剑桥中心的老龄化和神经科学（凸轮-CAN）是一个大型研究项目于2010年推出，以了解个人如何能够最好地保持认知能力进入老年期。凸轮-CAN是一个跨学科的努力，从心理学，神经科学，精神病学，工程学和公共卫生利用各种脑成像技术，如结构性和功能性磁共振成像（MRI）和脑磁图（MEG）的研究人员，来衡量年龄相关改变大脑的结构和功能。大脑结构的变化显着，因为我们的年龄（图1），让我怎么有些人保持许多他们的认知能力，尽管这些变化？
图1所示。结构MRI图像显示了典型健康的19岁儿童(左)和典型健康的86岁儿童(右)的大脑水平切片。老年人大脑中的黑洞(心室)变大是因为灰质(大脑边缘的回旋)和白质(剩下的较轻的物质)多年来缩小了。
有近3000名参与者，年龄从18岁到88岁不等，他们来自广泛的社会经济背景，Cam-CAN是世界上同类项目中最大的项目之一。数据来自健康历史和生活方式问卷调查，认知测试，以及700名参与者的MRI和MEG成像。每个参与者提供近十亿字节的数据，近1000张MRI图像，每张图像有超过100,000个体素，30分钟内数百个传感器每毫秒记录一次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MRI和从大队列MEG数据包括许多步骤，如共配准不同类型的MRI图像，将其扭曲至一个共同空间，平滑，并在每个体素运行统计模型。解释MEG数据也需要共配准与结构MRI图像传感器，以构建所述头部的精确模型。这导致复杂的管道，有许多相互依存的步骤。
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)[1]与MRC认知和脑科学部门的同事共同开发的软件包。Cam-CAN数据集是AA的理想用例，因为它的参与者非常多，而且每个参与者都必须处理各种各样的图像。使用AA，不太精通编程的研究人员可以执行复杂的神经成像数据分析(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已完成的步骤和剩余的步骤。如果一个流水线进程被中断，研究人员可以重新开始处理，而不必从头开始。
的AA管道用于功能MRI分析的图2的实例子集。供图库萨克等人，2015。
AA管道可以调用其他神经成像分析软件，包括the统计参数映射（SPM）包中。SPM是另一个基于MATLAB的软件包，是世界范围内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对于管理映像分析管道非常有用，但是在完整的管道中执行所有步骤需要时间，特别是在一个有700个参与者的项目中。为了加快这一进程，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(即，不影响另一个参与者的处理)，所以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内核数量的增加，计算速度几乎呈线性增长。
MATLAB并行服务器不仅可以减少处理时间;这也降低了门槛进入并行计算的重要考虑因素给我们这里的科学家在剑桥大学MRC脑与认知之间的单位在广泛的技术能力。在许多情况下，研究人员可以通过简单地改变一个移动其处理到群集为循环PARFOR循环。我们编写的脚本，使研究人员能够选择默认的资源集合，如内核数量和每内核RAM量，适用于各种作业尺寸。因为MATLAB并行服务器与SLURM调度通过插件脚本集成，很容易将作业提交和管理由多个用户共享一个集群。
在MATLAB分析的Cam-CAN数据
在通过AA管道完成对神经成像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™，试图从大量不同的大脑数据中预测每个参与者的年龄，以便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，试图找出哪些生活方式因素使一些人能够保持他们的认知能力到老年，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，诸如运动、业余爱好或社会活动等在中年时期进行的活动对预测晚年的认知能力有独特的作用，这比受教育程度还要高。此外,这些活动一个年长的人从事早些时候在生活中,他们的认知健康越少依赖他们的大脑结构(图3)。这表明大脑功能能适应与年龄相关的结构性变化,中年活动是特别重要的适应性,可能允许人们来维护他们的独立性已经步入老年。
图3.绘制显示认知能力和在Cam-CAN参与者超过65岁的子集脑健康的结构性MRI措施（“总灰质体积”），改编自陈等人之间的关系。（2018）。每一个参与者是一个点，以点表示它们是否曾在中年高（蓝色）或活性低（红色）的水平参加在工作场所以外的颜色。
进一步的研究
在剑桥大学，神经科学是一个非常活跃的跨学校研究领域完善的跨学科研究中心。本地Cam-CAN团队的成员已经发表了大量基于Cam-CAN存储库数据的论文。此外，数据的匿名版本可根据要求提供，并已下载世界各地的数百名科学家。
目前，我们正在寻求额外的资金上运行的参与者原组后续的测试中，随着年龄的增长，提供纵向数据。我们也结合了类似的脑成像凸轮CAN数据军团在欧洲，数据增长从几百到脑部扫描数以万计。这增加样本量是分析重要的，例如，基因的作用，基于样本捐献志愿者。了解健康的老龄化也是理解“不健康”老化，如阿尔茨海默氏症和其他形式的痴呆的重要。
