PLoS Compu Biol：科学家深入揭示大脑复杂性的奥秘

近日，一篇发表在国际杂志PLoS Computational Biology上题为“Discovering sparse control strategies in neural activity”的研究报告中，来自维也纳CSH研究中心等机构的科学家们通过研究深入理解了人类大脑的复杂性，人类大脑是机体中最大且最为复杂的器官之一，本文研究中，研究人员利用一种数学和计算框架分析了秀丽隐杆线虫的神经活动，秀丽隐杆线虫是一种经常被科学家们用来研究神经活性的模式生物。

科学家深入揭示大脑复杂性的奥秘。

图片来源：Shutterstock

这种仅有1000个细胞组成的微观生物体（其中300个细胞是神经元细胞）已经被科学家们精确描述了，但神经元在控制行为方面所扮演的关键角色至今在科学界仍然存在一定的争议。基于最近科学家们在测定活体线虫神经元活性方面取得的进展，本文研究中，研究人员通过利用更自然的扰动现象揭示了神经元所发挥的重要作用。

这项研究中，研究人员试图更加全面地利用相应的数据进行分析，并试图理解哪一组神经元属于一类神经元，并与特定的行为相关联，换句话说，如果你想让线虫向左转，你并不关心一个特定的神经元，或许可能关注的更多的是更多不同的神经元。研究者Lee及其同事以线虫作为一个研究案例，因为其简单的神经系统能为理解诸如人类等高等动物的大脑的活动机制提供更为坚实的基础，文章中，研究人员开发了一种用于集合大脑神经活性的数学模型，随后他们利用可能会诱发行为反应且能在科学实验中进行复制的小型神经扰动进行了相应的实验。

研究者的想法是，如果在一种模型中能以不同的方式推动每个神经元的话，或许就能测定其行为是如何发生改变的，如果神经元的行为发生了改变，比如当两个神经元被推到一起，其行为就会发生更为强烈的变化，那么这两个神经元就会以某种方式形成一种集合，而并不是彼此独立。这些研究结果或许指出了一些能用作进行神经科学研究的有趣神经元，研究人员对来自秀丽隐杆线虫神经系统中大约50个神经元进行分析，结果表明，少数关键的神经元或许与统计数据中的大型反应有关，能看到这些神经元或许是一个好消息。

图片来源：https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1010072

如果知道一个参与了特定行为的神经元并不能告诉你它到底做了什么，比如，一些实验结果并不会提示一个神经元以一种重要的方式参与了某种行为，而当多个神经元共同参与一种特定行为时，或许研究其如何相互协作发挥作用或彼此对抗就显得非常有意思了。综上，本文研究中，研究人员关于行为控制如何被集中在特定的神经细胞中提出了几个新的假设，同时还提出了一种理论框架来提出这些问题并进行相应的预测，后期研究人员还会继续深入研究在未来几年时间里对这些疑问进行解答。（生物谷Bioon.com）

原始出处：

Edward D. Lee,Xiaowen Chen,Bryan C. Daniels. Discovering sparse control strategies in neural activity, PLOS Computational Biology (2022). DOI: 10.1371/journal.pcbi.1010072