是时候重新认识一下我们大脑的运行原理了!
最新一期顶刊Science,以特刊的形式连发4篇论文,剑指同一核心要点:
大脑各种功能的关键,并不在于各脑区独立完成特定功能,而在于不同区域之间的连接和交流。
该观点基本推翻了当前广为流传的一种说法:
擅用左脑思考的人,数学和逻辑能力更强;而右脑发达的人,则更具创造力。
Science的高级编辑Peter Stern博士在本期的发刊词中强调了大脑连接的重要性:
如果没有顺利运行的连接,大脑只不过是一堆神经元。
还总结出一个金句:“No neuroan is an island” (没有任何一个神经元是座孤岛)。
所以,这4篇文章说了什么?
往下看。
该文章名为The emergent properties of the connected brain,其中提出了整期特刊的核心关键词,连接。
两位来自法国波尔多的神经科学研究者认为:
大脑的连接不仅仅是各个脑区之间的信号传递,行为与认知的出现,也源自皮层区域之间的相互作用。
其背后,是一套精密网络将“本地”、“远程”各个区域连成一个整体。
研究者将这种连接与协作形容为:通过将大脑众多区域以脑环路连接,创建成一整个网络,编排出脑内的交响曲。
以往较为主流说法中,我们假设大脑是分区块工作的,但研究者认为,这将不可能实现多个区域共同作用,实现对复杂事物的认知,更难以产生智慧。
在神经科学领域,越来越多的共识是某个功能的实现,来自各个区域之间相互作用共同协作。
以聊天为例,当我们沟通交流时需要迅速理解前后文含义,同时要需综合考虑对方的情感意图,这不可能用模块化方式去解决。
反过来看,如若大脑内相关疾病导致连接断开,将导致认知功能的瓦解。如与语言网络的连接中断导致了语言障碍。
同样值得我们关注的是,脑内的连接配置情况并非不可改变。
环境与学习行为会诱导可塑性机制产生,这些变化将在数周、数月、数年乃至数十年内发生。
第二篇:“尺度”十分重要
如果说,第一篇综述是对“大脑连接”的定调,那第二篇则进一步提出对其研究、思考维度的探讨。
其题目也恰好与之对应,Scale matters: The nested human connectome。
该篇内容中,研究者提出一个名词connectome,用以对神经元和大脑区域进行描述。
谈及引入此概念的必要性,他们认为,这是理解大脑动力学以及相关功能产生的基础。
作者补充道,该尺度的范围涵盖宏观到细胞乃至分子水平。在此前对功能障碍的研究中,类似的思路已经被应用。此番,科学家参考借鉴了前人方式与思路。
在实操方面,研究中还在综述中展示扩散磁共振成像(dMRI)、纤维束成像(tractography)等技术在大脑连接研究的应用,他们还使用了机器学习和模拟方式预测了缺少实验数据情况的结果。
第三篇:从病理学角度研究连接机制
斯坦福大学神经科学系的研究人员们探讨了大脑环路功能及障碍问题,从病理与治疗层面分享了大脑发生功能障碍的研究进展。
他们构建了一个大脑动态模型,用来了解神经系统疾病的全脑环路机制,并以此预测治疗干预结果。
具体到实现上,研究者采用光遗传功能磁共振成像(ofMRI) ,并结合了计算建模。
ofMRI是种新技术,结合了高场磁共振成像的高空间分辨率与光遗传学刺激的高精度,可以调查整个大脑神经回路的精确功能连接。
对所得的MRI信号进行计算建模,可以在不同区域层面上定量描述细胞类型的特异性,以及宏观功能在单细胞上的具体体现。
研究人员认为,这些成果未来可以为治疗帕金森病,开发恢复大脑功能的系统工程方法等铺平道路。
第四篇:总结如何绘制连接图
这篇综述总结了“如何给啮齿类动物大脑绘制神经连接图”,以及基于图集的数据分析方案,并探讨了该领域的未来发展方向。
两位作者来自挪威的顶级学府奥斯陆大学。
他们指出,现在已有几种绘制神经连接图的技术,其中“3D数字脑图集”对辅助科研人员探索理解大脑的组织和功能最有效。
研究者可以使用工具将不同类型的数据登记到图集上,并运动计算机对大型数据集进行后续的自动分析,大大加速整合工作。
最后,引用其中一篇论文作者:拉德堡大学的神经科学家Stephanie Forkel的话,来总结一下从“连接”角度认识大脑功能有何意义:
经典观点中的模块化大脑有个明显缺陷,就是它不好解释人与人之间的差异性。
而运用新的网络方式,科学家们可以针对不同个体的大脑特异性进行建模,探索不同人脑的个性,并有助于研发出更有效的临床治疗方案。
参考链接:
[1]https://www.science.org/toc/science/current
[2]https://www.ru.nl/en/research/research-news/new-view-on-the-brain-its-all-in-the-connections
[3]https://mp.weixin.qq.com/s/3rO10ilXlMsNtexiayziNw
“