? ? ? ?基于光聲成像在深層組織中具有較低的光散射及較高的時空分辨率等優勢，其已經發展成為一個熱門的研究領域，社會對理想的光聲造影劑的需求也日益增大。然而，由于可以指導構建高效光聲造影劑的理論體系還未被廣泛建立，這在一定程度上限制了光聲成像的發展。為了解決這個問題，李凱課題組聯合香港城市大學及高雄科技大學的合作者，提出了一種基于BDT-TQ結構的新型半導體聚合物分子設計體系，并將其應用于光聲成像。該體系隨著烷氧基苯基、烷基噻吩基、酯基等取代基吸電子能力的增強，分子的最低非占有軌道能級逐漸降低，從而實現了吸收波段從近紅外一區（NIR-I）至近紅外二區（NIR-II）的紅移。其中，酯取代的半導體聚合物分子（BDT-TQE）具有較強的扭曲分子內電荷轉移（TICT）效應，在激發狀態下顯示出極具減弱的熒光以及增強的光聲信號。通過理論計算深入分析BDT-TQE的簡化單元（s-BDT-TQE）后，研究人員發現該分子具有較高的重整能及較低的絕熱能，因而在激發態下可以產生更強的光致非輻射躍遷（PNRD）效應。因此，以BDT-TQE為核心的光聲造影劑顯示出了高效的光熱轉換效率及優良的光聲性能，并成功實現了對4T1皮下腫瘤和HepG2肝原位腫瘤生長的長期監測。該研究團隊與合作者提出的通過對聚合物鏈中TICT效應的調節來增強其非輻射躍遷（PNRD）特性的策略，能夠大大提高半導體聚合物造影劑的光熱轉換和光聲性能，可在活體成像中實現較高的信噪比。 圖1. 通過分子結構設計，提升半導體聚合物的非輻射躍遷效率，利用近紅外二區光聲成像實現對腫瘤生長的長效實時監測。 ? ? ? ?相關研究成果發表在化學領域頂級期刊Angewandte Chemie International Edition上。南科大生物醫學工程系2019級碩士研究生查夢蕾為論文第一作者，李凱為論文通訊作者，南科大為論文第一通訊單位。   自組裝包覆策略制備聚集誘導發光納米探針，應用于多尺度近紅外二區血管成像 ? ? ? ?近年來，具有聚集誘導發光性質的熒光探針（AIEgens）在生物醫學領域受到了廣泛關注。最常見的水溶性AIEgens制備策略是通過功能性高分子聚合物把疏水的AIE分子包覆成為可以在水中穩定分散的納米微粒。雖然該方法簡單易實施，但其難以達到較好的尺寸與負載率的均一性。因此，開發可實現尺寸均一且負載率穩定的AIEgens的制備策略仍然是一個挑戰。基于此，李凱課題組開發了一種由疏水性供體-受體-供體（D-A-D）核心和親水性聚乙二醇（PEG）鏈構成的兩親性AIEgens（TTB-PEG1000），并與中國科學院深圳先進技術研究院合作團隊實現了其在大動物模型中的成像應用。通過自組裝的策略可得到在水中穩定分散的納米探針（粒徑為35 nm），該探針不僅具備超過1000 nm的最大發射峰和超過10%的熒光量子產率（QYs）的高效光學性能，而且還具備粒徑尺寸均一且穩定的物理性能。研究團隊利用此納米探針，在小鼠和新西蘭兔模型上實現了多尺度近紅外二區熒光成像。成像結果顯示，可實現在體分辨率達到~38 μm, 穿透深度為~1 cm。因此，研究團隊所設計的高效自組裝方策略可有效構建高性能AIE納米熒光探針，對近紅外二區自組裝AIEgens的設計開發及其在血管成像中的應用具有指導意義。 圖2. 自組裝策略制備聚集誘導發光納米探針，實現多尺度近紅外二區血管成像。 ? ? ? ?相關研究成果發表在生物材料領域頂級學術期刊Biomaterials上。2018級南科大-哈爾濱工業大學聯培博士研究生李迓曦為論文第一作者，李凱為論文通訊作者，南科大為論文第一通訊單位。   近紅外二區聚集誘導發光探針在靈長類動物中的應用研究 在生物醫學熒光成像中，AIEgens扮演著越來越重要的角色。然而，目前還缺乏深入的毒理研究以及在靈長類動物模型中深層成像評估。針對這一問題，南科大李凱課題組聯合香港科技大學與中科院深圳先進技術研究院合作團隊，共同研究了AIE點在高靜脈注射劑量（已用于臨床的吲哚菁綠，ICG，靜脈注射劑量的30倍以上）的情況下，靈長類動物的血液和組織學分析報告。結果顯示，AIE點在靈長類動物體內代謝35天后各項指標均在正常范圍，證明了該AIE點無生物毒性。利用AIE點的生物安全性及高亮的光學性能，合作團隊成功實現了在靈長類動物體內深度達1.5cm的血管成像，突破了當前近紅外二區熒光成像在毫米級別的限制。因此，基于AIE點的無毒特性以及深層高分辨熒光成像性能，可進一步促進AIE點在臨床前應用及轉化研究。 圖3. 近紅外二區聚集誘導發光探針實現了在靈長類動物體內深度達1.5cm的高信噪比血管成像。 ? ? ? ?相關研究成果發表在Research上，該期刊是中國科協與美國科學促進會于2018年共同創辦的國際化、高水平、綜合性、大型英文科技期刊,與Science在同一個網絡出版平臺和數據庫運營，是Science自1880年創刊以來第一本合作期刊。李迓曦為論文第二作者，李凱為論文共同通訊作者，南科大為論文通訊單位。   用新型微流控合成策略制備小于10 nm聚集誘導發光量子點，實現減少肝臟截留及增強腫瘤靶向性 ? ? ? ?通過和磷脂雜化得到的AIE點（AIE dots）已經被廣泛應用于生物醫學成像領域。然而，傳統方法制備的AIE點的粒徑通常大于25 nm，該類大粒徑的AIE點由于肝臟、脾臟等器官的截留，往往難以得到理想的成像效果。為解決這一難題，我校生物醫學工程系微流控-納米生物醫學實驗室與李凱課題組合作，通過微流控技術成功將AIE點的尺寸調控至10 nm以下。該項研究利用一種具備雙螺旋混合管道的微流控芯片（管道寬300微米，高60微米）制備AIE納米微粒，該芯片可將管道內流速增至240 mL/h，大大縮短了混合時間，并顯著降低了納米顆粒粒徑（小于10 nm）。研究團隊利用此新型微流控合成策略成功制備了4種不同分子結構的AIE量子點，說明該策略對不同種類AIE分子具有普適性。生物成像結果顯示，相較于>25 nm的AIE點，尺寸更小的AIE量子點可在6小時內將細胞攝取量增加10倍左右；AIE量子點可增強85%左右的腫瘤靶向性，減少35%左右的肝臟截留和55%左右的脾臟截留。這種生物性質上的量子效應說明AIE量子點可能比傳統AIE點（>25 nm）更適合于細胞標記和腫瘤診療方面的應用。 圖4. 新型微流控合成策略制備小于10 nm聚集誘導發光量子點，在荷瘤小鼠體內實現減少肝臟截留及增強腫瘤靶向性。 ? ? ? ?相關研究成果發表在化學領域頂級期刊Angewandte Chemie International Edition上。查夢蕾為論文共同第一作者，其他作者包括生物醫學工程系博士后康天懌、楊光、唐浩及李迓曦等，李凱為共同通訊作者，南科大為論文通訊單位。     相關論文鏈接： https://onlinelibrary.wiley.com/doi/abs/10.1002/anie.202010228 https://www.sciencedirect.com/science/article/pii/S0142961220306116 https://doi.org/10.34133/2020/4074593 https://onlinelibrary.wiley.com/doi/10.1002/anie.202008564     供稿: 李凱老師課題組 通訊員：肖然 編輯：苗雪寧 主圖設計：丘妍

? ? ? ?為了促進新生們之間相互了解，幫助新生們盡快融入生醫工系的和諧氛圍，生物醫學工程系于2020年9月27日晚，在學生宿舍11棟101活動室舉辦了生物醫學工程系2020年迎新晚會。我系多位老師親臨現場，與同學們展開互動交流。 晚會現場 ? ? ? ?一開場，系主任蔣興宇講席教授就代表了全系為在場師生遠程致辭，向同學們全面地介紹了生物醫學工程專業的特點，指出了大家日后的努力方向，為同學們之后的學習之路提供了許多建議。隨后，副系主任吳長鋒教授向新加入生醫工系的本科生、研究生致以了衷心的祝賀和熱烈的歡迎。 吳長鋒教授致詞 ? ? ? 隨著主持人莫軒丞、吳雨桐宣布晚會正式開幕，場內氣氛立刻被點燃。首個節目是王圻和袁恒宸帶來的甜蜜歌曲《被風吹過的夏天》，兩位同學嗓音相和，配合默契，讓全場如沐夏日清風般清爽。 王圻同學演唱 袁恒宸同學演唱 主持人莫軒丞、吳雨桐 ? ? ? ?緊接著是張慕禹同學的街舞表演《蓮》，整支舞蹈不僅有強烈的節拍和舞動，更多了一些中國風的韻律和節奏，打破了大家對街舞的刻板印象。 張慕禹同學表演 ? ? ? ?隨后，尹沫文帶來了一首《破曉將至》，穿透性極強的嗓音將對夢想和未來的希冀揉碎在旋律里，同時也贏得了全場的喝彩。 尹沫文同學演唱 ? ? ? ?下一個節目則是全場唯一的非新生節目《光&忽然之間》，由徐佳儀和陳檸檸共同演繹的吉他&尤克里里彈唱，傳達了老生們對新同學們的歡迎與熱情。 徐佳儀同學和陳檸檸同學演唱 ? ? ? 如果說 甄一淳演唱的《好久不見》醇綿悠長，如一杯濃郁的咖啡；那鄭芙嘉演唱的《LIABILITY》就更加地利落清爽，似一碗清甜的龍井。 甄一淳同學演唱 鄭芙嘉同學演唱 ? ? ? ?蔡浩添神奇的魔術令人眼前一亮，林沛陽演唱的《鐘意你》也意味深長。 蔡浩添同學表演 林沛陽同學表演 ? ? ? ?最后，隨著神秘環節——為莫軒丞和林沛陽同學過生日的環節到來，全場齊唱生日歌將晚會推向了最高潮。 為莫軒丞、林沛陽同學慶生 ? ? ? ?晚會中還穿插著《聽歌識曲》、《你畫我猜》、《JUST DANCE》等游戲活動，帶動了全場氣氛，我系何俊龍、陳放怡、唐斌、劉泉影等多位老師上臺參與，與同學們一起共享了游戲的快樂時光。 游戲環節 游戲環節 ? ? ? ?最后，副系主任吳長鋒教授為2019級生物醫學工程系本科生班委頒發了聘書，晚會在歡樂和諧的氛圍中圓滿落幕。對于2019級新生物醫學工程系er而言，新的征途從今天剛剛開始，祝愿所有的生醫工學子都能在追夢之路上堅定向前，譜寫更美好的篇章。     ? 文字：黃裕清、肖然 圖片：鄭芙嘉、張菁、肖然

? ? ? ?2020年9月18日，應我系郭瓊玉助理教授邀請，廈門大學劉剛教授來我系進行訪問交流，并開展了題為“分子影像探針設計、構建及臨床轉化研究”的學術報告。 會議現場 ? ? ? ?劉剛教授團隊主要圍繞腫瘤精準診療關鍵科學和技術問題，在分子影像探針領域進行深入系統的研究。為了實現腫瘤光熱治療、熒光成像、核磁成像等效果，設計了聚多巴胺修飾的F3O4納米探針；為了提高載體腫瘤靶向效率，設計了錳片載體的遞送系統，提高了腫瘤的靶向效率；劉教授團隊設計了系列新型的高靈敏度多模態分子影像探針，提高了細胞/分子成像示蹤監測的精確性并進行臨床轉化。為了進一步提高腫瘤手術切除的精確度，通過超臨界混合技術將碘化油與吲哚菁綠均勻混合，提高了吲哚菁綠在碘化油中的穩定性，同時在腫瘤精確切除中起到良好效果。 ? ? ? ?最后，基于Exosomes具有非常好的載體遞送特性，劉教授介紹了應用基因工程及原位組裝技術將抗體、多肽等靶向分子構建到Exosomes表面，制備了多功能生物醫用載藥體系，建立了基于仿生細胞分子定向錨定的腫瘤靶向藥物遞送系統和診療一體化新策略。講座結束后，同學們就分子影像探針設計、超臨界技術等相關問題與劉教授進行了深入的交流探討。   文字：高雅楠

? ? ? ?2020年9月4日下午，深圳市科技創新委黨組書記兼副主任邱宣一行6人到訪我系進行調研，深圳市政協副主席、致公黨深圳市委會主委、我系兼職教授王大平，校黨委書記郭雨蓉，協理副校長、前沿與交叉科學研究院院長、科研部部長、講席教授趙予生，科研部副部長、電子與電氣工程系教授貢毅，生物醫學工程系主任、講席教授蔣興宇及我系教研序列教授代表參與了調研座談。 邱宣書記 ? ? ? ?座談上趙予生校長和貢毅部長分別介紹了我校重點科研工作進展與科研項目相關工作基本情況。郭雨蓉書記表示，在各級政府部門領導支持下，學校整體發展情況良好，“2020泰晤士高等教育亞洲大學排名”中中國內地有81所高校上榜，南方科技大學位列中國內地高校第8位，亞洲第33位，這令我們備受鼓舞，作為年輕學校我們還要繼續努力。南科大作為教育統籌綜合改革的試驗田，非常感謝深圳市科創委對我們一直以來不遺余力的支持，南科大將繼續在人才培養、成果轉化、技術創新、深港合作與國際化等方面為深圳經濟建設與發展做出應有貢獻。 ? ? ? ?邱宣書記指出，為促進深圳市生物醫藥產業發展，《深圳市促進生物醫藥產業集聚發展的指導意見》及《深圳市生物醫藥產業集聚發展實施方案(2020-2025年)》、《深圳市生物醫藥產業發展行動計劃(2020-2025年)》、《深圳市促進生物醫藥產業集聚發展的若干措施》四文件同時出臺，力度空前。生物和生命健康產業可謂目前最富活力的新興產業之一，也是全球未來產業競爭的熱點領域。深圳的生物醫藥產業雖然不具有先天優勢，體量不大，但是后發優勢明顯：該產業發展到了新階段，需要大量的資金，而深圳的資金實力雄厚。高校科技工作應進一步突出重點，與國家戰略目標更好銜接，為實現科技強國、教育強國目標，發揮戰略支撐作用。 ? ? ? ?邱宣書記表示，生物醫學工程系近期引入了以王大平教授、吳德成講席教授為代表的多個優秀高端人才科研團隊，發展勢頭強勁。生物醫學工程系前瞻布局人工智能、精準醫療等發展熱點令人印象深刻，未來可期，大有所為。 ? ? ? 邱宣書記對蔣興宇老師關于在南科大盡快搭建深圳市小動物成像平臺的想法表示認可，成像平臺的建立是為深圳市的科研，特別是生物醫藥產業研發這塊來進行使用，讓每一個小企業來建立類似平臺可能很難實現，深圳市政府通過統籌可以集中力量辦大事，建設大平臺，為企業和其他科研機構服務，這種平臺最好是依托像南科大這樣的高校成立，成像平臺也一定是面向深圳市、廣東省甚至全世界公眾開放服務使用，資源共享的。 ? ? ? ? 王大平主席提出，南科大應考慮建立一個醫療器械培訓中心，用于讓一線醫生接觸到一線先進的研發技術，通過這個培訓中心，把最先進最前沿的生物醫學技術介紹給醫生并實現運用，如此良性循環，南科大將會對深圳市的醫療水平的大幅提高起到很大的幫助。 ? ? ? ?蔣興宇系主任會上匯報了我系近年來取得的主要教學科研成就，他強調，特別感謝市科創委?對我校及我系的認可，深圳創造產出也很喜人，蔣興宇老師本人作為首席科學家拿下了南科大首個國家重點研發計劃，我系國家、省市級科研團隊和人才項目也有多項入選。在技術應用方面我系也非常重視跟深圳市企業的合作，協助轉型，參與高端前沿研究。生物醫學工程系將繼續整合世界一流的技術，吸引國內國際上一流的人才加入，爭取更大的科研突破。 ? ? ? ?王大平主席表示，深圳在醫療、教育等方面存在需要長期耕耘，要想實現“民生幸福標桿”，要求非常高，發展好南方科技大學生物醫學工程系不僅事關民生，更事關深圳的創新后勁和人才儲備。我校和我系要找準切入點，比如以服務于深圳市所有的健康產業為出發點，主動對接、主動服務國家重大戰略，建設一批國際交流合作平臺，提升國際合作交流水平，廣泛開展人員培訓與交流、技術轉移和成果轉化。 ? ? ? ?會議座談后，邱宣等人參觀了我系智能骨科重點實驗室。參與此次走訪的代表還包括市科技創新委生物科技處處長黎慧來、市科技創新委生物科技處副處長付秀芹、市科技創新委基礎研究和平臺基地處胡懷江、市科技創新委生物科技處楊明明、市科技創新委生物科技處盧建等。   文字：張藝真

? ? ? ?2020年7月16日，我校副校長、教務長張東曉講席教授到訪我系，在我系324會議室聽取了系主任蔣興宇講席教授、副系主任奚磊副教授、教授代表陳放怡副教授對我系現狀和改革進展做的報告。 ? ? ? ?會議上，蔣興宇老師匯報了近期我系的重點工作主要包括本科新專業以及博士點的申請。關于博士點申請，蔣興宇老師表示，博士點我們從非常早就開始謀劃準備，目前我們系所有申請指標全部達標。并且在全國有博士點的高校數量中，生物醫學工程專業是比較少的，國務院評議小組也特別希望增加生物醫學工程專業博士點數量。總體規劃上說，生醫工系的博士點希望能得到學校的支持，我們也有信心發展進入國內專業前十。 ? ? ? ?張校長表示，對于學科點發展申報工作，學校層面一定會給予支持。生醫工系在短時間內發展勢頭喜人，教授隊伍非常年輕且有干勁，研究質量產出很高。此外，張校長強調，南科大生醫工系的發展一定要有特色，要注重發掘和培養，打造小而精的發展典范。教授們（特別是年輕教授們）在國內和國際科研領域里要注重交流和曝光度，我校生醫工的公共經費支持和人才招聘政策在全國范圍內是非常有優勢的。同時，張校長還鼓勵我系年輕教授們多和領域內的項尖人才交流，注重創新發展。強調只有系里的人才發展好了，學院才能發展好，學校才能發展好，才能持續為人才們提供更好的發展平臺，從而形成良性循環。   文字：張藝真

? ? ? ?2020年7月3日電子科技大學顧實教授受南方科技大學生物醫學工程系劉泉影助理教授邀請，在生物醫學工程系生物醫學講堂進行了題為《腦網絡控制理論分析》的講座。本文為該講座的總結推文。 ? ? ? ?本講座中，顧實教授分別從研究動機、擬解決的問題、理論基礎、臨床應用等角度介紹了其團隊在腦網絡控制理論方面的多個工作。   1. 研究動機與科學問題 ? ? ? ?對腦網絡的控制的研究，主要有如下三個方面的動機： ? ? ? ?研究動機1是腦網絡控制能用于認知控制(cognitive control)。認知控制是一個復雜的人類認知神經過程。在認知任務中，它涉及到認知狀態的轉換。之前的一些研究通過激活地圖(activation map)的方法探究大腦哪些區域會牽涉（involve）到認知控制的過程中，但是這樣的研究缺乏在神經機制上的解釋。網絡神經科學(network neuroscience)的發展則從網絡的角度尋求解釋：牽涉到的大腦hub區域是怎么參與到整個認知調控過程中。 ? ? ? ?研究動機2是它能用于大腦動態重構(Brain Dynamic Reconfiguration)，即在靜態結構的基礎上，關注動態結構的轉換。Bassett et al. (2013)通過研究在不同的時間窗口內動態腦網絡連接結構的調整，發現網絡拓撲結構可能是跟認知能力、認知過程等有關。動態重構大腦能揭示哪些腦網絡模塊化結構(module structure)發生了變化，從網絡動力學模型的角度，而不是簡單的從數據驅動的角度，對網絡隨時間的變化進行解釋。 ? ? ? ?研究動機3是腦網絡控制能用于神經疾病臨床治療(Clinical Treatment of Neural Disorder)。在治療精神疾病過程中，可能會采取腦刺激干涉的方法，比如利用經顱磁刺激技術(TMS)刺激大腦特定區域，以激活或者抑制某些腦區。現有的研究一般是基于經驗規律選擇某些區域施加信號，而通過網絡控制理論構建區域間影響的研究范式，可以設計更優化的治療方案，甚至一些試探性的結果。這些結果使得對神經反饋(neuralfeedback)、干預(intervention)從經驗性方法上升為具有系統性理論保障的科學體系。 ? ? ? ?基于上述3個研究動機，構建腦網絡控制理論，以解答如下三個科學問題： ? ? ? ?科學問題1: 對腦網絡的調控、動態網絡調整、認知過程的狀態轉換(state transition)都需要考慮到一個最基本的問題，即如何去定義、表達大腦狀態以及描述狀態間的轉換，如何使用連續、離散或其他方法把它與可測神經信息結合起來。 ? ? ? ?科學問題2: 如何度量一個腦區對整個系統動態的影響：即如何從網絡的角度，考慮整個神經系統的狀態變化，及其所涉及的多個腦區間的聯系；如何從理論出發，量化某種干預(intervention)在不同腦區的影響；如何去度量每個腦區對整體動力學的影響。 ? ? ? ?科學問題3: 如何建立動力學模型與實際應用之間的聯系，實現理論與實際相結合。   2. 腦網絡與動態 ? ? ? ?腦網絡基本構造分為兩種，結構腦網絡和功能腦網絡。結構腦網絡一般基于彌散張量成像（Diffusion Tensor Image, DTI）。功能腦網絡一般基于功能核磁BOLD信號，或者基于電生理eeg、meg信號。 ? ? ? ?在構建腦網絡的過程中，首先對影像進行預處理，然后結合模板將大腦分成不同的區域。接著基于不同的構造邊(edge)的方式把不同區域作為節點(node)，形成節點間的連接矩陣。對于DTI，使用的是構造性連接的數目、密度等等具體的指標。對于功能性腦網絡，可以直接從時間序列出發開展相關性分析，得到腦網絡圖(graph)。構造腦網絡圖后，進一步結合圖論(graph theory)的方法對圖的網絡性質進行研究。 ? ? ? ?這里使用最一般的動力學方程來描述大尺度腦網絡中大腦的狀態(state)及其狀態轉換(state transition)。x(t)表示每個區域的狀態信息，它的值可以是觀測到的信號，比如說像BOLD信號。假設有n個區域，x(t)構成一個n*1的向量，它表征所研究系統在t時刻的狀態。最簡單的微分方程就是說把它的導數寫成依賴于它當前狀態的一個函數f。具體的建模依賴于怎么定義f。最簡單f函數就是線性模型，復雜的f也可以是高階模型等等。 ? ? ? ?下面是一個簡化的模型，它考慮了不同區域之間的相互作用，比如第i個區域它的導數依賴于自身的狀態變化f_i。相互作用即不同區域對i區域的一個影響。tau_{ij}表示時間的延遲，W_{ij}表示兩個節點間的權值，S表示非線性轉移函數。對于具體功能的腦網絡，我們需要推斷系統的變換參數。對于結構腦網絡，可以假設這個f_i可能的形式,W_{ij}則可能以某種形式依賴于它的連接狀況。 ? ? ? ?基于這個模型，可以開始嘗試性的探究動力系統的過程。比如研究系統可控性、控制能量、系統干預(intervention)等。 3. 大腦控制模型與系統可控性和穩定性 ? ? ? ?從控制的角度出發，講述如何對大腦網絡進行控制。第一個圖是經典的工程控制過程。為了維持系統的正常運行，從當前的狀態校正到期望的狀態。在每個時刻，通過測量系統狀態信息與期望狀態的誤差，通過設計系統控制器，以降低誤差的形式進行系統調控。第二個圖是將類似的思想用于腦網絡控制，例如對于大腦的狀態轉換的控制。比如任務狀態切換、區域激活抑制或者區域信號加強等。大腦內部區域抑制某些區域的信號，通過把某些區域當做控制區域，信號從這些區域輸入，從而影響整個大腦的激活狀態；或者說連接情況的改變，使得大腦從當前狀態轉移到目標狀態，從而實現認知控制的過程。 ? ? ? ?那么怎么類比于工程控制的過程，用相應的控制論方法探究大腦不同區域對整體動力學的影響呢？下面介紹了一個簡單的線性模型。 ? ? ? ?這里列舉了簡單的線性、離散、無噪聲動力學模型。假設t+1時刻的狀態x(t+1)依賴于t時刻的狀態轉換A·x(t)以及相應的控制項B_K·u_K(t)。B_K是一個N*K矩陣，它表示在具體的狀態轉換過程中選擇哪些區域作為控制區域。而u_K表征了在不同的時刻控制的具體形式。 ? ? ? ?具體的建模中，對結構腦網絡，我們最初假設A是與腦結構連接矩陣有一定關聯性。具體的關聯性可以轉換成Laplace，或者說除以一個系數，只需要保證整個系統的穩定性。B_K的選擇取決于感興趣的區域。把它設置成認為的與控制過程相關的區域，或者之前實驗驗證的區域，或者設置成所有區域以探究整體系統的性質。具體來說，u_K就是在研究過程中，可以基于可建模的動力學系統進行優化的外界控制，或者從能量最低或者路徑最短角度進行設計，基于這些限制可以求解最優的u_K。 ? ? ? ?可控性(controllability)就是系統在給定外部輸入，移動到目標狀態的能力。如果每個狀態都是可達的(reachable)，這個系統就是可控的。從純理論上來說就是：系統能否在t步時間內達到目標狀態。從最開始的線性方程，通過推導得到前面t-1時刻可能性的輸入，也就是這里所寫的C矩陣的公式。如果這里所記的C矩陣是一個滿秩矩陣，不管前面的x_t, x_0怎么變，總能選取一定的u值，使得方程成立。 ? ? ? ?系統的穩定性通過系統的同步性S進行度量，直觀上理解這個度量指標就是特征值方差的倒數。公式中，d表示連接的平均強度，主要是用于正則化，消除掉邊的連接強度因素。如果說特征值都靠的非常近，意味著大腦很容易就處于同一個模式(mode)。如果大腦都處于同一個模式，那么它整個狀態的豐富性、靈活性都會受到比較大的影響，整體的效率(efficiency)也會下降。 ? ? ? ?當我們要改變這個系統，系統的可控性涉及到需要多少能量。需要能量很少，意味著這個系統很容易改變，也即這個系統更容易被控制。這里描述的是一個T步的離散的過程。連續過程可以轉換成積分形式。這里控制能量定義為每個時刻的u的2次方做累加，這是一種最直觀的方式。當然也可以采集不同形式進行定義，比如添加正則化等。定義好控制能量之后，可以通過極小化控制能量，來求解出每個時刻的u_K。 4. 腦網絡上的控制系統 ? ? ? ?腦網絡控制目前主要從結構和功能兩個角度進行分析。具體動力學過程都是從類似的線性方程出發。差別在于連接矩陣的定義，包括具體的狀態轉移矩陣A和控制矩陣B的設置。 ? ? ? ?一是基于結構矩陣的分析。基于鄰接矩陣，構造結構控制模型的A矩陣，我們使用節點的連接數目進行定義A矩陣，也可以使用流線(streamline)的密度(density)等等。如果有時間序列或者僅僅從結構出發，這種情況下B矩陣設為單位矩陣。 ? ? ? ?二是功能腦網絡分析。這個時候可以使用不同區域的時間序列的信號推斷狀態轉移矩陣A，考察不同區域之間的關聯性。從功能連接的角度，不同區域之間的時間序列具有一定相關性。這個相關性可能是從某種程度編碼一些交互(interaction)的具體模板(pattern)。例如，構造一個隨機的動力學過程，通過推斷A和B的具體值，然后基于推斷的區域間的方差矩陣和區域間的有效連接，構造基于功能時間序列的控制方程，探究它們的控制集或者控制量等關系。 5. 腦網絡控制系統的可控性 5.1 可控性度量 ? ? ? ?這里介紹兩種可控性度量方法，平均可控性(average controllability)以及模式可控性(modal controllability)。 ? ? ? ?平均可控性主要是衡量單位能量下系統能達到不同狀態的平均情況。也就是說，把一份能量放在哪些區域，平均來說它更容易影響到整個系統的變化。大家可以理解成，給定單位能量，能到達的狀態的一個面積。在這種情況下，如果把這份能量放到連接邊數比較多的區域，那么它就更容易影響其他相連接的區域。從平均的意義上，這些區域就是一個更有效的選擇。 ? ? ? ?而模式可控性，它考慮相對來說最壞的情況。系統遍歷它所有可能的球面，最壞的情況就是某些狀態會消耗特別多的能量。在這個策略下，希望控制能量在最壞的情況下要最好。也就是說，在比較偏的連接比較少的區域，如果把影響施加在連接比較強的區域，那么控制能量分散較少部分到比較偏遠的區域。也就是說，在改變最壞情況的時候，能量消耗就相對比較大。希望最壞情況最好，比較直觀的策略就是直接控制這些區域。   5.2 可控性地圖 ? ? ? ?這里展示了兩種可控性的大腦地圖(map)分布，即基于前面我們定義的度量，這兩種可控性度量在大腦的具體哪些區域的數值比較高(紅色)，哪些腦區比較低(深藍色)。左邊展示了基于結構腦網絡，右邊展示了功能腦網絡的具體情況。 ? ? ? ?可以發現兩個腦網絡的平均可控性是有區別的。整體數值比較高的區域都是連接比較強的。比如，結構腦網絡，它傾向于去選擇結構的hub，而功能腦網絡傾向于選擇功能的hub。基于這個策略，在默認網絡中比較強連接的一些hub被選取為高效的控制節點。從某種程度上，解釋了為什么在靜息態下，默認網絡的相對激活性會更高。因為相對常規的想法是在靜息狀態下，大腦處于相對低耗的狀態，那么維持低耗的有效狀態，就需要考慮在哪些區域影響整體使之更有效率。 ? ? ? ?前面提到的一些最壞情況也就是需要能量更多的情況，即相對更復雜的任務。在執行這些任務的時候，對應的控制區域就是它們自身。像frontal-parietal區域，不管從結構腦網絡，或者從功能腦網絡，相對來說在模式可控性(modal controllability)數值上相對更高。某種程度上也就幫助大家理解為什么說這些相對弱連接的區域它們的功能會更細化，有些時候也會更特殊的輔助大腦執行復雜任務。 ? ? ? ?這里用另一種方式展示大腦的可控性地圖(controllability map)，它是定義的認知度量在大腦上的分布與認知區域的關聯性。這里的LV1其實是用線性回歸(linear regression)得到的一些變量(variables)，也可以理解成，用主成分分析方法看第一個主成分與第二個主成分可能覆蓋哪些區域。可以看到，因為平均可控性涉及到整體平均的效率，所以和一些綜合性指標，比如晶體認知(Crystallized Cognition)、流體智力(Fluid Intelligence)等綜合性指標具有關聯性。那么在這些關聯的區域上，其可控性的差別能顯示出個體差異(Individual Differences)。相應的在模式可控性，所定義的一些特征呈現負相關特性。 5.3 可控性的可靠性 ? ? ? ?在同一篇論文中，分析了另外兩種度量：可重復(Reproducibility)和遺傳性(Heritability)。 ? ? ? ?左圖表示在同一個項目中，通過掃描多次，針對基線(baseline)做可重復性的時候，觀測控制性度量的分布，驗證分布的一致性，判斷是否是隨機的過程。但是這很大程度依賴于它的連接情況，即連接結構的可重復性。 ? ? ? ?右圖反映了遺傳性關系，觀測遺傳基因的表達，或者測量不同子代之間的親代和子代之間的關聯性。可以發現prefrontal的區域，在平均可控性上它的遺傳性相對來說更高。而在模式可控性，遺傳性更多的是在Pre-temporal和Supramarginal的區域，它可能是衡量可遺傳的具體特征。   5.4 可控制之間關系 ? ? ? ?平均可控性和模式可控性兩個度量(average controllability and modal controllability)之間具有一定的關聯性。這種關聯性依賴于不同矩陣的選擇。如何刻畫這兩個度量，可以通過：1)它們自身的直接關聯；2)隨著時間推移或者神經發育的具體過程，兩個度量之間具體的tradeoff關系。隨著年齡的增長，更多的是兩個都有所增強，還是說一部分能力去抵消或者促進另一方面能力的發展。Tang 2018年的論文，具體描述了模式可控性和平均可控性之間的tradeoff關系，是一種Pareto最優的方法，平均可控性跟整體的同步性具有負相關性。但從個體考慮，對brain做整體值考慮，平均可控性與模式可控性兩者是呈現正向相關，但不是單純的線性關系。 ? ? ? ?如果說不同區域有兩種考察方法，一是對整個大腦定義一個具體的值(average across subject)，另一個是對不同區域(average across region)。在這兩種情況下，它們間的關系是不太一樣。在Gu et al.(2015)論文中也發現，如果在區域取平均，以及在樣本空間取平均，考察兩者之間的關系，兩者呈現出很強的負相關區域。總結性的說，模式可控性的分布和平均可控性的分布呈現出很強的負相關。但是從整體考慮的話，就包括像前面的平均可控性和模式可控性的關系，就不是簡單的線性關系。而在功能腦網絡的控制分析，相應的情況就會更復雜。因為它涉及到連接轉換矩陣以及控制矩陣，矩陣的選擇不再是單位矩陣，它涉及到區域間的具體作用。 ? ? ? ?不同的狀態轉移矩陣和控制矩陣的選擇，會對兩個度量之間的關系產生影響，它涉及到一些具體的設定，也就是說兩個度量反映了腦網絡上相應的拓撲性質，而這種拓撲性質是受到控制區域之間的關聯，還有狀態轉移矩陣的影響。   5.5 可控性和圖度量 ? ? ? ?這里探究說這兩個控制度量跟傳統度量(連接的度、communicability)之間的關聯性。從結構的角度來說，連接性就是連接的度，就是把每個區域的連接情況，連接強度求和。平均可控性與連接的度呈現出很強的正相關，這是從樣本空間上求平均得到每個區域的具體結果。 ? ? ? ?communicability可以理解成是在腦網絡上從一個區域到另一個區域，路徑長度的加權平均。實驗發現communicability與可控性呈現出較強的正相關。從控制的角度，信號的傳播(propagate)是沿著腦網絡進行，random walk也是沿著同樣的腦網絡信息。基于這樣的假設，控制網絡會有具體的路徑設置和篩選。右圖是在功能腦網絡上做的實驗，基于功能連接方式(functional connectivity)以及有效連接(effective connectivity)，實驗發現基于有效連接，它與模式可控性呈現強的正相關，而平均可控性與功能連接有很強的負相關。   5.6 可控性的應用舉例 應用實例1: 可控性預測任務表現 ? ? ? ?上圖討論了我們定義的度量與實際應用的關聯。檢驗的標準涉及到它們是否能預測感興趣的東西以及發現臨床上不同群體之間的差異。這里從靜息態以及工作記憶(working memory)兩個角度進行分析，研究發現，在working memory task它們的預測精度相對更顯著，在靜息態下則相對不顯著。 ? ? ? ?在具體的working memory task，我們可以發現平均可控性和模式可控性可以預測具體任務的分數。尤其在frontal和parietal腦區承擔重要角色，從某個角度印證了這兩個控制度量從某種程度確實是可以刻畫大腦在認知任務的效率問題。 應用實例2:可控性標記雙相情感障礙組 另一個例子，如果使用傳統的度量標準，兩組(Control group與bipolar disease)區分不顯著。而采用平均可控性，control和bipolar disease兩組呈現顯著的差異。這從側面印證了控制度量相對于傳統的腦網絡度量，具有更強的敏感性，是一種更靈敏的biomarker。 應用實例3: 可控性與TMS效果的關系 ? ? ? ?這是在TMS’ effect上的研究。在低模式可控性(Low Modal Controllability)以及高模式可控性(high modal controllability)的大腦區域上分別進行TMS的干涉。 ? ? ? ?在open language task中，在低模式可控性以及高模式可控性區域進行不同控制，呈現出不同的Log(RT),（RT: Response Time響應時間）。從某種程度初步驗證了模型的可行性，因為在不同區域上的差異可進一步開展后續的研究，即如何去理解和利用這些差異。 應用實例4:控制能量魯棒性區分輕度腦損傷 ? ? ? ?這個工作是驗證靈敏性指標，從控制能量的角度定義系統的穩定性。比如說把某些區域從整個系統中移除，那么控制路徑以及控制能量也會發生偏差。移除不同區域產生不同的影響，通過對整體求平均從某種程度上刻畫系統的穩定性。 ? ? ? ?這個工作是基于輕度腦損傷mTBI(mild Traumatic Brain Injury)進行驗證。使用控制度量，healthy group與mTBI group具有非常顯著的統計差異。而使用傳統的度量方法，比如度(degree)或者路徑長度，聚類系數等等一些指標，就無法體現出這兩組之間的統計差異。在具體的狀態轉移過程中，把相應的指標轉換成能量指標，相對來說會更敏感及顯著。如果可控性指標作為大腦整體的指標考慮的話，相當于從能量角度進行更靈敏的刻畫，而不是簡單的從connectivity關系的一個重復。 應用實例5:可控性支持神經發育 ? ? ? ?這個研究證明了可控性與神經發育的關系。結合圖a和圖b來看，在不同年齡段，發展的一個趨勢是由變化，即tangent斜率決定的，在8到12歲和18到22歲，它們的tradeoff關系不是線性的。圖c和圖d為不同年齡段的平均可控性與模式可控性的tagent。平均可控性相對來說是一個線性變化。而模式可控性表示執行復雜任務，它的變化是一個非線性的過程。從8到12歲和18到22歲的發育過程，對于復雜任務的處理或者相對復雜任務的發育，呈現出非勻速的過程。平均可控性的tangent在兩組之間相對沒有差異，也就是說青春期之后的大腦的過程，可能涉及到兩個度量之間的tradeoff，對復雜任務和平均任務來說，更多的是平均發育過程。 應用實例6: 可控性支持認知 ? ? ? ?這個圖是Cui et al. elife(2020)的工作，它基于控制能量的角度，描述具體的認知任務中控制能量的關系。右圖表示控制能量越低，任務的執行表現越好。這個與最初的觀點一致，即控制能量低表明效率高，網絡的控制效率高。相應的我們就猜測執行認知任務的效率也會更高。下面的調解分析(mediation analysis)支撐這個結果。 6. 未來發展方向 1.首先是把動態過程從線性到非線性的一個延拓。大腦是個非常復雜的非線性系統。如何比較好的平衡模型的復雜性及可研究性之間的關系，進一步通過構造相對合適的非線性模型刻畫大腦的可控性。 2.針對功能腦網絡，功能腦網絡并不是一個stable的過程，如何添加temporal信息，并且在沒有interaction的時候，如何去考慮外界隨時間變化的信號，對刺激、對大腦的影響。 3.在具體的臨床應用，針對健康人群或者疾病人群診療，我們需要設計科學有效又安全的干預方案，進而影響大腦動態，調控大腦的神經回路。并在實際應用中，驗證和應用所提出來的理論假設。   Q & A Q1:請問使用不同時間分辨率重構出來的神經動力學系統的特征一致嗎？ A1:這個問題取決于你是否做temporal model。如果說就像我們剛剛所說的，其實是相對把連接做static的過程。在這種情況下，我們也試過使用不同的時間序列，得出來的結果相對比較穩定。因為很大程度上是對effective connectivity還有noise covariance的估計。如果說時間分辨率對這兩個的估計不產生影響的話，那么推出來的結果它其實就比較穩定可靠。   Q2:請問controllability指標的靈敏度如何，能否與復雜的認知實驗設計相結合？ A2:這個是比較好的問題啊。根據我們之前和后面介紹的研究。不管是working memory，還有一些與結構相關的mTBI等等的指標。我們的經驗是，跟認知還有整個系統的特征相關的性質、相關的能力上還是比較靈敏的。但是具體的復雜認知實驗，因為實驗設計這塊不是我的專長。我覺得如果這些任務跟整體性有關的話，相對應該是會比較敏感的。   Q3:controllability指標在不同意識狀態下是否會一樣的。比如說麻醉狀態或者昏迷狀態。 A3:比如說它的一些指標，它本身也是要從信號角度出發。如果你所感興趣的信號。在這兩種狀態下，呈現出差別，那么我們要問的問題是說controllability是否能從系統動力學的角度，或者從控制的角度去闡述系統的控制性。在這兩種狀態下是否有差別。如果說有差別，那么我們希望是這個指標，這個方式能去刻畫。而如果定義的某種東西可能只是跟純結構的關聯性。那么，在麻醉或者說昏迷狀態下，它的結構本身不發生變化。那么這個指標當然也不會發生變化。而如果你感興趣的一些功能信號的具體的pattern發生了變化，那么這個pattern如何去影響系統的一些控制性。那么這是一個可以研究和探究的內容。   Q4: controllability這些指標是針對每個被試有個單個的數值，類似于度聚類系數這樣的嗎？ A4:這個是可以的，就是你剛剛所說，你一方面把它具體算出來的話，像我們所謂average controllability，還有一些modal controllability這兩個指標的話，每個個體，每個區域都是有一個值，然后你可以考慮到一些群體效應，既可以在subject level去求平均，也可以在region level去求平均。就是說，每個個體得到一個值，或者說每一個區域得到一個值，都是可以。   Q5:這套方法在eeg或者meg上應用是可行的嗎？ A5:是可以的，我們這邊有個合作方(Scheid, B. H. 2020)，他們做的是利用可控性去探究癲癇的一些性質，用的是eeg還有ecog的信號。   Q6:您使用到的指標，觀察過結構網絡連接和功能網絡連接的關系嗎？ A6:我們之前有過一個工作。那個不是從控制角度出發，因為那個是從純能量角度去構造的一個隨機模型。就是說你可以從結構出發去預測功能。然后這里模型也是類似的啊。就是比如說你去刻畫它的狀態轉換，就是基于結構去刻畫它的狀態轉換，符合hemodynamic的過程，然后去預測功能連接，你就說通過這個模型去探究結構與功能之間的similarity，這樣是可以的。   Q7:能否量化腦網絡中加工中的自動化加工。神經信號活動本身的variability是否屬于controllability的范疇。 A7:這是一個比較好的問題啊。但是這個具體去做的話可能涉及到一些具體的定義問題。就比如說神經活動本身的variability，這個variability是否涉及到它本身，而網絡controllability的一些變化。比如說不同神經活動，它從連接上，或者說從時間序列在某段區域的變化，當然都是有區別的。那么從controllability的角度去闡述這個variability也是非常有意思的方向。這塊工作我目前還沒有做過，但是這個問題我覺得很有意思。   Q8:請問可控性度量和網絡度量的相關性說明了什么問題呢？ A8:他其實就是可靠性度量，尤其是比如說回到結構那個地方，我們其實可以看出來，他很大程度上是基于連接去定義了這么一個度量。因此其實它跟網絡度量的一些相關性其實是相對比較可預測的結果。然后這里展示了他的一些關系，主要也是相當于去幫助大家理解它可能會是跟哪些網絡度量，哪些跟傳統網絡度量之間可能會有一些什么聯系。比如說像跟communicability，就是剛剛舉得一個例子，communicability它相當于去刻畫random walk，可是相對于比較random的信號的propagation。而control的話其實相當于說你有規律的去控制它的propagation，那么這兩者之間就是，有什么差異性或者說有什么關聯。主要是輔助理解，可控性度量跟傳統網絡度量的關聯和差異。倒也不是為了說明什么具體的問題，也不存在是誰誘導出了誰的關系。   Q9:首先是為什么做結構網絡的可控性研究，選用的是DTI這個模態啊，還有其他的模態嗎？第二個問題是做功能網絡的可控性研究，對時間序列的長度有要求嗎？現在常用的時間長度是怎樣的？ A9:為什么選用DTI這個模態，因為我們一般做結構網絡的話，你要有結構連接，然后結構連接DTI或者說DSI等等是比較常用的刻畫區域和區域之間結構性連接的方式。所以我們就選用了DTI這個模態，然后功能可控性的話對時間序列的要求，我們之前用的是HCP的數據，時間序列長度還是有一定要求。因為時間序列過短的話，去估計noise covariance是沒有什么問題，但是去估計effective connectivity問題的時候。在時間序列短的時候會很不穩定。最起碼你的長度肯定是要比你的區域多。比如說，劃分90個區域，你時間序列的長度200左右應該就沒有什么問題。   Q10:功能可控性反映的是灰質類的信號，而DTI是白質。這樣的話可能沒有辦法做一個比較。 A10:一般我們也沒有去直接比較功能和結構可控性的特征。但是， DTI的白質其實也是你可以理解成他是上面那些灰質區域的一個連接，灰質區域一方面它本身有一些近距離的連接情況，但另一方面它也有一些通過白質的連接。所以你不能說這兩個之間的信號就是完全獨立開來。這也就是大家去研究結構和功能連接關系的同樣的出發點。但你可能說去單純比較它的可控性，也不能說完全就沒法去做一個比較。因為出發點也是一樣的嘛。就是說那些灰質區域它的一些連接跟白質不是一個獨立的東西。 Q11:是否已經有比較方便的工具可以做這一類的控制分析。 A11:Bassett教授的網站上，他們分享的一些代碼是我寫的，有一些就是跟控制相關的一些工具。大家可以去他們那個網站上找。然后我們的話我前陣子也做了一個相關于論文的一個collection，我回頭分享到群里面。大家感興趣的話。可以去根據另一個論文的collection去找一些大家感興趣的部分讀一下。   Q12:能否找到一個指標去量化腦網絡中的自動化加工。就是這個自動化加工，我個人的一個理解就是比如說你在靜息狀態下，他其實更多的是一個自發性的，比如說spontaneous activity或者是他是一個反應內在的，而不是說你是有意識去控制的這樣一種活動。所以就比如說包括決策過程中，他有很多就是說bias。然后這個可能是自下而上的，或者說從subcortical到cortical的一個自下而上，或者是從情緒誘發的這樣一種就是區別于純粹的一個認知活動，就是里面可能包含了這一部分信息。然后我就是想知道就是說能不能有這樣一個指標。因為controllability他是你可能更多的是跟自上而下的這樣一種活動有關。那有沒有一個指標可以量化，這種就是自下而上的這種活動。然后因為我看到就是說您那個就是用controllability去預測它的那個resting state那個activity他的效果不是很好，因為靜息狀態下，它更多的是一種自發性的一個信號。所以我覺得這可能是一個原因之一。 A12:我覺得這個點挺好啊。然后我再稍微說一下那個地方我們是拿靜息態去刻畫它的一些任務的執行情況。這個可能是有這方面的原因。您剛剛也說了，靜息態可能是說涉及到一些自發性的，不一定涉及到它具體任務的執行的效率。那么自發性的去預測它整體效率的執行，就相對可能不是一個feasible的事情。但是controllability度量本身就不管用，從結構可控性還是功能可控性。就是從功能可控性的角度來說，他對靜息態和功能態兩個本身其實是非常明顯的。但只是今天做slides的時候，就是沒有去把這一塊作為一個特征給他放出來。我們那個論文里面，我們已經掛在arxiv (Deng, S. (2020))，然后是可以看到里面也列了它在對靜息態還有功能態本身的區別。     顧老師推薦： 1. Must-read papers on Brain Control Analysis https://nangongwubu.github.io/posts/2020/06/blog-post-3/   2. Controllability of Structural Brain Networks Toolbox: https://complexsystemsupenn.com/s/controllability_code-smb8.zip     參考文獻： Cole, M. W., & Schneider, W. (2007). The cognitive control network: integrated cortical regions with dissociable functions. Neuroimage, 37(1), 343-360. Bassett, D. S., Wymbs, N. F., Rombach, M. P., Porter, M. A., Mucha, P. J., & Grafton, S. T. (2013). Task-based core-periphery organization of human brain dynamics. PLoS Comput Biol, 9(9), e1003171. Tang, E., Giusti, C., Baum, G. L., Gu, S., Pollock, E., Kahn, A. E., … & Gur, R. E. (2017). Developmental increases in white matter network controllability support a growing diversity of brain dynamics. Nature communications, 8(1), 1-16. Lee, W. H., Rodrigue, A., Glahn, D. C., Bassett, D. S., & Frangou, S. (2020). Heritability and cognitive relevance of structural brain controllability. Cerebral Cortex, 30(5), 3044-3054. Tang, E., Giusti, C., Baum, G. L., Gu, S., Pollock, E., Kahn, A. E., … & Gur, R. E. (2017). Developmental increases in white matter network controllability support a growing diversity of brain dynamics. Nature communications, 8(1), 1-16. Deng, S., & Gu, S. (2020). Controllability Analysis of Functional Brain Networks. arXiv preprint arXiv:2003.08278. Gu, S., Pasqualetti, F., Cieslak, M., Telesford, Q. K., Alfred, B. Y., Kahn, A. E., … & Bassett, D. S. (2015). Controllability of structural brain networks. Nature communications, 6(1), 1-10. Gu, S., Betzel, R. F., Mattar, M. G., Cieslak, M., Delio, P. R., Grafton, S. T., … & Bassett, D. S. (2017). Optimal trajectories of brain state transitions. Neuroimage, 148, 305-317. Jeganathan, J., Perry, A., Bassett, D. S., Roberts, G., Mitchell, P. B., & Breakspear, M. (2018). Fronto-limbic dysconnectivity leads to impaired brain network controllability in young people with bipolar disorder and those at high genetic risk. NeuroImage: Clinical, 19, 71-81. Medaglia, J. D., Harvey, D. Y., White, N., Kelkar, A., Zimmerman, J., Bassett, D. S., & Hamilton, R. H. (2018). Network controllability in the inferior frontal gyrus relates to controlled language variability and susceptibility to TMS. Journal of Neuroscience, 38(28), 6399-6410. Cui, Z., Stiso, J., Baum, G. L., Kim, J. Z., Roalf, D. R., Betzel, R. F., … & Ciric, R. (2020). Optimization of energy state transition trajectory supports the development of executive function during youth. Elife, 9, e53060. Scheid, B. H., Ashourvan, A., Stiso, J., Davis, K. A., Mikhail, F., Pasqualetti, F., … & Bassett, D. S. (2020). Time-evolving controllability of effective connectivity networks during seizure progression. arXiv preprint arXiv:2004.03059.   講座觀看地址： https://www.bilibili.com/video/BV1kk4y1q7vB?from=search&seid=8807585475690151569 ? 寫作：梁智超 校對：顧實、劉泉影 編輯：王海慧