解析破解大腦奧秘的三大新技術

　　美國和歐洲都準備投入數十億美元來破解人類大腦的奧秘，從而了解我們自己的大腦是如何工作的。但是開展這項工作的技術難度也是相當大的。

　　美國加利福尼亞州斯坦福大學醫學院(Stanford University School of Medicine in California)的神經生物學家Bill Newsome在今年的3月突然接到了美國國立健康研究院(US National Institutes of Health)的院長Francis Collins打來的一個電話，Newsome接到電話的第一個反應是驚訝，因為Collins這么突然地找他是為了問他是否能夠共同承擔一項預計為期十年的大型項目——一個旨在破解人類大腦奧秘的大型科研項目。這個工作在Newsome聽來是一個吃力不討好的、還沒有成型的、麻煩的工作，反正一句話，只要他答應了，他的這個暑假就算是徹底完蛋了。但是24小時之后，Newsome改變了主意。“這個時間點選得太好了，因為腦科學是21世紀最讓人激動的研究方向了。” Newsome這樣評價道，于是他決定干了。

　　這個項目的幕后大老板實際上是美國總統Barack Obama。就在Collins給Newsome打了那個電話兩個星期之后的4月2號，美國總統Barack Obama就宣布將投資1億美元(這只是初期投入，預計整個項目完成將需要 10億美元)，啟動腦科學研究計劃(BRAIN Initiative)。歐盟也有類似的計劃，在2013年的1月28日，歐盟宣布將投入5400萬歐元(約合6900萬美元)啟動“人類大腦研究項目(Human Brain Project)”，并且計劃在未來的十年內總計為這個項目投入約10億歐元(Nature 482, 456–458; 2012)。

　　雖然美國和歐盟這兩個腦科學研究項目的目的有所差異，但是從研究所能取得的成果來看，他們都解決了神經科學家們最關心的一個問題，那就是我們人類大腦里數十億個神經元細胞和數萬億的神經連接(即突觸)是如何組織在一起，并協調運作的，是如何讓我們感受到愛情的甜蜜的?為什么會起沖突，又是如何解決數學難題，吟詩作賦的呢?此外，科學家們還想了解人的一生中神經回路(circuitry)的變化機制，以及突觸的不斷形成與消退等機制。

　　如果要達成上述這些研究目標，還需要很多創新的技術，比如能捕捉神經元細胞電活動信號的納米技術、遺傳學技術、以及光學等技術，通過這些技術能了解這些神經元細胞都干了些什么，還能以前所未有的分辨率描繪出大腦里的解剖聯絡通路，以及認識大腦是如何處置EB級的海量信息的。據美國芝加哥西北大學(Northwestern University in Chicago, Illinois)的神經科學家Konrad Kording介紹，我們人類的大腦在30秒內就可以處理和哈勃太空望遠鏡獲得的全部數據同樣多的信息。

　　這些年來科學家們也一直在解決這些問題，并取得了一些突破，比如在最近幾年里取得了長足進展的光遺傳學技術(用這種技術能夠以非常高的精度用光刺激信號激活大腦深部的神經元細胞)，以及以前所未有的細致度描繪的大腦解剖圖譜等。到目前為止，絕大部分神經科學家還在以小鼠，或者線蟲等比較簡單的模式生物為研究對象，來認識在進化上相對保守的基礎神經機制，他們試圖通過這些認識來推測人類大腦的基礎運行機制。接下來，將為您介紹幾種在未來腦科學研究工作當中一定會用得著的最新技術。

　　1. 信號記錄及檢測技術

　　正如前面介紹的那樣，在大腦活動時會產生大量的電信號，如果科研人員們想要了解這些電信號的具體含義，那么首先就得盡可能地同時記錄下如此大量的神經元細胞產生的這些電信號。

　　目前最常用的方法還是在大腦組織里插入一根金屬電極(探針)，以此來記錄大腦活動的電信號，但是這種技術存在相當大的問題。比如每一個電極上面都連著一根導線，通過這根導線來記錄模擬電信號(analogue signal)，比如電壓的變動等信息，可是在導線的傳輸過程中，這些信號非常容易丟失，或者失真。另外，為了盡可能減少對腦組織的損傷，這些導線必須非常細，比如達到像頭發絲那么細的程度。近50年里，這種電極記錄技術也取得了非常大的進步，差不多每7年就能上一個新的臺階，同時用電極監測的細胞數量可以翻一番，目前的電極已經可以同時監測數百個神經元細胞的電活動情況，不過我們還需要監測細胞數量更多、監測信號質量更高的電監測技術。

　　幸好現在有了新一代的硅制神經電極探針，可以讓電極盡可能地做到微型化。電信號記錄轉換儀(將電極記錄到的模擬信號轉換成方便分析的電信號)也能夠像電極那樣做到一小塊硅芯片上，這樣就大大縮短了電信號在導線里的傳輸距離，盡可能地減少了信號的損失和失真等情況。今年2月在美國加利福尼亞州舊金山市召開了半導體技術國際學會(International Solid-State Circuits Conference)，比利時的納米電極研究機構 imec在這次大會上首次推出了這種神經電極記錄儀的原型機產品。這種電極探針只有1厘米長、一美元鈔票那么厚，可里面卻裝有52根超細的導線和開關，科學家們可以在456根硅電極之間輕松地進行無縫切換操作。

　　如果將這種探針插入小鼠的大腦中，那么探針里的記錄電極就可以同時監測、并記錄下探針所穿過的所有大腦組織層面，比如從皮質(cortex)到腦干丘腦(thalamus)里的電活動信號。這些信息能夠幫助科研人員發現大腦各組織結構之間的聯絡關系。據imec研究中心負責生物及納米電(nanoelectronics)研究事物的Peter Peumans介紹，他們這種電記錄儀還可以進一步擴展，預計在3年之內，一個探針的容量可以提升到2000個記錄電極和 200多條導線。

　　除了被動的記錄神經電活動信號之外，科學家們也希望主動的進行一些工作，比如主動刺激神經細胞，看看這些細胞會做出什么反應，在電活動層面和動物的行為層面都發生了哪些變化等等。每一個imec探針里都含有 4個刺激電極(stimulating electrodes)，他們計劃將來能夠在探針里裝入20個，或者更多的刺激電極。但是由于這些刺激電極和探針里的記錄電極會互相影響，所以也可能會放棄這種電刺激的方式，改用光刺激的方式。這就是所謂的光遺傳學技術(‘optogenetic’technique)，即先將視蛋白(opsins)這種光敏感的離子通道蛋白(light-sensitive ion-channel protein)插入到神經元細胞里，然后用一根光纖插入到大腦里，通過光刺激就可以激活表達特定視蛋白的神經元細胞。有一個研究小組最近就用光遺傳學技術對小鼠進行過實驗，他們成功地復制了小鼠的某種行為，這種行為被認為與強迫癥(obsessive-compulsive disorder)有關。

　　新一代光遺傳學神經探針能夠指哪打哪，高精度定向激活目標神經元細胞，不必再使用麻煩的光纖。比如今年4月，美國華盛頓大學(Washington University in St Louis, Missouri)的Michael Bruchas課題組就使用了一種無線的(無光纖)的光遺傳學原型設備，激活了神經元上的視蛋白開關，這種設備采用的發光技術是一種能夠被廣播信號激發的發光二極管(light-emitting diodes)。 Bruchas課題組將這種設備植入了小鼠的大腦中，激活了小鼠大腦里的獎勵中樞(reward centre)，結果小鼠很快就學會了如何打開發光二極管(即將它們的鼻子伸進一個洞里)，這個實驗說明，光刺激手段的確能夠改變動物的行為。

　　科學家們一直在尋找更多的、天然的，或者是人工改造過的、能夠對不同波長的光線起反應的視蛋白，以期能夠幫助我們更好地研究神經系統的工作機制。神經探針里不僅能夠裝上各種電極來記錄、或者激活成千上萬的神經元細胞，還可以裝上各種探測器，檢測各種對神經活動有影響的因素，比如各種神經遞質，或者溫度等生理指標的變動情況。

　　未來可能還會出現很多更先進的研究手段。比如有一些科研人員就建議使用納米級的光敏設備，將這些設備直接植入神經元細胞的細胞膜內，通過細胞對其供能，用無線的方式向外傳送細胞的活動信息。

　　還有一種辦法就是完全不用任何的檢測設備，只是捕捉動作電位(action potential)留下的種種痕跡。Kording等人采用的就是這種策略，他們利用的工具是DNA聚合酶(DNA polymerase)。他們自己設計了一種DNA聚合酶，當細胞內鈣離子濃度升高時，這種聚合酶就會將錯誤的堿基摻入到新合成的DNA鏈當中。我們都知道神經元細胞興奮、出現動作電位時胞內的鈣離子濃度就會升高，所以如果細胞內表達這種DNA聚合酶，就會在DNA鏈中留下錯誤，通過測序就能夠發現這些錯誤(比如錯誤序列的長度或者錯誤的序列)，進而推測出動作電位的相關信息，比如在什么時候出現過動作電位等。據Kording介紹，這種策略在理論上是完全可行的，不過他們現在的工作還只是處于起步階段。

　　2. 作圖技術

　　不論科研人員收集了多少有關神經元活動，以及神經通路的信息，最終他們需要的還是一副可靠的、超級細致的大腦神經網絡解剖圖譜。這就好像如果要了解一個城市的交通流量信息，只有拿到更詳細的交通流量圖，我們才能夠更加準確地預測出高峰時段的交通狀況。在我們的大腦里，神經網絡解剖圖譜就好比是交通流量圖，而神經活動就好比是實際的交通運行狀況。

　　一個多世紀以來，科學家們的作圖方法一直都是大腦切片法，他們將大腦組織盡可能地切成薄片，然后對每一片大腦組織進行染色，再在顯微鏡下進行細致的觀察。但是將那么多切片組織信息再集合起來，還原成一個立體的大腦可不是那么容易的。

　　即便如此，德國 Jülich研究中心(Research Centre Jülich in Germany)的 Katrin Amunts課題組還是決定啃下這塊硬骨頭，而且她們已經在上個月宣稱完成了這項工作，公布了一幅人的三維立體大腦結構圖，而且精細程度無與倫比。為了完成這項工作， Amunts課題組將一位65歲婦女的大腦組織切成了7400片，每一片的厚度只有20毫米，然后進行了染色和鏡下觀察，得到了數TB的數據，最后在兩臺超級計算機上用了1000多個小時將這些信息整合在一起，還原出了原始的大腦立體結構。這個大腦結構圖清晰地展示出了大腦上的褶皺，在傳統的二維截面結構圖里是無法展現這些褶皺的。據Amunts介紹，她們的這個項目用了整整十年的時間，現在她又開始對第二個人體大腦組織進行同樣的解剖工作了，她希望能夠找出這兩個大腦組織之間的異同點，據她估計，這一次應該用不了十年那么久。

　　美國哈佛大學( Harvard University in Cambridge, Massachusetts)的Jeff Lichtman和德國慕尼黑馬克普朗克神經生物學研究所(Max Plank Institute for Neurobiology in Munich, Germany)的 Winfried Denk則正在與德國的光學巨頭——卡爾?蔡司公司(Carl Zeiss)合作，開發一款新型電子顯微鏡，這種顯微鏡可以觀察25納米(這只有細胞平均厚度的千分之一)的腦組織切片。“有了這種顯微鏡，大腦里發生的一切都逃不過我們的眼睛，不論是細胞里、細胞器里，還是突觸里發生的任何改變，我們都會看得一清二楚。”Lichtman充滿信心地說道。這款新機器預計在明年可以問世，交付給他們兩個實驗室使用。

　　據Denk介紹，使用傳統的單電子束掃描(single scanning beam of electrons)電子顯微鏡，科學家們只能夠重建出1立方毫米的腦組織結構，如果要掃描整個小鼠大腦的所有切片，那至少需要好幾十年的時間，而最新的這種超級電子顯微鏡則擁有61道掃描電子束，完成這項工作只需要幾個月的時間。 Denk估計用這種超級電子顯微鏡可以用不到 5年的時間重建出小鼠的三維立體腦組織結構圖。

　　Lichtman和Denk還沒有解決的一個問題是如何將這些二維圖像重組成立體的三維圖像。Denk的實驗室用傳統的電子顯微鏡做過一次試驗，他們對一小塊小鼠的視網膜(這是哺乳動物大腦里最簡單的一個部分)組織進行了掃描，得到了 300GB的圖像信息。但是單靠計算機無法將這些數據重建成一個立體的視網膜結構，于是他們找了230個人，用人工的方法(用眼睛看)才將這些切片重新拼接到了一起。據Denk介紹，如果腦組織再大一點，他們的這種方法就不管用了，必須開發一種新的計算機算法來解決這個問題。

　　如果對分辨率的要求不高的話，科學家們還是有比較簡單的方法可以得到腦組織的立體結構的。其中一種方法就是CLARITY技術，這項技術在今年4月首次亮相時曾經引起過一陣轟動。美國斯坦福大學(Stanford University)的Karl Deisseroth等人發明了這種CLARITY技術，這是一種化學方法，他們通過將大腦組織里不透明的脂質成份替換成透明凝膠的方法，使整個大腦變成了一個透明的組織，這樣無需再做任何操作，就可以清楚地看到腦組織內部的結構。Deisseroth也曾經用這種CLARITY技術研究過一個患有自閉癥的6歲小男孩的大腦，結果發現在這個小孩的大腦皮質區域里，神經元細胞形成了一種不同尋常的階梯狀結構(ladder-like arrangement)。還有很多科學家也都急于使用這種CLARITY技術對正常的腦組織進行研究(Nature 497, 550–552; 2013)。

　　不過不論這些活性檢測技術和解剖觀察技術的效率有多么高，還是有很多研究人員認為我們沒必要觀察每一個神經元細胞，他們認為，放過一些神經元細胞一樣可以發現整個大腦的工作機制。Newsome就認為，他們根據蛛絲馬跡就可以推測出整個大腦的運行機制。

　　3. 數據解析技術

　　在解析大腦的攻堅戰中，最讓人頭疼的可能還是數據的儲存和解析工作。如果使用Lichtman和Denk等人那種新型電子顯微鏡，一個立方毫米的腦組織就可以產生大約 2000TB的圖像信息。Denk估計一個小鼠大腦將產生60PB(petabyte)的數據，而一個人類大腦則會產生200EB(exabyte)的數據。 “這種數據規模不亞于包括Facebook和所有大型數據庫在內的當今世界上所有數字信息的總和。”Lichtman介紹說。

　　而這還僅僅只是一個開始。因為每一個大腦都是獨一無二的，所以神經科學家們肯定會收集更多人類大腦的信息，以及和這些大腦結構對應的神經活動信息。這樣就會產生天量的數據存儲需求。

　　歐洲的人類大腦研究項目計劃開發一個模擬的人類大腦(brain simulation)，科學家們可以與這個模擬大腦實時互動，這就更進一步的加重了數據的存儲負擔。該項目的參加成員之一，西班牙巴塞羅那超級計算機中心(Barcelona Supercomputing Center in Spain)的Jesus Labarta Mancho表示，他們的任務之一就是開發一種新的計算機語言，讓超級計算機能夠更高效地運行，能在一秒鐘的時間里模擬大腦好幾個部分的工作，現有的超級計算機是無法勝任這項工作的。所以他們打算讓超級計算機將源自大腦某一些區域(暫時不需要模擬的區域)里的信息全都進行壓縮，這樣釋放出來的運算能力就可以全部用于“支援”計算當前需要模擬的腦組織區域里的信息。

　　即便這些數據全都可以被充分的壓縮、打包，理論家們也必須解決需要先提出哪些問題的問題。“這就是一個先有雞還是先有蛋的問題。只有我們充分認識了大腦的運行機制之后，我們才能知道應該如何看待這些數據。可是不知道如何看待這些數據，我們又怎么可能認識大腦的運行機制呢?”葡萄牙里斯本 Champalimaud未知問題研究中心(Champalimaud Centre for the Unknown in Lisbon)的神經理論學家Christian Machens解釋說。

　　對于還有多少難題沒有解決這個問題，理論家們也存在不同的意見，Kording等人認為，前面將要面臨的問題難度相當大，他說道：“與這些問題相比，谷歌的搜索問題簡直就是小兒科。大腦里的神經元細胞可能就和世界上的網頁一樣多，但是這些互聯網網頁之間也就只有那么幾條單線聯系，可每一個神經元細胞都要和成千上萬個神經元細胞聯絡，而且還是非線性的網絡聯系，如果要解析這個網絡，其難度可想而知。”

　　不過美國紐約冷泉港實驗室( Cold Spring Harbor Laboratory in New York)的生物數學家Partha Mitra認為，最大的困難還是社會學方面的問題。Mitra認為，發現大腦的運行機制和發現‘上帝粒子(Higgs boson)’可不太一樣，因為每一個物理學家都只需要去發現這一個粒子，可是腦科學家們卻要在經過深思熟慮之后設定很多個不同的目標，然后一大幫受過良好科研訓練的研究人員再去追蹤、并發現這些目標。

　　Newsome花了整整一個暑假的時間來思考需要追蹤哪些目標，和他預計的一樣，他的這個暑假算是徹底泡湯了。他參加了一系列的專家研討會，為腦科學計劃設定了一系列的研究目標，并且為此準備了一份報告，該報告將于今年9月公布。據 Newsome透露，這份報告里不會承諾會解決所有的腦科學問題，只會提出一個工作時間表，按照這個長期的工作規劃，我們將來可能會解決一些腦科學問題。

　　Newsome認為：“我們最終一定會認清所有的神經元細胞與人類行為之間的關系。認清這一點非常重要。”