AFNI数据处理[1]

BOLD-fMRI脑功能成像

复旦大学附属肿瘤医院影像中心周良平

一、概述

大脑是生物体内结构和功能最复杂的组织，是人体接受外界信号、产生感觉、

形成意识、进行逻辑思维、发出指令、产生行为的指挥部：是人体内外环境信息

获得、存储、处理、加工和整合的中枢。近年来，随着其他学科和技术的飞速发

展，出现了许多新概念、新技术和新方法，使脑科学的研究取得了较大的进展。

当代脑科学的研究有两个显著特点:一是对脑研究由宏观深入到微观，在细胞与

分子水平把功能与结构研究结合起来，研究神经元、突触及神经网络的活动规律；

二是对脑的研究已经突破了感觉与运动等一般生理功能的控制，而把复杂的、高

级的精神意识纳入了科学研究的轨道，探索大脑与行为、大脑与思维的关系。总

之，要在局部深入了解的基础上解决脑的整体功能问题。

脑功能研究方法很多，可以分为⑴测量脑内化合物的方法：目前可用于测量

活体人脑化合物的技术主要有三种，包括单光子发射计算机断层显像技术

（singlephotoemissioncomputerizedtomography，SPECT）、正电子发射断层成像技

术（positronemissiontomography，PET）和磁共振波谱分析技术

（magneticresonancespectroscopy，MRS）；⑵测量局部代谢和血氧变化的技术：

当神经元活动增加时，局部的血流、氧代谢、糖代谢会产生相应的变化，因此通

过测量局部血流和代谢等神经元活动的次级反应可以了解该部位的神经元活动

情况，测量神经元活动的次级反应的主要方法包括PET、功能磁共振成像

（functionalmagneticresonanceimaging，fMRI）和光学成像技术。这类技术在认

知科学的研究中应用最为广泛。主要用于功能定位和脑局部反应特征的研究；⑶

测量脑内神经元活动的技术：目前直接用于测量人脑神经元活动的技术主要有脑

电图，脑磁图（magnetoencephalography，MEG）以及以上述两种技术为基础发

生物信息学中常见数据处理方法总结

随着高通量测序技术的发展，生物信息学在生命科学研究中扮演着愈发重要的角色。生物信息学旨在处理、分析和解释生物学数据，以便从海量的生物信息中挖掘出有意义的知识。在这个领域中，有许多常见的数据处理方法被广泛应用，下面将对其中一些方法进行总结。

1. 序列比对（Sequence Alignment）

序列比对是生物信息学中最常见的数据处理方法之一。它主要用于比较两个或多个生物序列的相似程度。比对的目标包括DNA，RNA和蛋白质序列。序列比对方法的核心在于寻找两个序列之间的匹配模式和不匹配位置，并计算其相似度评分。常用的序列比对算法有Smith-Waterman算法和Needleman-Wunsch算法。

2. 基因组组装（Genome Assembly）

基因组组装是将碎片化的DNA序列重新拼接成完整基因组的过程。由于基因组非常庞大且复杂，从现有的测序数据中恢复出完整基因组是一项巨大的挑战。基因组组装方法通常依赖于测序技术的不同，包括De Bruijn图方法、重叠-布局-一致性（Overlap-Layout-Consensus）方法和引导组装方法等。

3. RNA测序分析（RNA-seq Analysis）

RNA测序分析是分析转录组数据的一种方法。它可以帮助研究者了解转录过程中的基因表达和调控机制。RNA-seq分析通常包括数据质量控制、对原始序列进行去除低质量序列和适配体序列、比对到参考基因组、计算基因表达量以及差异表达基因分析等步骤。

4. 蛋白质结构预测（Protein Structure Prediction）

蛋白质结构预测是根据蛋白质的氨基酸序列推断其三维结构的过程。蛋白质结构预测对于了解蛋白质的功能和相互作用机制至关重要。通过生物信息学方法，可以预测蛋白质的二级结构、三级结构和蛋白质相互作用等信息。常用的蛋白质结构预测方法包括模板比对、蛋白质分子动力学模拟和聚类分析等。

第四节 脑功能成像技术1

语言神经认知机制研究是语言科学研究的重要内容，它主要研究语言与大脑的关系，简单的说就是研究语言在人脑中的理解与产生的过程。但是人脑被一层厚厚的颅骨所包围，因此仅凭肉眼无法判断大脑处理语言时的情况。认知语言学通过语言理论的假设来构建语言认知模型，心理语言学则通过行为学方法，通过测试量表来研究具体语言结构的反应时间和正确率。但是，这两种研究方向都不能直接观察大脑实时处理语言的情况。随着科学技术的发展，新的语言科学研究技术已经被广泛用于语言研究中，其中PET和fMRI尤其是fMRI技术又是神经认知科学研究被最广泛应用的一种新的技术手段。

一 脑功能成像技术简介

PET（Positron Emission Tomography,PET）即正电子发射断层扫描技术，其基本原理是：刺激作用于大脑会产生血流变化，利用血液中注射的放射性示踪物质来和脑活动的某些脑区进行对比，从而确定刺激任务与特定脑区之间的关系。fMRI是functional Magnetic Resonance

Imaging的简称，中文名称为功能性磁共振成像。其实质就是在磁共振成像的基础上获取大脑活动的功能图像，以获取被试对所给语言、图形、声音等刺激材料进行加工时产生的fMRI信号并加以分析，以确定这些刺激材料与对应脑区的关系，从而分析其脑机制。赵喜平（2000）认为所谓的fMRI就是利用MRI对组织磁化高度敏感的特点来研究人脑功能，特别是大脑各功能区划分或定位的无创伤性检测技术。由于PET技术在技术要求以及资金需求方面的原因，用于认知任务的研究越来越少，现在主要的脑成像技术就是fMRI,因此这里主要介绍fMRI技术以及实验数据的处理和对实验数据的解读。

1.1 fMRI的发展及其原理

MRI（Magnetic Resonance Imaging，磁共振成像）产生于上个世纪70年代。1970年，美国纽约州立大学的Raymond Damadian发现正常组织的NMR（Nuclear Magnetic Resonance）信号与病变组织的信号明显不同。这以后Paul Lauterbur、Peter Mansfield 和Graunell发展了各种成像方法。1976年 Mansfield得到了第一幅人体断层像，1977年世界上第一台名为indomitable的全身磁共振成像装置诞生，1978年的图像质量已经接近CT，1980年磁共振成像设备用于商业用途，这之后，磁共振成像技术开始进入一个飞速发展的时期。美国Technicare公司、GE公司、

基因芯片（Affymetrix）分析2：芯片数据预处理

基因芯片技术的特点是使用寡聚核苷酸探针检测基因。前一节使用ReadAffy函数读取CEL文件获得的数据是探针水平的（probe

level），即杂交信号，而芯片数据预处理的目的是将杂交信号转成表达数据（即表达水平数据，expression level data）。存储探针水平数据的是AffyBatch类对象，而表达水平数据为ExpressionSet类对象。基因芯片探针水平数据处理的R软件包有affy, affyPLM,

affycomp, gcrma等，这些软件包都很有用。如果没有安装可以通过运行下面R语句安装：

library(BiocInstaller)

biocLite(c("affy","gcrma", "affyPLM", "affycomp"))

Affy芯片数据的预处理一般有三个步骤：

• 背景处理（background adjustment）

• 归一化处理（normalization，或称为“标准化处理”）

• 汇总（summarization）。

最后一步获取表达水平数据。需要说明的是，每个步骤都有很多不同的处理方法（算法），选择不同的处理方法对最终结果有非常大的影响。选择哪种方法是仁者见仁智者见智，不同档次的杂志或编辑可能有不同的偏好。

1 需要了解的一点Affy芯片基础知识

Affy基因芯片的探针长度为25个碱基，每个mRNA用11~20个探针去检测，检测同一个mRNA的一组探针称为probe sets。由于探针长度较短，为保证杂交的特异性，affy公司为每个基因设计了两类探针，一类探针的序列与基因完全匹配，称为perfect match（PM）probes，另一类为不匹配的探针，称为mismatch （MM）probes。PM和MM探针序列除第13个碱基外完全一样，在MM中把PM的第13个碱基换成了互补碱基。PM和MM探针成对出现。