Kartläggning av genetisk påverkan på kopplingar mellan neurala nätverk kan leda till en bättre förståelse av hjärnans organisation och beteende.

En genomgång av den senaste utvecklingen inom statistiska metoder har belyst bredden och svårigheten av utmaningar som förhindrar nya insikter från neuroimaging data, med det yttersta målet en mer omfattande modell av hjärnans struktur och funktion.

Den mänskliga hjärnan är ett stort fokus för forskning, med forskare som förlitar sig på statistiska metoder för att dra slutsatser från neuroimaging-studier. Ändå är mycket om hjärnans struktur och funktion fortfarande dåligt förstådd.

Det framväxande området för connectome genetik, som försöker identifiera de genetiska faktorer som påverkar hjärnanslutning, kan kasta ljus över kognitiva funktioner och hjärnaktiviteter på hög nivå, såsom minneshämtning och beslutsfattande, samt diagnos och behandling av neurologiska och psykiska sjukdomar.

Detta ledde till att Hernando Ombao från KAUST, i samarbete med Dustin Pluta och Zhaoxia Yu från University of California, i USA, och forskare i Kina, att göra en översyn av nuvarande statistiska metoder som används inom connectome genetik i syfte att identifiera nya och förbättrade tillvägagångssätt för analys och tolkning av bildgenetikdata.

"Kognitiva funktioner på högre nivå beror på interaktion och överföring av information mellan många lokala regioner i hjärnan, så det finns ett behov av att studera den potentiella roll genetik spelar i hjärnans funktion, och särskilt i hjärnanslutning, " förklarar Ombao.

Trots betydande tekniska och metodologiska framsteg de senaste åren, såsom tillkomsten av tekniker som funktionell magnetisk resonansavbildning och elektroencefalogram, avbildningsgenetikstudier är fortfarande svåra och dyra att utforma, implementera och analysera.

På grund av de höga kostnaderna och den tid som krävs, en enda neuroimaging studie kan ofta bara samla in data från några hundra försökspersoner, gör identifieringen av samband mellan datamängder till en stor beräkningsmässig och statistisk utmaning.

"Det är viktigt för statistiker och neurovetare att samarbeta nära för att utveckla nya statistiska metoder och experimentella konstruktioner som kan ta itu med de vetenskapliga frågor som är av störst intresse och att effektivt utnyttja befintlig kunskap för att förbättra modelleringsstrategier, säger Ombao.

"Vår förhoppning är att engagera fler kvantitativa forskare för att bli intresserade av detta område och att bidra till att fördjupa vår förståelse för genetikens roll för hjärnans funktion och beteende, säger Ombao.