科学的任务

全球大脑的西蒙斯合作项目

传统上,神经科学研究严重依赖于对感觉和运动系统的研究来揭示大脑功能的原理。但是大脑中发生的大部分事情都是内部的——控制动机和决策偏差、记忆事件的表征和认知探索的状态。这些内部状态以一种难以探索的方式对抗并与感觉和运动信号相互作用,因为缺乏读取和影响神经反应的方法,而这些神经反应并不仅仅依赖于操纵刺激或监视动作。现在是时候扩展我们的研究领域,包括内部活动,因为现在有了正确的方法:我们可以同时记录大量的神经元,我们可以用光遗传学来操纵它们的活动,我们有理论工具来破译它们编码的信号。这使我们能够仅从活动中识别大脑的内部状态,这在大脑研究史上是前所未有的。通过将这种内部状态的分析与感觉和运动加工的分析相结合,我们可以利用新的实验和理论工具来跨越从感觉到行动的弧,并发现产生认知的神经活动的性质,作用和机制。

1.全球大脑协作中的神经编码和动力学

“全球大脑”一词指的是大脑不同区域内部和之间的神经群的大规模活动。在最近的大规模光学记录中,全球大脑活动的复杂性和丰富性已经在清醒的大脑中以细胞分辨率显示出来。活动模式在局部神经回路的细胞群之间波动,而跨多个区域的整体闪光代表了其他形式的内部动态和未知意义的大脑状态。这些现象只是我们在不久的将来可以看到的最初的一瞥,我们可以通过对行为动物的大规模记录,从苍蝇到啮齿动物再到非人灵长类动物。西蒙斯全球大脑合作组织(SCGB)提出的科学问题是:大脑活动的复杂性和丰富性是如何表现和产生认知的?

神经编码和神经动力学的概念为描述和理解大脑的整体活动提供了基础。“神经编码”指的是信息(感觉输入、情绪状态、未来行动计划、运动输出等)如何在电路中神经元的电和化学活动中表现出来。越来越多的人认识到,大多数神经密码必须在多神经元水平上被理解为一群细胞的活动模式。“神经动力学”指的是这些编码表征如何随着时间的变化而产生认知和行为——在感知、思考和行动的过程中,随着时间的推移,神经群体的活动模式会发生变化。

SCGB的重点是通过利用新的记录技术和互补的数学分析,彻底改变我们对神经编码和动力学的理解,并利用这些信息最终产生对大脑功能的机械理解。使用新技术的大规模记录将与统计分析相结合,以研究神经编码和动态如何表示和处理与行为相关的信息。例如,在做出决定的电路中,神经动力学的形式是什么?与做出决定相关的信息在神经代码中是如何表达的?在回忆记忆、想象未来或在人类层面上进行心算时,动态变化的活动模式是什么?我们描述的神经编码和动态将为理论和建模提供基础:目标是确定神经元的生物物理特性和电路连接的结构如何决定这些编码和动态,从而提供对大脑功能的机械理解。

SCGB寻求一般原则。就像神经元的动态电生理特性(动作电位、兴奋和抑制的相互作用、爆发和适应等)在大脑区域和物种之间具有普遍性一样,神经编码动力学的基本形式也可能具有普遍性。合作的一个主要目标是识别和描述这些普遍形式,因为它们代表了大脑功能的一般原则。

揭示神经回路中编码和动态的一般原理不仅能让我们深入了解简单行为和认知现象的神经基础,还将最终彻底改变我们对个体行为差异的理解——为什么数学家擅长抽象推理,而网球运动员却拥有高超的运动技能?才能真正了解患有精神疾病的人的大脑有什么不同或缺陷。

神经编码和动力学的范式转变

我们监控和操纵大脑活动的能力正在发生一场技术革命。尤其令人兴奋的进展发生在神经回路和神经群的“介观尺度”上。这个尺度介于单细胞和整个大脑区域之间,前者传统上使用单个微电极进行研究,后者通常使用间接或体积平均方法(如fMRI、MEG和EEG)来绘制和研究活动。新技术的目标是保持单个单元研究的细胞分辨率,但同时显著增加同时监测的单元数量,以便可以一次研究整个局部电路或整个大脑区域。光子学和成像技术的进步,加上新一代的钙和电压基因编码传感器,现在可以同时以细胞和单动作电位的分辨率监测数百到数千个神经元。新的虚拟现实系统和微型头戴显微镜提供了将这些光学测量应用于啮齿动物和其他物种的清醒大脑活动的方法,这些大脑活动表现为决策和导航等行为。在蠕虫、苍蝇和其他物种的小大脑中,一次监测所有大脑神经元现在是可行的。同时,利用微加工硅探针和新型多探针阵列进行密集微电极记录已经成为现实;这些在非人类灵长类动物和人类的神经编码和动力学研究中特别有用。这种监测神经种群的技术革命在某种意义上是破坏性的,因为它促进了在攻击神经编码、动态和脑功能机制问题方面的真正范式转变。

范式转变之所以发生,是因为目前的研究没有很好地捕捉到许多大脑活动。首先,感觉、认知和运动功能的要素可能很难或不可能从电生理学的主流小范围记录中辨别出来。这是因为信息通常是跨神经群编码的,只能通过分析多神经元的活动模式来解释。此外,当技术限制要求对试验、会话和受试者之间的信号进行时间锁定平均时,无法很好地捕捉到心理体验的自发、自由流动的本质。这种平均是为了在面对尖峰变化时减少噪音,从而使单单元记录变得有意义。新的人口成像和电极记录技术,结合新的数据分析方法,有望将我们从这种方法上的束缚中解放出来。大脑状态和信息的神经编码只能从细胞群的分析中推断出来,既可以用于信息编码和动态的事后分析,也可以用于实时应用。实时应用包括神经假体和闭环扰动实验,例如,通过检测特定的大脑状态触发感觉刺激或光遗传刺激。

与大规模记录新技术相辅相成的是同样令人兴奋的新方法,例如光遗传学,用于刺激神经元以测试观察到的编码和动态的因果作用。在不久的将来,我们预计不仅可以用光激活特定的神经群,而且可以在特定的识别细胞的空间模式和序列中这样做-换句话说,细胞分辨率的神经激活,以补充细胞分辨率的神经记录。当这项技术得到充分发展时,实验者应该可以引出特定的大脑状态,并测试它们在认知中的因果作用。

2.从大脑活动中提取知识和理解

在西蒙斯全球大脑合作项目中提出的实验将从极其复杂的系统中产生大量数据。如果不开发和应用分析方法,从这些数据中提取基本机制和基本原则,协作的目标就无法实现。在这种情况下,分析意味着将数据转换为更适合研究的形式,并使用数学和基于计算机的模型来检验各种解释性假设。数据转换包括从数据中提取概率分布、相关信号和降维描述。建模包括构建基于生物物理现实机制的数据网络,并为进一步的实验研究提供预测。

概率描述、信号处理和数据约简是数学、计算机科学和工程学中具有悠久历史的经典方法。然而,将这些方法应用于神经科学需要对其方法进行调整,以适应神经数据的具体挑战。最近在这一领域已经取得了一些进展,我们期待作为SCGB支持的理论研究的一部分,进一步取得进展。最大似然方法应用于神经数据的一个尚未解决的问题是,峰值的基本统计量是泊松统计量,而经典方法主要是高斯统计量。近年来,经典的降维方法如主成分分析(PCA)已被扩展并专门用于神经科学应用。因此,我们将统计方法应用于神经科学数据的能力正在迅速扩大,特别是在我们从神经种群的记录中推断信息和大脑状态的能力方面。然而,我们才刚刚开始探索高维空间的数学和统计学方面的新想法,这些想法可能对解释大脑编码和动态很重要。事实上,在这个领域注入新的思想和想法是至关重要的。

同样,物理科学家和工程师长期以来一直使用动力系统分析的工具来研究复杂物理系统的行为,但神经系统的约束和特殊特征带来了需要解决的挑战。神经系统动力学与其他系统动力学的主要区别在于,神经元之间传递的信息通常是“数字”形式的动作电位或峰值。这是动力系统的游戏规则改变者。在构建执行有趣任务的尖峰神经元网络的能力方面,我们最近取得了一些重大进展。在Simons合作的总体目标中,这样的模型有两个目的。首先,它们允许我们将前一段中讨论的分析工具应用于模型中的现实尖峰列车,以查看它们是否提供有关这些模型中已知的潜在机制的信息。其次,它们为测试关于神经回路如何运作的假设提供了一个框架。

过去,对神经网络的研究主要集中在涉及物体识别和分类等感官信息处理的静态任务上,通常使用前馈连接。真正的大脑回路是以一种高度循环的方式连接起来的,是它们的动态特性,而不是静态特性,将感觉表征与运动动作联系起来。我们在构建和分析循环网络方面的最新进展使我们能够构建复制真实神经回路的异质性和可变性的模型。虽然这些模型很复杂,但我们开始有工具来理解它们是如何工作的,并与实验学家合作,提出测试,不是为了确定模型是否“正确”,而是为了回答一个更有趣的问题,即模型用来解决任务的机制是否与真实的神经回路所使用的机制相同。我们还可以利用我们对模型的理解来揭示电路的生物物理特征,包括细胞和突触,以及产生其操作模式的连接的重要方面。同样,这些模型提出了实验测试,我们操纵真实电路的能力,特别是通过光遗传学方法,为我们提供了一条将一般机制的结果扩展到特定电路元件和特征水平的途径。

建模是在从概念到生物物理的一系列层次上完成的。例如,漂移-扩散模型在决策中的应用范围从行为的纯粹现象学描述到感觉整合的网络模型。同样,最近关于前额叶皮层人口活动的研究范围从使用读出技术来推断信息是如何表示的到模拟任务切换动态的网络模拟。未来对大脑动力学和认知的探索可能需要一系列的模型,而这些模型将在SCGB中得到支持。

总之,如果我们要从数据中提取理解,理论的发展必须与记录方法的显著技术进步保持同步。此次合作将以一种独特的方式为增强以及数据分析和建模方法的应用做出贡献,这对其总体目标至关重要。

3.原则与制度

SCGB的指导原则是将最新的创新神经技术与最强大的分析和建模形式相结合,用于记录和刺激神经种群。这种理论和实验在最高水平上的结合将首先用于探索并最终回答有关神经回路动力学如何产生认知的深刻智力问题。这个研究项目的雄心是巨大的。我们的目标是激发高层次大脑状态和内部动态的研究和理解方式的根本改变,这些状态和内部动态是从其基本成分的活动中产生的。从自下而上的角度来看,我们希望知道小电路中的神经计算如何为更高层次的合成操作提供构建块。从自上而下的角度来看,我们寻求深入了解高级电路如何协调低级机制的活动,以追求更大的行为目标。简而言之,我们的目标是对神经系统功能的综合理解,认真对待机制,同时避免愚蠢的还原论,错误地将零件列表作为理解。应用于多神经元记录的强大的新分析方法最终将允许研究大脑深处的活动,远离紧密的感觉或运动关联,并将提供有关内部产生的、消失的活动模式的有意义的信息。

我们的重点是问题,而不是特定的实验准备或技术。我们的目标是支持使用任何最有可能促进我们理解的方法进行研究。最终目标是对认知过程如何在人类大脑中进行的机制理解。人类在行为上提供了无与伦比的灵活性,但在人类身上的实验受到极大的限制,而且通常不是在细胞分辨率的种群编码水平上,而这是这次合作的主要焦点。非人类灵长类动物的大脑与人类相似,可以通过训练来完成复杂的任务。显然,老鼠与人类的距离更远,它们能完成的任务也更有限,但它们允许使用一系列在灵长类动物身上无法完成的操作来研究大量的对象。老鼠在这方面的局限性更大,但老鼠遗传学的力量引入了另一套广泛的操作方法。脑部较小的动物,如幼体斑马鱼,可以对活动进行全脑成像。苍蝇既具有神经系统小的优点,又具有极为发达的基因操作方法。蠕虫将一个已知的连接体添加到列表中。 Thus there exists a wide range of experimental systems, each with distinct advantages and disadvantages, for exploring the questions we raise. The SCGB will use these experimental systems and models of them to investigate the general principles of neural coding and dynamics and how they produce cognition and behavior.

领导

科学领导SCGB可以找到在这里

合作的机会

SCBG的一个关键组成部分是成员之间的互动。获奖者有望分享数据和信息,并参加由西蒙斯基金会组织的大型和小型会议。必威注册网站

推进基础科学与数学研究 订阅SCGB公告和其他基金会更新