本文来自微信公众号:原理 (ID:principia1687),作者:Takeko,原文标题:《迄今为止最复杂的脑图!》,题图来自:《阿凡达》


想象一下,你正在一座完全陌生的城市里转悠,但你的智能手机丢失了,手里也没有任何地图。街道上的标志都是用一种你不认识的外语写的。事实上,这正是目前神经科学家在研究脑时的感觉。


棘手的任务:绘制脑图  


人脑中的数十亿神经元相互之间建立起了数万亿处的连接,形成了一个错综复杂的神经通路,造就了我们每一个人。一条神经通路是一系列相连的神经元,它将信号从大脑的一个部分发送到另一个部分。这些网络支配着我们如何思考、存储记忆和相互交流。


然而,还没有任何技术,能让神经科学家勾勒出人脑内哪怕一小部分的连接。换句话说,我们没有地图。


第一次绘制脑图的尝试始于20世纪70年代,那是一项针对线虫的长达14年的研究,最终成功绘制出了部分脑图。自那时之后,科学家陆续重建了许多系统中的部分连接组,但这些重建通常只覆盖了某种动物的脑的一小部分。先前,神经科学家只得到了几种非常简单的生物的全面连接组图谱,包括线虫、海鞘幼虫和一种海洋环节动物幼虫,它们都只有几百个神经元。


绘制脑图的难度极大,比如他需要相当昂贵的设备,像是强大的电子显微镜来成像神经元之间的微小突触,每个突触的尺寸只有大约百亿分之一米。突触是神经元之间相互交流的连接点。即使是简单的脑,也需要花费多年来重建神经通路、突触和神经元。


但现在,剑桥大学MRC分子生物学实验室和约翰霍普金斯大学的一组国际科学家团队取得了一项突破性进展。他们绘制了迄今最复杂的脑,也就是一只昆虫的脑。这个脑在许多方面与人脑有相似之处,它有两个半球,一个类似脑干的结构,还有一个相当于控制动物肌肉的脊髓。


在《科学》发表的论文中,研究人员描述了他们绘制一只黑腹果蝇(Drosophila melanogaster)幼虫的脑图的过程。脑图中包含了3016个神经元和548000个连接。这些昆虫的复杂性令人惊讶。果蝇幼虫具有与成年果蝇和大型昆虫类似的大脑结构,而且具有丰富的行为表现,包括学习和行动选择。它们能感受到疼痛,形成好和坏的记忆,并与它们的邻居结成团队觅食。了解这种脑可能会给我们提供许多关于人脑如何工作的线索。


研究发现了什么  


研究人员发现的第一件事是,果蝇的神经元不是以一种,而是以四种不同的方式相互交流。


科学家以为,神经元相互交流的主要方式是利用它们的轴突,向另一个神经元的树突(用于接收其他细胞信号)发送神经递质。然而,在果蝇幼虫的脑中,只有一半的连接是如此。有时,果蝇神经元也会通过轴突-轴突、树突-树突或者树突-轴突发送信息。


虽然研究人员知道这些类型的连接的存在,但他们对这些连接本身以及它们的数量都知之甚少。新研究所发现的这些连接的数量让研究人员震惊。他们发现,这些连接几乎占到了脑连接的一半,它们使得神经元以一些先前未知的方式相互连接,比如它们可以同时结合多种连接类型。


果蝇大脑的连接组,图中显示了所有脑神经元的形态。(图/University of Cambridge & Johns Hopkins University)
果蝇大脑的连接组,图中显示了所有脑神经元的形态。(图/University of Cambridge & Johns Hopkins University)


由于存在如此多神经元,因此很难把脑想成是一团相互连接的神经元。为了进行简化,神经科学家通过将类似的“细胞类型”归类。每个神经元在脑中都有独特的形状和作用,基本上就是它自己的指纹。但对于如何定义这些细胞类型,目前还没有达成共识。


团队在新研究中偶然发现了一种新的方法,仅仅使用神经元之间的连接,就能将脑结构分解为最简单的形式。整个果蝇幼虫脑中有93种细胞类型。每一组中的神经元都有类似的形状,并在脑中发挥着类似的作用,比如从眼睛接收视觉信息。


算法 vs 大脑  


接着,团队更详细地关注了脑的核心部分。他们开发了一种可以追踪整个脑的信号的算法。过去,人们认为不同神经元专门负责着不同的感官,这些信号是在后来才汇集到一起的。但是,利用这种新算法,研究人员发现大多数神经元都是多任务的,它们会根据果蝇幼虫经历的特定感官线索发挥着不同作用。相反,仅能处理一种感觉信号的神经元其实很罕见。


果蝇幼虫的脑与人工智能(AI)表现出了惊人的相似性。通过脑的路径像ResNet(允许深度网络更好地学习任务的人工神经网络)一样相互分层,让它能装载更多能力。许多脑的路径包含循环。这在学习和记忆中心表现得尤为明显,也许就像一个循环神经网络(具有循环连接的人工神经网络)一样运作。


但即使是一些相当简单的脑,也能很好地完成许多任务,而AI大多只能做好一项任务。另外,脑的效率要高得多,使用的能量远远低于AI。举个例子,如果脑要用足以点亮灯泡的能量来解决一个问题,那么对AI来说,它可能需要用建造并驾驶5辆汽车行驶120000英里的能量,才能解决这个问题。


随着出现ChatGPT这样的重大突破,AI正变得越来越普遍,这项技术也变得越来越耗能,甚至有可能让目前的气候危机持续恶化。学习脑如何以最少的能量来解决复杂的问题,对于减少AI的碳足迹将至关重要。


一项里程碑  


这项研究是了解脑结构的重要里程碑。


由于目前的技术限制,我们还没有能力绘制更复杂动物(比如大型哺乳动物)的连接组图谱。但果蝇与人类共享许多基因,果蝇幼虫的脑图可以成为未来研究其他动物脑的一种参考。它也可能有助于科学家了解致病突变如何改变神经系统疾病的脑线路,比如自闭症谱系障碍和精神分裂症。


有了脑图在手,有关脑功能和功能障碍问题的答案或许就触手可及了。我们需要做的就是继续探索。


参考来源:

https://theconversation.com/how-we-created-the-first-map-of-an-insect-brain-and-what-it-means-for-our-understanding-of-the-human-brain-201826

https://www.cam.ac.uk/research/news/first-wiring-map-of-insect-brain-complete

https://hub.jhu.edu/2023/03/09/scientists-complete-first-map-of-an-insect-brain/


本文来自微信公众号:原理 (ID:principia1687),作者:Takeko