崔再续

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、认知意义以及在儿童青少年阶段的发育规律，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。我们的研究集中于以下三个研究问题。

1. 脑网络组织架构

基于弥散磁共振成像检测脑组织中水分子的布朗运动可以重建大脑白质纤维束。基于此，通过将脑区定义为网络的节点并将白质纤维束定义为节点之间的连接，可以在毫米尺度构建人脑的结构连接组。使用功能磁共振成像，可以通过将两个脑区的时间序列的相关作为边定义脑功能网络。脑结构与功能网络都呈现出复杂的拓扑组织原则，例如小世界、模块化、以及代价-效率平衡的复杂结构。我们致力于使用图论及代数拓扑等方法全面揭示人脑结构与功能网络的拓扑组织原则、及其随时间的动态演变。

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。我们特别关注跨多种精神疾病共享的症状特征的脑网络机制。

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。

1. Cui Z, Pines AR, Larsen B, Sydnor VJ, Li H, Adebimpe A, Alexander-Bloch AF, Bassett DS, Bertolero M, Calkins ME, Davatzikos C, Fair DA, Gur RC, Gur RE, Moore TM, Shanmugan S, Russell TS, Jacob WV, Cedric HX, Yong F, Satterthwaite TD (2022). Linking Individual Differences in Personalized Functional Network Topography to Psychopathology in Youth. Biological Psychiatry.

2. 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.

3. 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.

4. 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.

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.