走进科学
2022神经科学年度回顾
Stable Diffusion
神经科学可以变得更枯燥一点。 放慢一点，给我们一个追赶的机会。 一个把所有的东西都吸收进去的机会。 但是洪流没有减弱的迹象。 所以这里有一些我从汹涌的洪水中捡到的闪亮的鹅卵石，拿到灯光下给你们看。
那么，让我们开始深入探讨。 我们有技术上的进步，从据称可以看到活人大脑神经元发出的尖峰的神经成像技术，到记录在蛋白质中的神经活动的诱人步骤。 我们还深入了解了大脑如何应对不理想的情况。
在fMRI中看到峰值
几十年来，fMRI一直是观察完整人脑活动的最佳方式。 但它的局限性令人沮丧：它只是一种代理，报告的是活动神经元可能需要的富氧血液的流动，而不是神经元本身的活动；它是模糊的，在一个普通的扫描仪中，报告的是多达100,000个神经元的大脑，而在最强的扫描仪中，也只有1000个神经元；它的速度很慢，因为它测量的血液信号每秒钟变化一次，但是神经元以毫秒级的时间触发，所以它们的活动模式是不可见的。今年，Jang-Yeon Park和 Jeehyn Kwag的团队在《科学》杂志上报道了一种 fMRI信号，如果是真的，可以克服所有这些问题：它可以在更精细的时间和空间尺度上直接报告神经元的活动。
他们展示了一些令人信服的证据。 在小鼠的胡须被梳毛后，这个信号的峰值与皮层中的放电活动的峰值一致，而这些活动的峰值仅仅发生在微调后的25毫秒。 当使用光遗传学技术直接驱动神经元放电时，信号和放电活动也一致。 该信号还可以解析出大脑节和皮层之间相隔15毫秒左右的不同放电活动峰值。粗略计算，他们发现的信号变化在10ms的数量级上，可以解析到0.22毫米。
但也有一些注意事项值得注意。 首先，还没有确定这个信号从何而来：究竟数百或数千个神经元的电压变化如何能够强大到足以被检测到的程度。它还需要一个超强的扫描仪(9.4 T)。 其次，它需要反复的试验来建立信号，因此不能用于观察自发活动或正在进行的行为。 因此，实验对象在扫描仪里不能动弹，最好是麻醉状态。比如说一条死鱼。
如果一切都能得以实现，那科学可以取得多么大的成就啊。
神经元的列队游行
回到动物神经科学的领域，记录单个神经元活动已不是什么新鲜事。 几十年前，植入大脑的电极和显微镜已经被用来捕捉这些有趣的放电。但是，科幻小说中的场景是一种在整个大脑中记录神经元活动长达数周或数月的方法，而不需要植入任何东西。 为了跟踪动物的发育、学习、衰老；为了让动物按照自己的意愿行事，从枯燥的实验室任务中解脱出来——观察这些移动的点，按下这个按钮，拉下这个杠杆——并在它们做这些动作时捕捉它们大脑的活动。 其中一个很棒的想法是记号纸带。
记号纸带是一种思维实验，它使用某种不断增长的分子作为神经元中事件的时间标记，然后在实验结束时对该分子进行排序以恢复事件的顺序：通常是某种DNA。 现在，Adam Cohen和他的朋友们的一份预印本向我们展示了这种记号纸带想法的原理。 他们发现了一种蛋白质，它可以在哺乳动物细胞中以恒定的，缓慢的速度增长，而且其中的孔正好适合神经活动的荧光标记物。他们发现，蛋白质不仅在神经元中生长，而且当在不同的时间点激活荧光标记时，只需检查标记在蛋白质上发光的位置，就可以读出事件序列。 他们还发现，生长蛋白质和荧光标记的组合可以编码c-Fos的表达，当神经元持续激活时，c-Fos基因会快速且短暂地转录。 这些都是初步的步骤：荧光标记是由染料激活的，而不是神经活动激活的；时间分辨率是2小时；c-Fos在培养的神经元中被一种药物明确地激活。 尽管如此，这是第一步！
而且并非没有先例：在描述活动的分子标签被设想出来的同时，也在想象等效的分子机制来发现神经元之间的联系。 这是一个思想实验：提取一个独特的DNA条形码，将其注射到每个神经元中，然后对大脑进行切片，对DNA进行测序，以发现每个神经元将轴突发送到何处。 现在，这就是现实：Tony Zador的团队开发了神经元的条形码RNA，并从此用它来追踪视觉皮层中单个神经元的详细联系。所以，如果在十年左右的时间里，连接的条形码已经从思想实验变成了一个完全实现的过程，那么在十年结束之前，我们还能看到条形码吗？请拭目以待。
当大脑状态最佳时会发生什么？
当饥饿感来袭时，我们的大脑就会变得朦胧，思维变得模糊，甚至会出现把袜子放进洗碗机的极端情况。这也就不足为奇了，大脑只占身体质量的不到2%，但每天消耗的能量却高达20%。所以如果有哪个器官需要节省能量，那一定是大脑了。要想节省能量，最好的办法就是让神经元变得更不活跃，因为大脑消耗大量能量是在发送和接收尖峰信号时实现的。Nathalie Rochefort和他的实验室提出了这样一个问题：饥饿会改变大脑的处理方式吗？
答案是肯定的。他们拿了一些饥饿的老鼠，和一些饱腹的开心老鼠，记录下他们的视觉皮层神经元对同一角度的乏味直线图片的反应。这些皮层中的神经元通常会对特定角度(比如30度或170度)的线条发送最多的尖峰信号，而与这个期望角度越远，它们发送的信号就越少。在饱腹的开心老鼠身上，这意味着一个神经元对远离它期望角度的线条根本不会有反应；但在饥饿的老鼠身上，它们却会反应。这就意味着它们发送的信息确实变得模糊了。
你可能会想，模糊的神经元是怎么节省能量的呢？似乎发生的情况是，饥饿的老鼠的神经元在接收到每一个输入信号时都会减少电流的流动，从而节省了大量在它们大而代谢昂贵的树突上的能量。但同时，神经元也会增加膜的阻力，从而增加输入电流引起的电压变化。结果就是神经元身体处的电压变得更嘈杂——而嘈杂的电压意味着在不该发出的时候也很可能发出尖峰信号。因此：神经元会发出尖峰信号去响应它们本不该响应的线路。
有趣的一点是：这是否与高效编码理论直接矛盾？这些理论认为，大脑将神经元放电之间的冗余最小化，以最大化可用能量的信息传输。换句话说，要尽可能少的神经元发出同样的信息。这似乎预示着，可用能量减少时，神经元激活会变得更加稀疏。但Rochefort实验室的论文显示，当能量减少时，神经元激活并不会变得更加稀疏，而是更加嘈杂，因为他们的调谐变得更加宽泛。这意味着，对于任何给定的图片，更多的神经元同时激活，而不是更少！
有三种可能性：我错了(似乎很可能)；大脑已经处于高效编码的极限，因此可用能量的减少会导致编码效率的下降(也许)；或者高效编码理论(大部分)集中在神经元的错误端——如何使它们的输出更高效，当它是使用最多能量的输入时，因此它是需要优化的输入。现在轮到理论家们了。
真正次优的大脑
一个饥饿的大脑可能是次优的，但失去一半更糟糕。正如你所知，识别书面文字主要由左脑皮层处理；右脑皮层倾向于处理识别人脸。目前的假设是，面部识别最初是由双侧处理的，但学习读写会带来皮层空间的竞争，因此单词识别最终会出现在左侧(语言所在的地方)，而面部主要出现在右侧(语言不在的地方)。这表明单词和面孔的左右分割是预定的。要测试这一点，你想问一下如果只有一个脑半球，会发生什么：大脑是否有足够的可塑性来应对？
Marlene Behrmann和团队能够提出这个问题，通过研究一组在童年时期就失去一个有足够的半球的人来进行研究。这听起来可能很激进，确实如此——这是治疗顽固、严重的癫痫的最后一招，通过切除产生癫痫的所有组织来恢复一些生活质量。Behrmann等人可以问他们：他们对先前呈现的单词或面孔的识别能力有多好？如果单词和面孔真的被预定要在左右半球，那么如果缺失一个，识别能力肯定很糟糕。但事实并非如此。
当然，失去一半的皮层的人无法与完整皮层的人相比，但他们的正确率仍然达到平均80％以上。无论缺失的是哪个半球，都可以在面部和单词识别中取得成功。因此，单词或面部识别不是预先定下的左右半球映射。面部和单词识别都可以发生，并且只需要一个半球就可以取得良好的效果。大脑真是了不起的东西。
还有很多要赶上的。我们已经拥有了关于人类寿命的大脑图表，关于它如何成长、演变和随着年龄减少，这篇论文以第一作者们为获取必要数据所付出的非凡努力而著称。你可能还记得我不断强调的“暗”神经元，大脑皮层中的一类似乎没有任何作用的神经元。现在，结果表明，氯胺酮会导致不活跃的神经元变得活跃，反之亦然。因此，特殊K的奇怪解联效应可能只是暗神经元苏醒，发出关于外界不存在的东西的尖峰信号。而且，结果表明，北美城市居民在欧洲城市迷路的原因是他们是在网格城市中长大的——因此他们的大脑无法应对街道弯曲或汇合在任何不是90度的角度的概念。
最后，Facebook的研究人员揭示了穷人改善处境的最佳途径：交更好的朋友。我真希望我是在开玩笑。他们研究了美国7200万Facebook用户，发现收入增加的最佳预测因素是一个人拥有多少更富有的朋友。这导致他们提出了一个解决贫困的简单解决方案，即为低收入者创造更多机会与高收入者交朋友。所以，世界贫困就这样解决了。下年见，届时Facebook的研究人员会发现有足够食物的人的最佳预测因素是他们的收入，并提议我们给人们足够的钱去买东西。