科学研究

独立实验室

崔再续 Ph.D.

电子邮件: cuizaixu@@cibr.ac.cn(发Email时删掉一个@)

电话:

实验室主页:

教育经历

2011-2017,北京师范大学认知神经科学与学习国家重点实验室  博士

2007-2011,安徽大学计算机科学与技术学院  学士


工作经历

2017-2021,美国宾夕法尼亚大学医学院  博士后


研究概述

人类的行为来自于一个由近千亿的神经元和数百万亿的突触连接所构成的复杂网络,即人脑网络。我们实验室的研究目标是揭示人脑网络的组织原则、认知意义以及发育与演化规律,并进一步探索人脑网络异常与神经精神疾病的关联。为解决此问题,我们综合使用行为学和神经影像学实验,以及机器学习和网络建模等方法。我们的工作集中于以下三个研究问题。

1. 个体水平脑网络的组织架构

人脑是由功能上分化的大尺度功能网络(比如:额顶控制网络、默认网络等)所构成,每一个网络具有特定的生理特征(比如:组织形态、激活、代谢、连接等)与认知功能。每一个人的功能网络都是独特的。我们试图在个体水平对功能网络进行划分,从而识别出个体特异的大尺度功能网络,并揭示这些网络的组织原则、随时间的动态演变、及其在认知功能上的意义。此外,我们也致力于揭示大尺度功能网络与微观尺度(比如:基因、神经元、微观回路等)脑网络的关系,并构建多尺度脑网络与行为间关系的模型。

2. 结构连接组的功能与认知意义

神经元之间的动态活动是脑功能与人类认知的基础,而结构连接组的网络拓扑则支持着神经元集群之间的相互通信。我们的工作将构建一个生成模型,揭示底层的结构连接组如何支持人类在执行认知任务时大脑的功能动态。基于弥散磁共振成像,我们使用纤维追踪技术构建结构连接组。并在此基础上,通过综合使用网络控制论模型,以及结合基于全脑的非侵入的神经成像技术(比如:fMRI和MEG)和局部的侵入性神经活动记录技术(比如:iEEG)的行为实验来揭示人脑连接组与人类认知之间的联系。

3. 执行功能的正常发育及其在神经精神疾病中的异常的脑网络机制

执行功能指的是人类控制自己的思想、情绪、和行为以达到某种目标的能力。它包括工作记忆、认知灵活性、持续性注意和抑制能力等成分。人类的学龄期(一般认为6-7岁开始)至青少年阶段是执行功能发育的关键阶段,这一时期执行功能的发育异常与风险行为以及多种神经精神疾病相关。我们致力于研究个体化的功能与结构网络在这一阶段的发育是如何支持执行功能的发展,以及它的异常发育如何影响神经精神疾病患者的执行功能。此外,我们也对执行功能相关的脑网络在从非人灵长类到人类的演化过程中的变化感兴趣,这类研究有助于我们更好的理解正常和异常的人脑发育。


5ff67f4fa2f19.jpg

实验室持续招收博士研究生以及博士后。我们欢迎具有认知神经科学、理论/生物物理学、网络科学、复杂系统、计算机科学、应用数学、生物医学工程或者心理学等背景的同学申请。同时欢迎本科生以及硕士生来实验室实习或者应聘科研助理。

实验室与Ted Satterthwaite教授(宾夕法尼亚大学,脑发育),任连坤教授(北京宣武医院,癫痫与iEEG),柳昀哲博士(牛津大学,计算认知),陈润森博士(牛津大学,精神疾病临床研究)等实验室密切合作。

发表文章

1. Chen R*, Cui Z*, Capitao L, Wang G, Satterthwaite TD, Harmer CJ. Precision biomarkers for mood disorders based on brain imaging. (2020) BMJ. 371:m3618.

2. Cui Z, Li H, Xia CH, Larsen B, Adebimpe A, Baum GL, Cieslak M, Gur RE, Gur RC, Moore TM, Oathes DJ, Alexander-Bloch A, Raznahan A, Roalf DR, Shinohara RT, Wolf DH, Davatzikos C, Bassett DS, Fair DA, Fan Y, Satterthwaite TD. Individual variation in functional topography of association networks in youth. (2020) Neuron. 106(2): 340-53.

3. Cui Z, Stiso J, Baum GL, Kim JZ, Roalf DR, Betzel RF, Gu S, Lu Z, Xia CH, He X, Ciric R, Oathes DJ, Moore TM, Shinohara RT, Ruparel K, Davatzikos C, Pasqualetti F, Gur RE, Gur RC, Bassett DS, Satterthwaite TD. Optimization of energy state transition trajectory supports the development of executive function during youth. (2020) eLife. 9:e53060.

4. Baum GL, Cui Z, Roalf DR, Ciric R, Betzel RF, Larsen B, Cieslak M, Cook PA, Xia CH, Moore TM, Ruparel K, Oathes DJ, Alexander-Bloch AF, Shinohara RT, Raznahan A, Gur RE, Gur RC, Bassett DS, Satterthwaite TD. Development of structure-function coupling in human brain networks during youth. (2020) PNAS, 117 (1): 771-778.

5. Cui Z, Gong G. The effect of machine learning regression algorithms and sample size on individualized behavioral prediction with functional connectivity features. (2018) NeuroImage, 178: 622-37.

6. Cui Z*, Su M*, Li L, Shu H, Gong G. Individualized prediction for reading comprehension abilities using gray matter volume. (2018) Cerebral Cortex, 28(5): 1656-72.

7. Cui Z*, Xia Z*, Su M, Shu H, Gong G. Disrupted white matter connectivity underlying developmental dyslexia: a machine learning approach. (2016) Human Brain Mapping, 37(4):1443-58.

8. Cui Z, Zhong S, Xu P, He Y, Gong G. PANDA: a pipeline toolbox for analyzing brain diffusion images. (2013) Frontiers in Human Neuroscience, 7:42. doi: 10.3389/fnhum.2013.00042.