剑桥老年与神经科学中心(cam)是一项于2010年启动的大型研究项目，旨在了解个人如何能最好地保持认知能力直至老年。Cam-CAN是一项跨学科研究，来自心理学、神经科学、精神病学、工程学和公共卫生的研究人员使用各种脑成像技术，如结构和功能磁共振成像(MRI)和脑磁图(MEG)，来测量与年龄相关的大脑结构和功能变化。随着年龄的增长，大脑的结构会发生巨大的变化(图1)，那么，尽管发生了这些变化，一些人是如何保持许多认知能力的呢?
图1所示。结构MRI图像显示一个典型健康的19岁(左)和典型健康的86岁(右)的大脑水平切片。老年人大脑中的黑洞(脑室)更大，因为随着年龄的增长，灰质(环绕大脑边缘的褶曲)和白质(剩余的较轻物质)已经萎缩。
Cam-CAN项目有近3000名参与者，年龄从18岁到88岁不等，来自广泛的社会经济背景，是世界上同类项目中最大的项目之一。数据来自健康史和生活方式问卷调查，认知测试，以及700名参与者的核磁共振和脑磁图成像。每位参与者提供了近十亿字节的数据，包括近1000张MRI图像，每张图像都有超过10万的体素，数百个传感器记录了30分钟内每一毫秒的MEG信号。我们使用MATLAB®在高性能计算集群上处理数据，并应用高级统计、优化和机器学习技术来解释数据并进行有意义的定量比较。
处理cam数据
处理来自一个大队列的MRI和MEG数据涉及许多步骤，例如共同登记不同类型的MRI图像，将它们扭曲到一个共同的空间，平滑，并在每个体素上运行统计模型。解释脑磁图数据还需要将传感器与结构MRI图像共同登记，以便构建准确的头部模型。这导致了一个复杂的管道，有许多相互依赖的步骤。
为了管理和自动化这个多步骤的管道，几个研究团队使用基于MATLAB的自动分析(AA)与MRC认知和脑科学部门的同事共同开发的软件包[1]。Cam-CAN数据集是AA的理想用例，因为它有大量的参与者，而且必须为每个参与者处理各种各样的图像。使用AA，不太擅长编程的研究人员可以对神经成像数据进行复杂的分析(图2)。AA管道由模块组装而成，每个模块执行单个步骤，并指定其输入和输出依赖关系。AA处理引擎本质上是一个批处理系统，它管理这些依赖项，并跟踪完成的步骤和剩余的步骤。如果管道进程被中断，研究人员可以重新开始处理，而不必从头开始。
图2。用于功能MRI分析的AA管道的示例子集。图片由Cusack等人提供，2015年。
AA管道可以调用其他神经成像分析软件，包括统计参数映射(SPM)包中。SPM是另一个基于MATLAB的软件包，是世界上使用最广泛的神经成像工具之一。
使用集群加速数据处理
虽然AA对于管理图像分析管道非常有价值，但在一个完整的管道中执行所有步骤需要时间，特别是在一个涉及700名参与者的项目中。为了加速这个过程，我们使用MATLAB Parallel Server™来处理1200核集群上的数据。由于单个参与者的大部分处理工作可以独立完成(也就是说，不影响另一个参与者的处理)，我们的分析是令人尴尬的并行的，很容易在集群上并发执行。我们看到，随着分配给每个作业的核数的增加，计算速度几乎呈线性增长。
MATLAB并行服务器不仅减少了处理时间;它还降低了进入并行计算的门槛——考虑到我们剑桥MRC大脑和认知单元的科学家们广泛的技术能力，这是一个重要的考虑。在许多情况下，研究人员可以通过简单地更改一个为循环parfor循环。我们已经编写了脚本，使研究人员能够为各种作业大小选择默认的资源集，例如内核数量和每个内核的RAM数量。因为MATLAB并行服务器通过插件脚本与Slurm调度器集成在一起，所以提交作业和管理由许多用户共享的集群很容易。
用MATLAB分析Cam-CAN数据
在使用AA管道完成神经成像Cam-CAN数据的初始处理后，我们的研究人员可以应用统计和机器学习技术来进行推断和得出见解。例如，一些研究人员使用统计学和机器学习工具箱™试图从大量的大脑数据预测每个参与者的年龄，以确定哪些大脑特征对预测年龄最重要。其他研究人员使用多变量线性回归和适度分析，试图找出是什么生活方式因素让一些人在晚年仍能保持认知能力，尽管他们的大脑发生了如图1所示的巨大变化。一项研究表明，在中年进行的运动、爱好或社会活动等活动，对预测晚年的认知能力有着独特的贡献，比教育更重要。此外，老年人在早期参与的这些活动越多，他们的认知健康对大脑结构的依赖就越少(图3)。这表明大脑可以在功能上适应与年龄相关的结构变化，而中年活动对这种适应性尤为重要。潜在地允许人们在晚年更长的时间里保持独立。
图3。65岁以上Cam-CAN参与者子集的认知能力和脑健康结构MRI测量(“总灰质体积”)之间的关系图，改编自Chan等人(2018)。每个参与者都是一个圆点，圆点的颜色表明他们在中年时是否在工作场所外参加了高(蓝色)或低(红色)的活动。
进一步的研究
神经科学是剑桥大学一个非常活跃的跨学科研究领域完善的跨学科研究中心．本地Cam-CAN团队的成员基于Cam-CAN存储库中的数据发表了大量论文。此外，数据的匿名版本可根据要求提供，并已由世界各地数百名科学家．
我们正在寻找额外的资金对原始组的参与者进行后续测试，随着他们年龄的增长，提供纵向数据。我们还将Cam-CAN数据与类似的大脑成像相结合军团在欧洲他的大脑扫描数据从数百张增加到了数万张。这种增加的样本数量对于分析很重要，例如，根据志愿者捐赠的样本分析基因的作用。理解健康的衰老对理解“不健康的”衰老也很重要，如阿尔茨海默病和其他形式的痴呆症。
