Science重磅特刊：“没有一个神经元是孤岛”，4篇综述揭示大脑连接的重要意义

要协调身体的无数功能、行为和思想，需要大量的神经元协同行动。创新的神经科学技术使研究人员能够专门刺激动物体内选定的神经元组，并无创地测量它们如何激活大脑的其他部分。脑成像技术的进步揭示了解剖投影和功能连接模式，使我们能够实时看到它们的激活。

通过更好地了解正常大脑连接的复杂性，我们可以更多地了解当它们被打乱时会出现什么问题。各种生物体中的连接模式开始揭示从最简单的神经元网络到多层、多核哺乳动物大脑的进化步骤。如果没有顺畅运行的连接，大脑只不过是一堆神经元，所以“没有一个神经元是孤岛”。

近日，Science杂志推出特刊，用4篇综述讲述了大脑的连接性。

Science 特刊：大脑和其他器官之间的交流塑造了我们思考、记忆和感受的方式

Science 语言和大脑特刊：大脑如何组合语法和语义？跨学科的合作带来了惊喜

01

使用Atlas的数据绘制大脑的连接和架构图

详细了解大脑区域之间的神经连接是促进我们理解正常大脑功能以及随着衰老和疾病而发生的变化的关键。研究人员使用一系列实验技术来绘制啮齿动物模型中不同尺度级别的连接，但结果往往难以比较和整合。大脑的三维参考图谱为跨研究积累、整合和重新解释研究结果提供了新的机会。

在这里，作者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如何促进与神经架构的其他方面相关的神经网络组织的全脑分析。

图1. 数据集成和基于Atlas的分析的工作流程。

Atlas在这项工作中发挥了关键作用。它们提供解剖位置的标准化表示，并嵌入软件工具中以进行集成和分析。通过图谱框架，可以直接与来自大规模绘图工作的数据进行比较。大脑连接和大脑结构研究的新范式通常是将研究数据带入相同的参考空间，共享数据，并为系统重新分析和重新解释我们对大脑的理解准备数据。随着这些新方法被引入神经科学，文献挖掘可以通过对出版物中包含的解释背后的数据的强大挖掘来补充。

02

通过计算建模和光遗传学fMRI解决脑回路功能和功能障碍

我们能否构建一个大脑功能模型，以了解神经系统疾病的全脑回路机制，并用它来预测治疗干预的结果？神经系统疾病的病理学是如何与脑回路和脑功能相关的？

在这篇综述中，作者讨论了迄今为止使用的方法以及可以探索以回答这些问题的未来方向。通过将光遗传学功能磁共振成像 (fMRI，图2) 与计算建模相结合（图3），细胞类型特异性、大规模脑回路功能和功能障碍开始被量化参数化。作者设想这些发展将为直接恢复大脑功能的系统工程方法的未来治疗发展铺平道路。

图2. 光遗传功能磁共振成像跨越尺度。

图3. 核磁共振数据的计算建模揭示了全脑功能交互动力学。

这些最近在细胞类型特异性神经调节、全脑功能成像和计算建模方面取得的进展开始为神经科学的重大转折点铺平道路。本文作者的目标是建立模拟大脑功能的新方法，可以复制和预测感兴趣的行为。这将改变包括帕金森病在内的多种神经系统疾病的治疗方式。

03

规模很重要：嵌套的人类连接组

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，神经成像已经形成了接近人脑连接的方式。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。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通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。未来的可互操作atlases需要新概念，包括高分辨率模板和方向性，以表示纤维束造影解决方案的变体和对其准确性的估计。

图4. 人脑纤维结构。

将其作为一个有趣的概念，作者不仅将连接组视为一个多尺度系统，其中每个尺度具有不同的特征，而且作为一个具有重复属性的系统。然而，要揭示实验可访问的尺度范围内的连通性原理，换句话说，要描述人脑的“嵌套性”，需要批判性地重新审视该方法，包括纤维束造影。未来的纤维束成像可以逐步的从较低的分辨率移动到较高的分辨率，同时了解下一个更高分辨率的区域特性和纤维的基本几何形状。

04

连接大脑的特性

大脑连接不仅仅是大脑区域之间的信号传输。行为和认知通过皮层区域相互作用而出现。这需要由密集连接的网络协调的本地和远程区域之间的集成。大脑连接决定了大脑的功能组织。活体大脑中连接的成像为识别认知神经生物学背后的驱动因素提供了机会。物种之间和人类之间的连通性差异进一步加深了对大脑进化和不同认知特征的理解。大脑病理通过断开连接放大了这种可变性，从而导致认知功能的瓦解。长期症状的预测现在优先基于大脑断开连接。这种范式转变将重塑我们的大脑地图并挑战当前的大脑模型。图4. 通过断开连接导致大脑功能瓦解。

总结

展望未来，我们需要通过开发专用软件来巩固这些新概念，这为我们提供了额外的资源来加强我们的观察。这些发展将包括，例如，可以在相同的潜在空间中表示高维数据的工具，作为跨尺度、跨物种和跨成像模式同时考虑个体水平的神经变异性以捕获因素相互作用。为此，研究人员应该建立专业网络、整合思想并公开共享数据。

总之，这些努力将推动大脑连接研究整合跨成像模式，制定新的框架并促进我们对大脑发育和进化的理解。这种共同努力将推动我们目前的前沿研究，并开创先进的神经影像学方法、个性化解剖模型和临床影响。