电子科技大学生命科学与技术学院（神经信息教育部重点实验室、四川脑科学与类脑智能研究院）神经工程与神经数据团队（负责人尧德中教授）成功建立了数字孪生脑（Digital twin brain）模型，并基于该模型开展了稳态视觉诱发电位响应机制方面的研究。日前，该成果在线发表于神经成像Top期刊NeuroImage。文章标题为“Computational exploration of dynamic mechanisms of steady state visual evoked potentials at the whole brain level”，尧德中教授和郭大庆教授为论文的共同通讯作者，博士生张鬲为论文第一作者。

　　大脑是由不同功能子区域交互构成的复杂动力学系统，而脑功能是由分布于多脑区的神经网络实现的。通过建模和仿真揭示大脑的基本工作原理，是连接神经生物学实验与认知行为观测之间的桥梁，在探究脑功能机制中发挥着重要的作用。为该团队基于计算神经科学理论，通过融合多模态神经成像数据，引入并优化国际先进的“结构-功能”迭代优化理论，建立了国内首个数字孪生脑计算平台（Digital twin brain，DTB），在功能图谱层次实现了对大尺度脑动态的精准模拟（图1）。

图1 数字孪生脑模型的建立及优化流程

图2 SSVEP响应的频率敏感性及网络属性

　　在此基础上，团队研究人员进一步将DTB应用于对稳态视觉诱发电位（stable steady-state visual evoked potentials, SSVEPs）全脑机制的研究。有关SSVEP的实验表明，周期性视觉刺激可诱发分布于大脑多个区域的SSVEPs，由于该信号具有高信噪比、频谱稳定、识别率高等特点，被广泛应用于脑机接口、脑认知和脑疾病领域。然而，目前SSVEP在全脑层次的动力学机制尚未被完全理解。在该项工作中，研究人员揭示DTB能够同时再现实验中观察到的SSVEP响应与空间分布特征（图2）。特别是，他们发现α波段(8-12Hz)刺激能激发最强的SSVEP响应，而这种频率敏感特性是由非线性夹带和共振引起的，并且可以被大脑的内源性因素调节。有趣的是，刺激诱发的大脑网络在这个敏感频率范围附近的拓扑性质也展现出显著的优势，即强的SSVEP反应是由神经活动水平上有效的功能连接导致的。

　　该项工作表明，融合多模态成像数据和计算神经科学理论所建立的数字孪生脑计算平台（DTB），在探究大脑动态响应和功能方面具有广阔的前景，可望在脑机接口、注意机制、自闭症和癫痫脑疾病调控等方面的研究中发挥重要作用。

　　数字虚拟大脑（The Virtual Brain, TVB）是欧洲脑计划的核心内容且已取得较好的进展。具有自身特色的数字孪生脑计算平台（DTB）的成功实现，是中国数字仿脑、类脑智能研究取得的重要进展，将极大地推动大规模计算和云平台技术在认知神经科学、脑-机接口、类脑智能和脑疾病等领域的应用。

　　论文链接：https://doi.org/10.1016/j.neuroimage.2021.118166.