崔再續，男，畢業於北京師範大學認知神經科學與學習國家重點實驗室，現任北京腦科學與類腦研究中心研究員，主要研究方向為“腦結構與功能網路的組織原則與行為特徵，及其在兒童青少年階段的正常及異常發育規律。”
2021年11月11日，擬入選“2021年北京市科技新星計畫”人員公示名單。
基本介紹
- 中文名：崔再續
- 外文名：Zaixu Cui
- 畢業院校：北京師範大學認知神經科學與學習國家重點實驗室
- 職稱：研究員
人物經歷,研究概述,發表論文,
人物經歷
2021.04 - 目前 北京腦科學與類腦研究中心 研究員
2017.10 - 2021.03 美國賓夕法尼亞大學醫學院 博士後
研究概述
人類的行為來自於一個由近千億的神經元和數百萬億的突觸連線所構成的複雜網路，即人腦網路。我們實驗室的研究目標是揭示人腦網路的組織原則、認知意義以及在兒童青少年階段的發育規律，並進一步探索人腦網路異常與神經精神疾病的關聯。為解決此問題，我們綜合使用行為學和神經影像學實驗，以及機器學習和網路建模等方法。我們的研究集中於以下三個研究問題。
1. 腦網路組織架構
基於彌散磁共振成像檢測腦組織中水分子的布朗運動可以重建大腦白質纖維束。基於此，通過將腦區定義為網路的節點並將白質纖維束定義為節點之間的連線，可以在毫米尺度構建人腦的結構連線組。使用功能磁共振成像，可以通過將兩個腦區的時間序列的相關作為邊定義腦功能網路。腦結構與功能網路都呈現出複雜的拓撲組織原則，例如小世界、模組化、以及代價-效率平衡的複雜結構。我們致力於使用圖論及代數拓撲等方法全面揭示人腦結構與功能網路的拓撲組織原則、及其隨時間的動態演變。
2. 結構連線組的功能與認知意義
神經元之間的動態活動是腦功能與人類認知的基礎，而結構連線組的網路拓撲則支持著神經元集群之間的相互通信。我們的工作將構建一個生成模型，揭示底層的結構連線組如何支持人類在執行認知任務時大腦的功能動態。基於彌散磁共振成像，我們使用纖維追蹤技術構建結構連線組。並在此基礎上，通過綜合使用網路控制論模型，以及結合基於全腦的非侵入的神經成像技術（比如：fMRI和MEG）和局部的侵入性神經活動記錄技術（比如：iEEG）的行為實驗來揭示人腦連線組與人類認知之間的聯繫。
3. 執行功能的正常發育及其在神經精神疾病中的異常的腦網路機制
執行功能指的是人類控制自己的思想、情緒、和行為以達到某種目標的能力。它包括工作記憶、認知靈活性、持續性注意和抑制能力等成分。人類的學齡期（一般認為6-7歲開始）至青少年階段是執行功能發育的關鍵階段，這一時期執行功能的發育異常與風險行為以及多種神經精神疾病相關。我們致力於研究個體化的功能與結構網路在這一階段的發育是如何支持執行功能的發展，以及它的異常發育如何影響神經精神疾病患者的執行功能。我們特別關注跨多種精神疾病共享的症狀特徵的腦網路機制。
崔再續
發表論文
發表文章（*並列一作）：
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.
