您的位置:首页 >综合百科 >正文

在蠕虫的帮助下揭开大脑的奥秘

摘要 在过去的几十年里,科学家们在了解这个极其复杂的器官方面取得了长足的进步。现在,科学家们对大脑的细胞神经生物学有了很多了解,并且对大...

在过去的几十年里,科学家们在了解这个极其复杂的器官方面取得了长足的进步。现在,科学家们对大脑的细胞神经生物学有了很多了解,并且对大脑的神经连接以及构成这些连接的组件也有了很多了解。尽管如此,仍有许多重要问题尚未得到解答,因此,大脑仍然是科学上最伟大、最诱人的谜团之一。

也许这些问题中最令人烦恼的问题之一是我们对大脑作为一个系统的理解。对于大脑如何作为相互作用的组件网络发挥作用,所有神经组件如何协作,特别是在这个复杂的神经元网络之间如何处理信息,科学家们仍然一无所知。

然而现在,普林斯顿大学的一组神经科学家和物理学家正在通过研究一种非常小但普遍存在的秀丽隐杆线虫的大脑,帮助阐明信息在大脑中如何流动 。该实验的细节记录在最近一期的《自然》杂志上。该团队由 Francesco Randi、Sophie Dvali 和 Anuj Sharma 组成,由神经科学家和物理学家Andrew Leifer领导。

“大脑既令人兴奋又神秘,”莱弗说。“我们的团队对神经元集合如何处理信息并产生行动的问题感兴趣。”

莱弗补充说,对这个问题的兴趣具有广泛的影响。了解神经元网络如何工作是生物物理学中更广泛的一类问题的一个具体例子,即集体现象如何从相互作用的细胞和分子网络中出现。这一研究领域对与生物物理学以及人工智能等当代尖端技术相关的许多主题都有影响。

回答如何通过相互作用的神经元网络处理信息的问题的第一步需要莱弗和他的团队找到一种可以在实验室中轻松操纵的合适有机体。事实证明,这就是秀丽 隐杆线虫,一种不分节、非寄生的线虫或蛔虫,科学家们对其进行了数十年的研究,被认为是“基因模型生物”。模型生物体通常在实验室中用于帮助科学家了解生物过程,因为它们的解剖学、遗传学和行为已被充分了解。

这种蠕虫长约一毫米,存在于许多富含细菌的环境中。与当前的研究特别相关的是,该生物体的神经系统在其整个身体中只有 302 个神经元,其中 188 个位于其大脑中。

“相比之下,人脑有数千亿个神经元,”莱弗说。“所以,这些蠕虫的研究要简单得多。事实上,这些蠕虫非常适合实验,因为它们在简单性和复杂性之间取得了恰到好处的平衡。”

莱弗补充说,重要的是,线虫是第一个完全“绘制出大脑线路图”的生物体。这意味着科学家们已经编制了所有神经元和突触的综合图表或“地图”——神经元与其他神经元物理连接和通信的地方。用神经科学的术语来说,这一领域被称为“连接组学”,而生物体大脑中神经连接的综合图谱被称为“连接组”。连接组学的主要目标之一是找出负责特定行为的特定神经连接。

在实验室实验中使用秀丽隐杆线虫的另一个优点是,该蠕虫是透明的,并且在某些情况下,其组织经过基因工程改造,具有光敏感性。这一研究领域被称为“光遗传学”,它彻底改变了生物神经科学实验的许多方面。光遗传学技术不是使用电极将电流传递到神经元从而刺激反应的更传统的系统,而是使用来自某些生物体的光敏蛋白并将这些细胞植入另一个生物体中,以便研究人员可以控制生物体的行为或使用光信号进行响应。同样,其他蛋白质也可用于点亮并报告一个神经元向另一个神经元发出信号的时间。这对于实验室实验来说意味着两件重要的事情:生物体会对光的存在做出反应,并且神经元一旦收到来自另一个神经元的信号,就会“发光”。这使得研究人员能够直观地研究神经元的相互作用。

“这个工具真正强大的地方在于,你可以真正打开神经元并实时观察它们发出的信号,”Leifer 说。“本质上,我们可以将测量和操纵神经活动的问题转化为在正确的时间收集正确的光并将其传递到正确的位置的问题。”

这些光学工具使莱弗的团队能够开始艰巨的任务,了解信息如何流经蠕虫的大脑。目标是了解信号如何直接流经蠕虫的整个大脑,因此必须测量每个神经元。这涉及一次隔离一个神经元,用光照射它,使其被“激活”,然后观察其他神经元如何反应。

“在这个实验中,我们一次让一个神经元穿过整个大脑,激活或扰乱每个神经元,然后观察整个网络的反应,”莱弗说。“通过这种方式,我们能够绘制出信号如何在网络中流动的图。”

莱弗补充道:“这是一种以前从未在整个大脑规模上进行过的方法。”

总之,Leifer 和他的团队通过测量超过 23,000 对神经元及其反应,执行了近 10,000 个刺激事件,这项任务从构思到完成花了七年时间。

莱弗和他的团队进行的研究是迄今为止对信号如何流经大脑的最全面的描述。对于研究线虫的科学家来说,研究人员提供了大量有关特定信号如何在蠕虫大脑中发挥作用的信息,希望这项研究能够提供大量新信息,有助于推进基础研究。

同样重要的发现是,莱弗和他的团队在实验过程中所做的一些经验观察常常与基于蠕虫连接组图导出的数学模型对蠕虫行为的预测相矛盾。

“我们的结论是,在许多情况下,从接线图中看不到的许多分子细节实际上对于预测网络应如何响应非常重要,”Leifer 说。

版权声明:本文由用户上传,如有侵权请联系删除!