原文链接：https://mp.weixin.qq.com/s/CBtIG_zvuCOf4XRS9GTTNg
原创 Catherine Caruso 神经现实
在我们通常见到的大脑神经元的显微图像里，每个神经元就像是漆黑的茫茫深海中的一点光亮。但是，这一图像是具有误导性的：神经元并不与周遭隔绝。在人脑中，860亿神经元之间一共形成100万亿个相互连接。令人啼笑皆非的是，这一数字对我们的大脑来说大到难以直观理解。
哈佛医学院附属波士顿儿童医院（Boston Children’s Hospital）的神经病学副教授李维中[1]目前的工作集中在神经科学的一个新领域——连接组学。这一领域的目标是完整地绘制神经元之间的连接。
“大脑有如此精妙的结构，以至于一个神经元和成千上万个其他神经元相连接。所以，要理解单个神经元在做什么，你最好能把它放到整个神经网络的场景下去研究。”李解释道。
李最近和《哈佛医学新闻》（Harvard Medicine News）*谈起了连接组的前景。他也谈了他自己的研究，即结合连接组学和神经活动信息来探索行为的神经环路机制。
*译者注
在以下的谈话中，将《哈佛医学新闻》的问题用引号表示。
神经科学的新领域——连接组学
李维中（音译，Wei-Chung Allen Lee），哈佛医学院神经病学副教授；波士顿儿童医院Kirby中心科研助理人员；lee Lab首席研究员。目前的工作集中在神经科学的一个新领域——连接组学。这一领域的目标是完整地绘制神经元之间的连接。
让我们从一个最基础的问题开始
——什么是连接组学？
李：我们可以把连接组学看作是一个试图理解单个神经元如何与其他神经元相互连接以形成功能神经网络的领域。我们的目标是构建连接组，换言之一个详细的神经元连接的结构图，其中我们能看到每个神经元和每个连接。这里最独特的一点在于连接的全面性——在一个完美的连接组中，我们应该知道每个神经元是如何与其他每个神经元连接的。
我们相信，神经元的连接特性对于它们的功能是根本的，因为它们必须要首先从其他神经元那里接收信息，接着才能使用信息。拥有关于连接的全面信息使我们能观察神经元群体间的高阶交互，这些交互对大脑的功能和行为都十分重要。在没有连接组的情况下，研究高阶交互是十分困难的。
有些人认为，你就是你的连接组。当你在晚上进入梦乡时，你的大脑活动剧烈变化，你的思考和感觉被中断；但当你醒来时，你的思考和感觉又似乎毫无间断地恢复，而你的自我意识并没有任何割裂感。这很可能是因为你的大脑连接在整个夜晚都大致保持完整。本质上，我们的“自我”便是神经元连接的结构，而连接组学就是理解这一结构的关键。
- Anastasia Stefurak -
你在连接组学这个领域
都研究一些什么课题？
李：我的实验室致力于理解大脑如何进行计算，或者说神经环路组织形成功能性网络的一般规律是什么。为了实现这一目标，我们希望全面地绘制出复杂神经网络中各个神经元是如何相互连接的。同时，我们也想了解这些神经元在运作中的环路里是如何活动的。我们在行为学情境下进行这些研究，行为的范围从做出决策到执行动作。
我们试图将连接组学与神经活动的记录结合起来，做我们所称的功能性连接组学。简单来说，我们绘制出每个神经元在哪里以及它如何与其他神经元相连的的图谱，然后在这上面叠加关于这些神经元在活体动物中的活动信息。我们还利用基因工程手段标记特定的细胞类型，这是我们可以叠加在连接之上的额外信息。
科学家们用什么样的工具
来绘制连接组？
李：我们正在开发并应用高通量显微技术、计算方法和机器学习来生成连接组，并且将这些神经连接的详细图谱转化为生物学和计算上的深刻理解。我们方法的一个关键组成部分是串行透射电子显微镜（transmission electron microscopy，TEM），其空间分辨率、信噪比和速度相对于其他串行电子显微（EM）方法都无与伦比。这种技术使我们能够识别兴奋性和抑制性神经元以及突触，也就是神经元连接之间的小间隙。我们也可以检查神经元的连接模式，并研究突触连接的组织。
从历史上看，高分辨率的EM既慢又繁琐，但我们已经开发出一个高速EM平台，它使我们能够在几个月内对成年果蝇的整个神经系统进行记录，每天产生5到10TB的数据。我们还开发了计算基础设施和工具，使我们能够处理和可视化我们正在生成的大量数据。例如，我们使用人工深度神经网络从这些庞大的数据集中提取关于细胞及其连接的信息。
- Josh Cochran -
你的研究中一般都会
用些什么模式生物？
李：我们主要研究的是小鼠和果蝇，它们是有力的且研究充分的模式生物。我们领域有着复杂的遗传学工具，可以让我们在这些物种的中枢神经系统中标记出不同的神经元群体。在果蝇中，我们可以使用我们为连接组学开发的技术在突触级的分辨率上记录整个大脑和神经系统。在小鼠中，我们可以针对相关的神经环路或子环路。我们正在使用这些模型来研究神经环路构建和运作的基本原理——基本上就是研究神经网络是如何相互连接来执行不同的计算进而产生行为的。
我们也使用非传统模式生物，比如蚊子。蚊子的大脑大约与果蝇的大脑相同大小，但其遗传学更具挑战性。科学家已经能够利用遗传学工具操控最初向蚊子大脑传递信息的第一级神经元，但在许多方面，蚊子脑的其他部分都是个黑箱。我们对其基础神经生物学知之甚少，包括蚊子大脑如何整合不同感觉通道的信息来驱动行为.。
例如，成年雌性蚊子会在繁殖前整合关于人类气味、热和二氧化碳的信息。我们知道这些不同的感觉线索会进入蚊脑，但我们不知道它们是如何被整合和汇集到驱动蚊子寻主行为（host-seeking behavior）的神经环路上的。
我们希望，绘制出整个蚊子大脑的图谱能为“感觉整合和行动选择如何影响内在行为”这一问题提供新的基础。此外，我们研究的特定蚊子物种是诸如疟疾、西尼罗河病、寨卡、黄热病和登革热等疾病的传播媒介，因此临床和公共卫生方面的意义也使它成为一个非常重要的模式生物。
你最近在《自然》发表了一篇关于
小鼠的大脑连接与模式关联的论文[2]。
这个研究的假设是什么？
李：这是我与哈佛医学院神经生物学教授韦德·里杰尔（Wade Regehr）[3]的合作成果。这篇论文主要关注的是小脑在信息处理中的作用。小脑是一个对于顺畅、协调的运动非常重要的脑区，人们认为其功能之一是通过比较预期动作和实际执行动作的模式来进行细微的运动错误修正。例如，如果你试图摸你的鼻子，但你并没有摸到，就会有信息从你的运动系统告诉你的小脑预期的动作是什么，还有来自你的手指的感觉信息告诉你实际发生了什么，包括你的手指在空间中的位置。人们认为小脑会计算预期动作和实际动作之间的差异，并帮助纠正错误。
我们研究了小脑皮层，那里密集地分布着被称为颗粒细胞（granule cell）的小神经元，这种神经元占脑内神经元的一半以上。这些颗粒细胞平均每个有四个树突，也就是从其他神经元接收信息的分支结构。在这种情况下，树突与向小脑输入信息的苔藓纤维（mossy fibre）连接。然后，颗粒细胞处理这些信息，并将其传递给被称为浦肯野细胞（Purkinje cell）的其他神经元，每个浦肯野细胞整合来自10万到20万个颗粒细胞的信息，并将这些信息发送到其他大脑区域。这三种细胞类型构成了一个“前馈”环路，这也是我们想要更深入理解的机制。
旋转的小鼠小脑两种神经元的3D图像。颗粒细胞（蓝色）接收并处理来自苔藓纤维的信息，并将这些信息传递给浦肯野细胞（绿色）。浦肯野细胞作为小脑皮层唯一的输出渠道，整合数十万的颗粒细胞，并将这些信息传送给脑中的其他区域。
—
Lee lab
你的《自然》论文
最关键的发现是什么？
李：此前，科学家和计算模型都假定颗粒细胞上的树突随机连接到不同的苔藓纤维，这种随机性增加了传递给浦肯野细胞的信息的复杂性和编码容量。然而，使用连接组学，我们绘制了苔藓纤维、颗粒细胞和浦肯野细胞之间的连接。我们发现颗粒细胞上的树突并不是随机连接到苔藓纤维的，它们之间的连接具有选择性——与相同的苔藓纤维连接的颗粒细胞比预期的要多。这种选择性应该会降低可以传达的信息的编码容量——但结果却是，以非常小的容量减少为代价，（这种连接方式）在模式关联中获得了更强的鲁棒性。我们认为这是因为颗粒细胞和苔藓纤维之间的连接存在更多的冗余，并且颗粒细胞可能会连接到更具信息量的苔藓纤维。
在这一发现中连接组学得到了充分的运用：通过观察同一环路中大量神经元是如何互相连接的，我们构建了更全面的环路结构。我们需要这种连接信息，以在神经网络中构建详细和全面的信息流动模型。这篇论文展示了如何使用连接组学提供的数据来检验长期以来关于信息处理和复杂神经网络的理论。
你认为连接组学还能帮科学家们
解决些什么问题？
李：我认为在不久的将来真正强大的是人们所说的“比较连接组学”，即比较不同物种或是个体之间的连接组。我特别期待观察个体间行为差异如何与他们的连接组差异相关。我还对比较不同物种的连接组感兴趣，这样做能帮助我们了解在不同类型的大脑中哪些原则在进化中是保守的。除了寻找在物种之间普遍存在的进化上保守的原则，我还想找出那些使得人类独一无二的区分性原则。从根本上来讲，我们共同的人性可能就存在于我们所共享的的大脑连接结构中。
小鼠小脑中与三个苔藓纤维（红、粉、黄）连接的两个颗粒细胞（浅和深灰）。研究者们发现颗粒细胞有选择性地与苔藓纤维连接，有比此前人们认为的更多的颗粒细胞与通过一个苔藓纤维连接。
—
Lee lab
你为什么认为连接组学是一个
快速发展的领域？
李：（这一领域）有一部分的进步是由技术的进步推动的，包括机械工程的进步使我们能够扩大数据采集的规模，以及基因工程的进步使我们能够标记特定的细胞类型。此外，机器学习也给这个领域带来了改变，采用机器学习的方法来分析这些数据集能够获得生物学上的发现。连接组学领域是神经生物学、工程学、计算能力和人工智能的有趣交叉点。
我们一直在开发许多不同的技术，用于扩大数据生成和数据分析的规模，我认为这将在其他科学学科中有所用处。我们正在生成一些世界上最大的图像数据集，而且还会有更多。例如，美国国立卫生研究院（NIH）的目标是在未来10年内绘制完整的小鼠大脑连接组，这将产生约1泽字节（ZB）的数据，或者说是1万亿千兆字节（GB）。研究人员还希望绘制人脑和非人类灵长类动物的大脑。
我们只是初步探索了神经元是如何相互连接形成功能网络的，但连接组学无疑正在改变神经科学。我相信我们正处于理解神经元和神经元网络计算的环路机制的风口浪尖。我们正处于理解神经网络基本构建模块的边缘，包括它们如何相互连接的规则，以及它们执行计算的基础规则。对我来说，这真的非常、非常振奋人心。
参考文献
[1] https://www.lee.hms.harvard.edu/
[2] https://www.nature.com/articles/s41586-022-05471-w
[3] https://regehrmedharvard.wordpress.com/
作者：Catherine Caruso | 译者：P
审校：老司橘 | 编辑：M.W.
封面：Josh Cochran | 排版：盐
原文：
https://hms.harvard.edu/news/new-field-neuroscience-aims-map-connections-brain
