来源：神经科技

编辑：Yezi

审阅：mingzlee7

前不久，谷歌和哈佛大学联手发布人脑神经3D连接图，涵盖人脑一百万分之一的信息，但数据已经塞满了1400块1T硬盘！现在，这个研究团队表示，这些发现还只是个开始。

去年夏天，哈佛大学和谷歌的研究人员联合发布了第一张部分人脑的连接图。针头大小的组织被保存下来，用重金属染色，切成5000片，并在电子显微镜下成像。

这些保存下来的组织，仅占整个人类大脑的百万分之一。然而，对其进行描述和记载的数据却高达1.4PB，其中包括了神经细胞、血管等颜色鲜艳的显微镜图像。

「这就像发现了一个新大陆一样，」论文的资深作者、哈佛大学的Jeff Lichtman说。

目前，他的团队已经在人体组织中发现了一系列令人费解的特征，包括在其他动物中从未见过的新型细胞，例如轴突卷曲并相互盘旋的神经元，以及拥有两个轴突，而不是一个轴突的神经元。

不过Lichtman表示，这些发现只是皮毛：要绘制对大脑组织的完全搜索样本，其难度不亚于开车驶过北美每一条道路。

Lichtman一直致力于创建和研究类似的神经全连接图——绘制一张完整或部分完整的活体大脑内所有神经连接的综合图。这张图是了解大脑的主人如何思考、感觉、移动、记忆、感知等的关键。

然而，这类大脑连接图不会很快问世，因为它在技术上是不可行的。

Lichtman表示，其中一个问题就是数据量太大，可能达到ZB级，这相当于当今整个世界存储内容的很大一部分。

事实上，目前唯一建立了大脑综合连接图的物种是秀丽隐杆线虫（Caenorhabditis elegans），一种不起眼的蛔虫。

科学家们从蠕虫、苍蝇、老鼠和人类中积累的大量连接组数据，已经对神经科学产生了强大的影响。最近，绘制大脑神经连接的技术发展越来越快，Lichtman 等人追寻已久的大规模连接图终于成为了现实。

哈佛大学和谷歌研究人员从仅1立方毫米的人类大脑皮层编译出的连接组。它的大小为1.4PB，是有史以来创建的最详细、最复杂的连接组。

不同的生物体通常在很多方面差异很大，科学家需要确认分类才能得出结论。大规模连接组学可以为神经科学的发展提供空前的动力，其作用堪比快速、简单的基因组测序技术对基因组学的推动作用。

最近，对线虫的研究也证明了这一点。

实验表明，科学家有时可以根据连接组的知识来预测动物的行为。然而，这些成功也揭示了大规模连接组学在处理更复杂的生物大脑之前还需要走多远。

从连接预测动物行为

实际上，大约35年前，科学家就完成了线虫的第一张大脑全接线图。

尽管线虫的大脑中只有302个神经元，但在当时，这项努力已经堪称壮举。科学家通过在电子显微镜图像的打印输出图上，手绘神经元连接，经过近15年的艰苦努力才完成。

现在，利用AI增强的成像技术，科学家们在约一个月内就可以完成一个秀丽隐杆线虫的大脑神经连接图的绘制。

神经科学家可以在一个实验中绘制几种蠕虫的脑连接图，在不同特征或处于不同生命阶段的个体之间进行比较，还能在图上叠加特征成像，了解在复杂行为期间神经网络的触发方式。

这种方法已经取得了令人瞩目的进展。在今年9月发表在《细胞》上的一篇报告中，科学家们使用蠕虫连接组来描述了自然界中最复杂的行为之一：性。

研究人员使用视频和成像技术，在线虫交配过程中记录和追踪了线虫脑细胞的活动，视频显示，这些蠕虫以蛇形模式在彼此周围滑行，荧光蛋白发出的白光表示神经元的活动，沿着它们纤细的身体断时续地闪烁。

线虫神经系统的3D模型。线虫只有302个神经元，因此它是第一个（也是迄今为止唯一的）可以编译出完整、详细的连接组的动物。

科学家将复杂的交配行为分解为寻找伴侣、交配和休息等子类。然后将神经元活动映射到蠕虫的连接组上，以识别在交配过程中处理环境信息的大脑机制。

据该研究论文的第一作者、神经科学家Vladislav Susoy介绍，由此产生的大脑活动图在研究中使用的8种蠕虫之间显示出高度一致，以至于可以用来预测第9种蠕虫的行为。

因此，科学家们决定通过实验来检验这个预测。以一种新的蠕虫为例，他们精确地移除了这种蠕虫与「转动」有关的五个神经元中的一个，结果，蠕虫果然失去了转动的能力。

Susoy说：「这种联系如此清晰，真是令人惊讶。」

研究斑马鱼大脑的哈佛大学神经科学家Florian Engert称，这篇论文是该领域的「里程碑」，因为它使用连接组来考察复杂的行为。他表示，连接组正在成为一种关键资源。

「它可以作为研究神经元回路如何运作的工具和数据库。」恩格特实验室的神经科学家和博士后研究员Gregor Schuhknecht说。

不过，除了解释动物行为的基础之外，连接组学研究还可以揭示关于这些行为如何连接到大脑的微妙细节。

Lichtman表示，大脑可以用无数种方式做事。我的猜测是，在几乎所有情况下，大脑神经系统很少采用最简单的路径，因为它的设计并不简单。

例如，一段时间以来人们都知道，对线虫而言，幼虫和成虫的神经元之间的连接形式是明显不同的。为了了解大脑整个发育过程中的变化。

在最近《自然》上的一篇文章中，Lichtman，Samuel and Mei Zhen等研究人员比较了八个基因完全相同的蛔虫幼虫和成虫之间神经元连接方式的差异。

根据论文第一作者Daniel Witvliet的说法，这项研究最有趣的发现是，尽管这些蠕虫在基因上是相同的，但它们大脑中神经细胞之间的连接有多达40%是不同的。

这一发现表明了对大量大脑链接图进行比较的重要性。「你不能只是说，'我们已经绘制了蠕虫连接组图'，因为每个连接组都是略有不同的。」Witvliet说。

Lichtman说，这一发现表明存在两类连接：可变的连接和一致的连接。如果事实证明，动物需要建立更一致的连接，来支持生存所必需的神经活动，那么他认为，一些连接的变化程度可能成为连接组中重要特征的标志。

「如果可以比较多个连接组，就可能看出特征上的重要差异，而不是完全随机的。」Lichtman说。

他表示，在未来，连接组学能定期分析多个个体的大脑，比较健康和不健康的动物、年轻和年老的动物等等。「我认为，一旦绘制大脑神经连接图成为平常之事，这很可能会成为现实。」

神经科学的「n of 1」问题

然而，解决大规模的连接组学的问题，说起来容易，做起来难。

目前来说，在神经映射技术方面的确有了一定的进展，但是整个领域仍然存在Lichtman所说的「n of 1」的问题。

也就是说，即便是绘制一个人的大脑线路图，也不是一项可以轻易完成的任务，尤其是这个物种要比蠕虫复杂得多。

哈佛大学的教授Aravinthan D.T. Samuel也同意这一观点：「我认为连接组学在大多数情况下就像珠穆朗玛峰的探险。做过一次之后，就认为自己已经完成了。」

而这也正是连接组学研究面临的一个重大障碍，特别是对复杂的生物来说。

比如，当Lichtman和他的同事正在绘制人脑片段时，他们发现一处非常的奇怪。但是却也无从得知这是一个政策现象还是由于这个人独有历史和基因而产生的特殊案例。

当然，如果能绘制出100个人类大脑的等效样本，那么这些问题也就可以略知一二了。但不幸的是，每个大脑都有1.4PB的信息，这么做显然是不太可能的。 

不过，即便还不能进行大规模研究，连接组学也取得了很多重要的进展。

尤其是果蝇（Drosophila melanogaster）方面的工作，可谓是进展神速，无论是幼虫（有大约10,000个神经元）还是成虫（有大约135,000个神经元）。

2019年，谷歌与Howard Hughes医学研究所以及剑桥大学合作，通过Flood-Filling Network算法和TPU芯片，将果蝇大脑切分成数千个40纳米的超薄切片，并且使用透射电子显微镜生成每个切片的图像，产生了40万亿像素以上的果蝇大脑影像，然后将2D图像排列对齐形成完整果蝇大脑的3D图像。

首次成功重建了果蝇大脑神经元的3D模型，但并未揭示有关果蝇大脑神经元「连接性」的信息。

40 万亿像素下的果蝇大脑重建

2020年，谷歌与Howard Hughes医学研究所的FlyEM团队等，发布了「半脑」连接组（ 「hemibrain」 connectome），绘制的图像涵盖了25000个神经元，按体积计算，大约占果蝇大脑的三分之一。

这是当时最大、最详尽的果蝇大脑地图，包含了对果蝇大脑中神经元连接的高度详细的绘制。

黑腹果蝇大脑部分突触连接的「半脑」连接组映射

今年的10月，神经科学家在此基础上发现了似乎能够帮助果蝇进行导航的多达几十种新的神经元类型和电路。

这项工作被誉为揭示苍蝇如何纳入感官信息并将其转化为行动的一个重要里程碑。

能够比较不同物种的基因组也有很大的价值。

今年7月，Allen大脑研究所、普林斯顿大学和Baylor医学院的神经科学家合作发布了一个数据集，其中包含了小鼠视觉新皮层中20万个脑细胞的精细结构和连接。

该项目花了五年时间完成，代表了迄今为止最大的小鼠数据集。

这只是整个大脑的一个开始，但即使这么多也意味着，研究人员第一次可以比较两种哺乳动物——小鼠和人类的部分连接组。

什么是连接组学解释不了的？

连接组学的成功，对科研人员来说，可能是苦乐参半。

多年来，连接组学受到的最多的批评就是，它不足以解释大脑是如何运作的。

尽管在几十年前，人类就掌握了一张秀丽隐杆线虫的大脑地图，但科学家们仍难以就其神经功能得出有意义的结论。

对Lichtman来说，解析更复杂的大脑里面近乎无限的相互联系是一个巨大的挑战，它考验着人类和人工智能的极限。

连接组学的另一个限制是它没有告诉人们任何关于连接强度的信息，大脑里某个连接是强还是弱我们并不知道。

连接组学只是告诉研究人员有连接存在。

「如果两个神经元之间有20个连接，但它们都非常弱，」Engert说，「那么如果你想知道信息是如何通过大脑流动的，你需要先知道这些。」

通过将功能活动映射到果蝇的连接体数据上，研究人员发现这些神经回路控制着昆虫导航能力的重要方面。

神经科学家经常假设，如果一个神经元与其他神经元建立了联系，那么它一定是对它所接触的神经元做了什么。

但Lichtman指出，并不是每一个连接都是有意义的，因为神经元在充满冗余路径的庞大网络中与其他神经元建立了数千个连接。

这也就是为什么有人中风了，成千上万的神经元消失了，但他并不会失去记忆。

「大脑有无数种方式可以做事情，」Lichtman说，「我的猜测是，几乎在每种情况下，神经系统都很少走最简单的路，因为它不是为了简单而设计的。」

连接组学也几乎没有涉及大脑中被称为神经调节剂的化学物质，这种化学物质在神经元周围的液体中循环。

神经调节剂不同于神经元之间的突触连接中精确释放的神经递质，它们代表了大脑细胞之间交流的另一种方式。

Janelia研究院的神经科学家和计算生物学家Louis Scheffer说，许多神经回路在神经调节剂的存在下会改变它们的行为。

举个口胃神经节的例子。

口胃神经节是龙虾和螃蟹体内仅由三个神经元组成的回路，这个回路控制着它们胃中肌肉的节律运动。

目前，科学家们已经确定了大约20种神经调节剂，它们都可以使这个神经节改变其放电模式。

所以如果要得出一个具体的结论，来说明运动功能在多大程度上是由神经元之间的连接来定义的，这恐怕是很难的。

Louis Scheffer将这种神经回路称为「poster child」，意思就是单靠表面上的一个连接体是无法解释大脑功能的。

Engert说，人们普遍认为连接体不足以理解大脑。

但他觉得，迄今为止，大脑连接图在解释蛔虫和苍蝇的行为方面已经取得了不少成功案例，这也说明连接体「肯定会对大脑的信息功能非常有帮助，甚至可能是必要的」。

参考链接：

https://www.quantamagazine.org/new-brain-maps-can-predict-behaviors-20211206/

https://royalsocietypublishing.org/doi/pdf/10.1098/rstb.1986.0056

https://www.biorxiv.org/content/10.1101/2021.05.29.446289v4

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”