Science 大脑连接性特刊：没有神经元是一座孤岛

2022-11-09 22:11

导语

大脑由神经元组成，但大脑的复杂性远远超过组成它的一堆神经元。神经元之间彼此连接，交流合作，从中涌现出智能。11月4日，Science 杂志推出「大脑连接性特刊」，同时发表4篇相关论文，指出没有神经元是一座孤岛，精细协调的连接在大脑中完美地编排出动人的交响乐。

关键词：神经科学，大脑连接组

刘志航 | 编译

邓一雪 | 编辑

大脑远不只是组成它的细胞。大脑中的每个神经元都与数以千计的其他神经元相连接——但我们拥有的不是嘈杂的连接，而是同步的交响乐。

身体的无数功能、行为和思想的协调需要大量的神经元合作行动，而不是孤立存在。这些结果是由神经元之间的连接驱动的，无论是与邻近的神经细胞交流，还是向大脑的远处区域发送和接收信号。

前沿的神经科学技术使研究人员能够专门刺激动物中的特定神经元组，并无创地测量它们如何激活大脑的其他部分，无论是邻近部分还是远处区域。脑成像的进步揭示了解剖学上的投影和功能连接模式，使我们能够实时看到它们是否处于激活状态。例如，小鼠和大鼠的第一个数字脑图谱为细胞的连通性提供了惊人的洞察力。

随着对正常大脑连接的复杂性有了更好地认识，我们就能更多地了解当大脑连接被破坏时是什么出了问题。而对各种生物体的连接模式的观察，开始揭示从最简单的神经元网到多层次、多核的哺乳动物大脑的进化过程中。

没有顺畅运行的连接，大脑只不过是一堆神经元而已。

通过三维 (3D) 偏振光成像揭示了人脑切片的细节，这些切片显示了皮质和皮质下结构中的纤维结构直至单个轴突。颜色代表 3D 纤维方向并突出显示单个纤维和束的路径。| 图片：MARKUS AXER 和 KATRIN AMUNTS/INM-1；FORSCHUNGSZENTRUM JÜLICH 和 ROXANA KOOIJMANS/荷兰神经科学研究所/人脑项目

以下是特刊中4篇论文的摘要介绍。

1.连接大脑的涌现特性

论文题目：
The emergent properties of the connected brain
论文链接：
https://www.science.org/doi/10.1126/science.abq2591

大脑连接不仅仅是大脑区域之间的信号传递。行为和认知是通过大脑皮层区域的互动而产生。这需要由密集连接的网络协调的局部和遥远区域之间的整合。大脑连接决定了大脑的功能组织。对活体大脑连接的成像为确定认知的神经生物学背后的驱动因素提供了一个机会。物种之间和人类之间的连接差异进一步加深了对大脑进化和不同认知特征的理解。大脑病变通过断开连接放大了这种变异性，从而导致了认知功能的瓦解。现在，对长期症状的预测主要是基于大脑的断连接。这一范式转变将重塑我们的大脑地图，并挑战目前的大脑模型。

图：通过大脑连接的功能整合是决定大脑功能的潜在机制。（A）功能连接（左上）可以总结为连接矩阵（左下）。功能连接的主要趋势可以预测与任务相关的激活的个体模式。（B）同样地，结构连接的主要趋势可以预测与任务相关的皮质激活模式。（C）左（蓝色）和右（红色）半球的功能侧化和半球间连接的关系。（D）视觉（灰色）和触觉（黑色）模式的半球间传导速度与它们的半球间连接强度。

2.尺度很重要：嵌套的人类连接体

论文题目：
Scale matters: The nested human connectome
论文链接：
https://www.science.org/doi/10.1126/science.abq2599

全面描述神经元和整个大脑区域如何相互连接，对于从机制上理解大脑功能和功能障碍至关重要。在扩散磁共振成像和纤维束成像的基础上，神经成像（neuroimaging）为研究人脑连接提供了新的方式。与此同时，偏振、荧光和电子显微镜变得可用，这将空间分辨率和敏感性推到了轴突甚至突触水平。因此，必须采用新的方法来通过区域、高分辨率连接数据和局部纤维几何形状，来告知和约束全脑纤维束成像。机器学习和模拟可以在缺少实验数据的情况下提供预测。未来的互作图谱集需要新概念，包括高分辨率模板和方向性，以表示纤维束成像解决方案的变体和对其准确性的估计。

图2. 扩散核磁共振成像和纤维束成像。（A）人脑冠状图上局部主要纤维方向的矢量场及其两条轨迹的描述。蓝色轨迹是皮质脊髓束的一部分，红色轨迹是胼胝体的一部分。（B, C）全脑束图（B）和其中多个纤维束的虚拟剖析（C）。（D，E）以 300 μm 的分辨率对死后的人类海马进行方向估计，沿轴向（D）和冠状面（E）的彩色编码扩散方向进行切片。

3.基于Atlas的数据集成

用于绘制大脑连接和结构

论文题目：
Atlas-based data integration for mapping the connections and architecture of the brain
论文链接：
https://www.science.org/doi/10.1126/science.abq2594

详细了解有关大脑区域之间的神经连接，能够推进我们对正常大脑功能，以及随着衰老和疾病发生的变化的理解。研究人员使用一系列的实验技术，在啮齿动物大脑模型中绘制不同层次的连接图，但其结果往往难以比较和整合。大脑的三维参考图谱（atlas）为累积、整合和重新解释不同研究的结果提供了新的机会。在此，我们回顾了在啮齿动物脑图谱中整合描述神经连接和其他模式的数据的方法，并讨论了基于图谱的工作流程如何促进全脑分析神经网络组织与神经结构的其他方面的关系。

图：老鼠大脑中的连接模式。（A，B）基底神经节和小脑神经网络的可视化示意图。（C）追踪实验的说明，在该实验中，前向追踪剂被放置在大脑皮层中，被神经元组吸收，并沿着轴突和它们的分支运输，以观察对皮层内和皮层下区域的投影。（D, E）显微镜下的图像来自于束缚追踪实验。

4.通过计算建模和光遗传学fMRI

解决脑回路功能和功能障碍

论文题目：
Solving brain circuit function and dysfunction with computational modeling and optogenetic fMRI
论文链接：
https://www.science.org/doi/10.1126/science.abq3868

我们能否构建一个大脑功能模型，以了解神经系统疾病背后的全脑回路机制，并利用它来预测治疗干预的结果？神经系统疾病中的病症（其中一些被观察到具有空间扩散机制）是如何与回路和大脑功能相关的？这篇综述讨论了迄今为止已经使用的方法和未来可以探索的方向，以回答这些问题。通过将光遗传学功能磁共振成像（fMRI）与计算模型相结合，细胞类型特异的、大尺度的脑回路功能和功能障碍开始被量化和参数化。我们设想，这些发展将为未来基于系统工程方法的疗法发展铺平道路，旨在直接恢复大脑功能。

图：光遗传学功能磁共振成像桥梁规模。（A）光遗传学能够实现细胞类型特异性刺激，例如选择性靶向纹状体中的 D1-或 D2-MSN。（B）通过选择性刺激纹状体中的 D1-或 D2-MSN，小鼠分别显示出反向或同向旋转。（C）光遗传学 fMRI 技术将光遗传学刺激与 fMRI 读数相结合。（D）选择性刺激 D1- 和 D2-MSN 的 MRI 导致与不同行为相关的不同全脑活动。分组相位图，其阈值仅针对大脑内的活动体素，描绘了诱发反应的时间动态的异质性。（E）任何区域的时间序列都可以从 4D fMRI 数据中提取。（F）电生理记录反映了 fMRI 对神经活动极性变化的反应。

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章