導語
大腦由神經元組成，但大腦的複雜性遠遠超過組成它的一堆神經元。神經元之間彼此連接，交流合作，從中湧現出智能。11月4日，Science 雜誌推出「大腦連接性特刊」，同時發表4篇相關論文，指出沒有神經元是一座孤島，精細協調的連接在大腦中完美地編排出動人的交響樂。
關鍵詞：神經科學，大腦連接組
大腦遠不只是組成它的細胞。大腦中的每個神經元都與數以千計的其他神經元相連接——但我們擁有的不是嘈雜的連接，而是同步的交響樂。
身體的無數功能、行為和思想的協調需要大量的神經元合作行動，而不是孤立存在。這些結果是由神經元之間的連接驅動的，無論是與鄰近的神經細胞交流，還是向大腦的遠處區域發送和接收信號。
前沿的神經科學技術使研究人員能夠專門刺激動物中的特定神經元組，並無創地測量它們如何激活大腦的其他部分，無論是鄰近部分還是遠處區域。腦成像的進步揭示了解剖學上的投影和功能連接模式，使我們能夠實時看到它們是否處於激活狀態。例如，小鼠和大鼠的第一個數字腦圖譜為細胞的連通性提供了驚人的洞察力。
隨著對正常大腦連接的複雜性有了更好地認識，我們就能更多地了解當大腦連接被破壞時是什麼出了問題。而對各種生物體的連接模式的觀察，開始揭示從最簡單的神經元網到多層次、多核的哺乳動物大腦的進化過程中。
沒有順暢運行的連接，大腦只不過是一堆神經元而已。
顏色代表 3D 纖維方向並突出顯示單個纖維和束的路徑。| 圖片：MARKUS AXER 和 KATRIN AMUNTS/INM-1；FORSCHUNGSZENTRUM JÜLICH 和 ROXANA KOOIJMANS/荷蘭神經科學研究所/人腦項目
以下是特刊中4篇論文的摘要介紹。
1.連接大腦的湧現特性
論文題目：
The emergent properties of the connected brain
論文連結：
https://www.science.org/doi/10.1126/science.abq2591
大腦連接不僅僅是大腦區域之間的信號傳遞。行為和認知是通過大腦皮層區域的互動而產生。這需要由密集連接的網絡協調的局部和遙遠區域之間的整合。大腦連接決定了大腦的功能組織。對活體大腦連接的成像為確定認知的神經生物學背後的驅動因素提供了一個機會。物種之間和人類之間的連接差異進一步加深了對大腦進化和不同認知特徵的理解。大腦病變通過斷開連接放大了這種變異性，從而導致了認知功能的瓦解。現在，對長期症狀的預測主要是基於大腦的斷連接。這一範式轉變將重塑我們的大腦地圖，並挑戰目前的大腦模型。
（A）功能連接（左上）可以總結為連接矩陣（左下）。功能連接的主要趨勢可以預測與任務相關的激活的個體模式。（B）同樣地，結構連接的主要趨勢可以預測與任務相關的皮質激活模式。（C）左（藍色）和右（紅色）半球的功能側化和半球間連接的關係。（D）視覺（灰色）和觸覺（黑色）模式的半球間傳導速度與它們的半球間連接強度。
2.尺度很重要：嵌套的人類連接體
論文題目：
Scale matters: The nested human connectome
論文連結：
https://www.science.org/doi/10.1126/science.abq2599
全面描述神經元和整個大腦區域如何相互連接，對於從機制上理解大腦功能和功能障礙至關重要。在擴散磁共振成像和纖維束成像的基礎上，神經成像（neuroimaging）為研究人腦連接提供了新的方式。與此同時，偏振、螢光和電子顯微鏡變得可用，這將空間解析度和敏感性推到了軸突甚至突觸水平。因此，必須採用新的方法來通過區域、高解析度連接數據和局部纖維幾何形狀，來告知和約束全腦纖維束成像。機器學習和模擬可以在缺少實驗數據的情況下提供預測。未來的互作圖譜集需要新概念，包括高解析度模板和方向性，以表示纖維束成像解決方案的變體和對其準確性的估計。
（A）人腦冠狀圖上局部主要纖維方向的矢量場及其兩條軌跡的描述。藍色軌跡是皮質脊髓束的一部分，紅色軌跡是胼胝體的一部分。（B, C）全腦束圖（B）和其中多個纖維束的虛擬剖析（C）。（D，E）以 300 μm 的解析度對死後的人類海馬進行方向估計，沿軸向（D）和冠狀面（E）的彩色編碼擴散方向進行切片。
3.基於Atlas的數據集成
用於繪製大腦連接和結構
論文題目：
Atlas-based data integration for mapping the connections and architecture of the brain
論文連結：
https://www.science.org/doi/10.1126/science.abq2594
詳細了解有關大腦區域之間的神經連接，能夠推進我們對正常大腦功能，以及隨著衰老和疾病發生的變化的理解。研究人員使用一系列的實驗技術，在齧齒動物大腦模型中繪製不同層次的連接圖，但其結果往往難以比較和整合。大腦的三維參考圖譜（atlas）為累積、整合和重新解釋不同研究的結果提供了新的機會。在此，我們回顧了在齧齒動物腦圖譜中整合描述神經連接和其他模式的數據的方法，並討論了基於圖譜的工作流程如何促進全腦分析神經網絡組織與神經結構的其他方面的關係。
（A，B）基底神經節和小腦神經網絡的可視化示意圖。（C）追蹤實驗的說明，在該實驗中，前向追蹤劑被放置在大腦皮層中，被神經元組吸收，並沿著軸突和它們的分支運輸，以觀察對皮層內和皮層下區域的投影。（D, E）顯微鏡下的圖像來自於束縛追蹤實驗。
4.通過計算建模和光遺傳學fMRI
解決腦迴路功能和功能障礙
論文題目：
Solving brain circuit function and dysfunction with computational modeling and optogenetic fMRI
論文連結：
https://www.science.org/doi/10.1126/science.abq3868
我們能否構建一個大腦功能模型，以了解神經系統疾病背後的全腦迴路機制，並利用它來預測治療干預的結果？神經系統疾病中的病症（其中一些被觀察到具有空間擴散機制）是如何與迴路和大腦功能相關的？這篇綜述討論了迄今為止已經使用的方法和未來可以探索的方向，以回答這些問題。通過將光遺傳學功能磁共振成像（fMRI）與計算模型相結合，細胞類型特異的、大尺度的腦迴路功能和功能障礙開始被量化和參數化。我們設想，這些發展將為未來基於系統工程方法的療法發展鋪平道路，旨在直接恢復大腦功能。
（A）光遺傳學能夠實現細胞類型特異性刺激，例如選擇性靶向紋狀體中的 D1-或 D2-MSN。（B）通過選擇性刺激紋狀體中的 D1-或 D2-MSN，小鼠分別顯示出反向或同向旋轉。（C）光遺傳學 fMRI 技術將光遺傳學刺激與 fMRI 讀數相結合。（D）選擇性刺激 D1- 和 D2-MSN 的 MRI 導致與不同行為相關的不同全腦活動。分組相位圖，其閾值僅針對大腦內的活動體素，描繪了誘發反應的時間動態的異質性。（E）任何區域的時間序列都可以從 4D fMRI 數據中提取。（F）電生理記錄反映了 fMRI 對神經活動極性變化的反應。
劉志航 | 編譯
鄧一雪 | 編輯
商務合作及投稿轉載｜swarma@swarma.org
◆ ◆ ◆
搜索公眾號：集智俱樂部
加入「沒有圍牆的研究所」
讓蘋果砸得更猛烈些吧!