02　全脑神经成像与虚拟现实

米沙·阿伦斯（Misha B. Ahrens）

系统与计算科学家，霍华德·休斯医学研究所研究员

从历史上看，研究者一直以小块区域为单位对大脑进行研究，比如他们会记录单个或一小群神经元的活动。因此，过去我们很难将小型网络层面的大脑发现联系到依赖全脑机制的功能上。近期，有些项目正在尝试同时记录更多神经元的活动，这是全面了解大脑工作原理的重要步骤，也是全面了解几十亿个神经元做出的计算如何构成大脑整体功能的重要步骤。这篇文章展示了我们是如何实现对脊椎动物斑马鱼幼体的整个大脑进行成像的。

在解释如何做到这件事之前很重要的一点是，先要了解为什么完成所有神经元的成像并不足以让我们彻底认识大脑的功能。孤立地观察大脑活动会忽视它的物质背景：大脑是身体的一部分，身体具有它自己的动态变化，而身体又处在遵循自然法则的物质环境中。大脑中的神经元相互之间存在着大量的连接，而大脑的输出则通过环境直接反馈回大脑，因为大脑的“决定”所引发的行为会改变身体的形态和外部环境，由此引起新的感觉输入，大脑又会再次对它们进行加工，这就形成了所谓的感觉运动循环。这种循环很重要，例如，人开始行走的决定所引发的视觉输入的加工方式，会不同于没有这个决定时相同的视觉输入的加工方式。从这个意义上说，我们最好把认识大脑看作一个全盘性的问题，即把大脑、身体和环境看成一个整体，去认识这个完整的动态系统。

在某些情况下，虽然没有全盘视角，只是严格按照从下而上的方式进行研究，但我们依然能产生对神经功能合理的理解。例如，我们在认识视网膜、嗅球、初级视皮层和外周听觉系统上已经取得了很大的进展。如今在某种程度上，人工耳蜗移植已经成为可能，它能使耳聋的人听到声音（见主题6中的第19章）。然而，解决感觉输入、记忆与动作之间的相互作用等问题的最佳途径就可能是研究整个大脑了，包括研究所有的感觉输入、所有神经元的活动、所有运动输出和从运动输出返回感觉输入的回路等。

在与弗洛里安·恩格勒特（Florian Engert）、菲利普·凯勒（Philipp Keller）及其他人的合作项目中，基于对昆虫和哺乳动物的研究，也基于显微镜学的发展，我们建立了两个实验系统，从而可以开始对脊椎动物斑马鱼的动态神经系统进行整体研究。这项技术的第一部分是通过虚拟现实为神经系统创建虚拟环境。由于斑马鱼的脑袋会待在原地不动，因此我们记录其神经元的活动变得很方便。这项技术的第二部分让我们能够记录斑马鱼大脑中的几乎每一个神经元。斑马鱼的大脑总共有10万个神经元，我们能用技术记下8万个。总之，对斑马鱼生活环境和神经活动的详尽测量有望使我们洞察迄今为止还无法了解的大脑神经功能。

关闭感觉运动循环

许多行为，比如行走或飞翔取决于实时的大脑反馈，并且行为会基于反馈做出改变。以行走为例，如果一个人绊了一跤，他便会根据前庭系统和视觉系统的反馈来调整自己的步子。为了全面研究“行走”这个行为，完整动态体系中的另一个部分，即大脑与环境之间的关系便需要被纳入实验设计中来。

从20世纪60年代以来，研究者一直在将这类大脑的实时反馈纳入对昆虫行为的研究中。比如，卡尔·戈茨（Karl Götz）和马丁·海森堡（Martin Heisenberg）等科学家便创建了研究苍蝇行为的实验系统，实验中苍蝇被粘在一根细电线上，这样苍蝇还可以扇动翅膀。研究者用一个敏感的扭力仪测量苍蝇在试图转向左边或转向右边时微小的旋转力量，来自扭力仪的信号被用来旋转一面鼓，这样苍蝇的视觉模式就会转向相反的方向。通过这种方式，静止的苍蝇就得到了真实的视觉反馈，这和它们自由飞行时得到的反馈是一样的。事实上，这就形成了苍蝇的虚拟现实飞行。这项研究的目的不是为了骗苍蝇相信它们在自由地飞行，而是为了了解它们行为的细节，并最终了解大脑是如何控制动物行为的。最近，研究者将这种方法又向前推进了一步，他们开始记录置于这种闭环虚拟现实系统的动物的大脑。他们让动物的头部保持静止不动，这样比较容易通过显微镜和电极来获得神经记录。在戴维·汤克（David Tank）和其他人的研究中，小鼠在三维的虚拟现实环境中奔跑，研究者监控它们处理空间位置或进行决策加工的神经元活动。

在研究斑马鱼幼体时，我们采用了略微不同的方法——使用了瘫痪的动物。在这种实验准备中，它们的脑袋完全处于静止状态，因此很容易被记录或被操纵。如果实验目的是研究身体、大脑和环境如何动态地相互作用，那么如何为瘫痪的动物创造出虚拟的现实环境呢？我们使用的麻痹方法只会影响它的神经元与肌肉的连接，而其中枢神经系统和脊髓仍能发挥作用，这样斑马鱼发送给尾巴肌肉的神经指令依然完好无损。我们可以记录并解释这些神经元的活动，由此发现动物的意图。这类似于《黑客帝国》中的人物利用来自大脑的记录在虚拟世界中穿行的方式。

当来自斑马鱼尾部的神经记录通过一个声音放大器后，形成了“噼噼叭叭”的声音，并且声音还具有随意游动的鱼的尾部那样一起一伏的节奏。这些信号可以被转化为虚拟的游动信息，推动动物穿行于虚拟环境中，而制造虚拟环境的则是动物身体下方的投影仪。这样，我们便准备好记录动物做动作时其大脑的活动了。既然行为的产生依赖于感觉系统、运动系统以及两者之间的所有连接，那么接下来的问题是：我们该记录哪个脑区？在对斑马鱼幼体的研究中，我们采用的方法是尽量同时记录所有的神经元活动。

全脑神经元成像

斑马鱼幼体具有几项实验优点，神经科学家最近已开始利用这些优点了，这也使我们能够用显微镜来记录斑马鱼的几乎所有神经元活动。斑马鱼大约一周大的时候非常活跃，会到处游动，做出探索、觅食和简单的学习行为。它们的大脑很小，包含大约10万个神经元。相对于哺乳动物的大脑，斑马鱼幼体的大脑更容易被研究。另外，它们的大脑结构与人类的大脑结构有许多相似点。最重要的一点是，斑马鱼是透明的，进化中的某种变异使得它们的皮肤缺乏色素，这样光学显微镜便能够穿透到它们大脑的最深层，因此能够对它们绝大部分的神经元进行成像。此外，斑马鱼是遗传学模式生物，它可以表达所有神经元或神经元子集中经遗传加工处理过的蛋白质。

大脑新趋势

在最近20年中，科学家创造了一些蛋白质，它们能够通过钙依赖荧光试剂来报告神经活动。这样，当一个神经元被激活向另一个神经元发出信号时，细胞内的这类蛋白质就会亮起来。通过这种方式，科学家利用光学显微镜便能在细胞水平上测量神经活动。另外，使用光遗传学工具，研究者可以通过操纵不同颜色的光来让个别神经元变得兴奋或变得沉寂，从而扰乱神经活动。由于斑马鱼幼体是透明的，而且其大脑较小，因此基本上可以对它的每个神经元进行这样的操作。

在各种显微技术中，一种相对快捷，同时能保持亚细胞级空间分辨率的技术是光片照明显微技术。这种技术背后的原理是，对需要成像的组织进行“光学切割”。这意味着实验中每次只有一个薄片样本被照亮，而其他部分依然是黑暗的。

我们和其他研究者最近提高了光片照明显微镜的工作速度，这样它便能被应用到神经科学研究上。我们制造了新的光片照明显微镜，它的工作速度足够快，能够对斑马鱼幼体的大脑中大部分的神经元进行成像，并追踪其活动。实现对斑马鱼幼体的大约8万个神经元每秒钟进行若干次测量。

现在我们可以对斑马鱼整个大脑中神经元之间的相互作用进行研究了，探查其神经元群组是如何“协同工作”的。我们第一次对活着的斑马鱼幼体大脑的神经动态进行了观察，在斑马鱼自由地游动时测量了它整个大脑的神经活动。结果表明，斑马鱼的大脑非常活跃，就像是一个活动的海洋被呈现了出来，其中包括缓慢发展的神经活动、突然的闪光，有时还会爆发一阵大脑功能协调的神经活动（见彩图2a）。

理解复杂的全脑数据

通过研究获得的大脑数据集非常庞大，由此产生了一个新的挑战：我们如何理解这样庞大的神经活动“丛林”呢？尽管神经元网络的通信方式非常复杂，但大多数的基础神经活动都可以由一个神经元反射给另一个神经元。因此，如果一个神经元非常活跃，其他神经元也会非常活跃。我们搜寻的是在某一时刻一起变得活跃起来，而在另一个时刻又一起沉寂下去的神经元群体。通过比较简单的算法我们便能找到这类神经元群体：在这个神经活动的“丛林”中，后脑的两个神经元群体显现了出来，每个群体中的一组神经元都表现出了与另一群体中的神经元有强烈的相关关系或强烈的反相关关系。这两个群体具有界线清晰的解剖结构。其中一个群体包含6个紧密地挤在一起、对称排列的神经元簇；另一个群体包含两个由细胞体排列组成的神经束（见彩图2b，两个神经元群体分别为绿色和紫红色）。在神经活动的一团混乱中，这些神经元集合似乎在进行着密切的通信，未来，我们有望发现它们通信的目的。

从原则上讲，目前我们有可能研究大脑中从感觉输入到行为输出这整个的感觉-运动转换以及学习过程。这项研究非常重要，因为特定的大脑功能无法被分解，我们需要在整个大脑的层面上对其进行研究。以人们调整走路方式避免被突然刮来的一阵大风刮倒为例。一个合理的描述机制应该是这样的：大脑中控制运动的回路产生了行走节奏，在这里我们称之为一个运动程序；大风刮到了我们身上，皮肤中的感受器向大脑发出信号；大脑负责平衡感的前庭系统感知到身体位置突然发生了意外的改变，随后大脑视觉系统和前庭系统向运动系统发出改变运动程序的信号。来自大脑更高层级的认知会确保行走行为的改变不会让人忘记原本要走的路，直到大风过去。由于多个控制系统分布在大脑的许多脑区中，因此我们确实应该在整个大脑的层面上进行研究。这个原则同样适用于其他许多问题：比如，一大群神经元如何协调才能传达视觉环境中的一个重要特征；再比如，当气味信号显示有食物并将鱼引向气味的来源时，鱼的整个大脑会做出怎样的反应。从更广泛的范畴来说，全脑技术研究的是大脑的本质，即大脑的所有组成部分之间都存在着直接或间接的通信关系。

大脑的未来

虽然我们已经准备好要测量许多过去未知的变量，比如，测量整个大脑中的活动、行为反应以及感觉反馈的所有细节，但目前面临的挑战依然很多。最重要的一个挑战可能是，研究者必须确定要寻找什么，也就是寻找大脑在解决什么问题。现实或虚拟现实的哪些方面对动物来说很重要？动物会采取什么行动来应对面临的挑战？要确定大脑做了什么，在哪种情境中产生了什么行为，必须与研究大脑是如何做出决定的同时进行。

接下来，当通过一系列实验得出了适用的数据后，我们应该怎么处理这些数据？在实验室里，我们的目标是了解斑马鱼幼体的大脑如何执行与行为有关的计算。尽管相对于研究人类大脑的工作原理，研究甲壳纲动物由30个细胞组成的神经系统可能简单得多，但经过几十年的研究后，我们依然能从这个系统中得到有关神经系统功能的新见解，并且我们还会对结果感到很吃惊。可以确定地说，我们还没有完全搞明白这个由30个细胞构成的神经系统。这说明，研究一个由10万个神经元组成的大脑系统将是多么大的挑战！我们如何能从这么多的神经网络记录中总结出大脑功能的原理呢？计算神经科学家，比如我们的合著者杰里米·弗里曼就正在积极地寻找分析这些大数据集的方法。获得的数据越多，我们确定的模型就会越准确。从现实意义上看，全脑成像与行为研究以及计算神经科学是非常完美的搭档。

从技术的角度来说，这种测量神经元活动的方法相对于神经元毫秒级的通信来说是比较慢的，因为目前每个神经元大约每1秒钟只被观察1次。为了观察神经元如何在毫秒级别内进行通信，我们有必要通过改进或开发新的显微技术来提高速度。我们还有必要改进基因编码的传感器。

测量神经活动当然不足以了解整个神经系统。对于有关大脑功能的观察数据，我们只能进行机械的解释。考虑到单个神经元的行为是神经元活动海洋中的一部分，因此我们是否能根据神经元的集体活动来解释单个的神经元呢？为了缩小这个问题的范围，真正了解神经元的通信方式，我们必须知道神经元与神经元之间连接的属性。利用基因技术和电子显微镜技术我们可以得到这类解剖结构信息，从而让我们的理解变得完整。最后，扰乱这个动态系统，而不只是观察它，也是理解这个系统的必要方式。我们能否建立一个大脑工作原理的概念模型和预测模型，继而预测一组神经元突然静止不动时会做些什么呢？这类假设想要得到检验，就要利用诸如光敏感通道和嗜盐菌视紫红质这类光遗传学工具。当神经元被不同颜色的光照射时，嗜盐菌视紫红质这类工具能让神经元变得兴奋或变得沉寂，而且它们已经被用在了一系列对大象的研究中。这些研究的目的是：发现根据基因或根据解剖结构界定的神经元群体之间有什么因果作用。

大脑是在动态环境中进化出来的器官，这个环境包含身体和外部世界；大脑也是神经系统内的第一个响应者，其响应时间为100毫秒，其他器官的响应速度比大脑慢多了。“了解大脑功能”的意图一部分取决于提出问题的研究者，但更多的可能是，想要全面了解大脑就需要我们在各种不同的层面上进行研究。为了搞明白构成大脑的基础材料如何产生了网络化的功能，我们需要了解分子机制和单个神经元的动力学。相比之下，为了搞明白基础材料如何形成了比各个部分之和更了不起的整体，我们需要全面的大脑功能理论。希望以上我所描述的全局性的方法有助于大家构建出一个全面的大脑功能理论。