在神经科学领域，就像在地理学、基因组学和其他许多领域一样，没有一张好的地图很难导航。大脑绘图技术的最新进展能够帮助科学家能创建更大、更详细的模型。当对不同动物的模型进行比较时，出现了一些令人惊讶的相似之处。相似之处如此之多以至于这些神经连接图（也称为“连接体”）可能会为高级神经形态电子学的设计提供信息（This Engineer’s Hardware Is Inspired by th Brain - IEEE Spectrum）：芯片和算法模型，旨在模拟大脑和神经元的计算能力和效率。
耶鲁大学、普林斯顿大学和芝加哥大学的科学家们在2021年成功创建了首个完整“成年果蝇”大脑连接组 —— 这是新兴连接组学领域的一个里程碑 —— 作为他们在不同大小和复杂性尺度上比较大脑结构各方面的机会。
耶鲁大学物理学助理教授Christopher Lynn说，绘制连接体是一项不小的壮举。即使是像果蝇这样微小的物种，也代表着对神经系统的巨大挑战。果蝇的大脑由超过120000个神经元组成，其中有3000多万个连接。就连接体而言，这意味着每个连接都必须以某种方式被隔离、识别和绘制。
秀丽隐杆线虫如何绘制路径
Lynn说：“就规模而言，秀丽隐杆线虫只有302个神经元。他们在80年代绘制出了第一种蠕虫的整个连接体，这是一个重大突破。以果蝇为例，每个神经元可能有100到10000个突触。当你进入更大的系统时，你会跟踪数十万或数百万个突触。”
—CHRISTOPHER LYNN, YALE UNIVERSITY
研究人员发现，从简单的秀丽隐杆线虫到小鼠视网膜，五种不同连接体之间存在持续的连接统计数据。他们使用了所谓的重尾统计——认识到虽然神经元之间的大多数连接都很弱，但其中一小部分连接要强大得多。这一结果补充了先前的研究，即大脑网络往往表现出“小世界”的特征：少数神经元与许多其他神经元相连，但大多数神经元根本不与太多神经元相连。
跨物种的重尾连接表明，一些相同的神经功能原理也可能跨越完全不同规模的生物体。为了帮助提供一个可能的框架，该团队创建了一个大脑发育模型，将随机重组与神经科学家所说的Hebbian可塑性（即附近同时活动的神经元相互连接的趋势）进行了权衡。Lynn说：“他们在教学时说了一句简单的话：‘如果两个神经元一起放电，它们很可能会连接在一起。’”。该模型虽然是大脑中神经元如何聚集在一起的简单近似，但始终重现了Lynn和他的同事在连接体中看到的重尾分布。
脑图启发神经形态硬件
研究人员发现跨物种连接体的相似性可能为新的神经形态硬件铺平道路。例如，他们研究的重尾连接模式为芯片设计提供了富有成效的灵感来源。
—CHRISTOPHER LYNN, YALE UNIVERSITY
英特尔神经形态计算实验室主任Mike Davies说，小世界的连接模式是一种有吸引力的特征，可以用来模仿一个人的设计想法。Davies说：“人们倾向于将神经形态芯片中的连接简化为你可以方便地制造的连接，表示所有可能的联系是一个n平方爆炸。”
然而，他补充道，英特尔在其神经形态设计上采取了与严格遵循自然规律略有不同的方法。该公司没有试图在芯片中明确构建密集的网络，而是使用自适应网络系统来路由网络流量。Davies说：“这是我们为这些稀疏连接建模的最有效的系统。有了这个，我们实际上可以复制一些重尾网络。”
Lynn说，展望未来，连接组学团队现在将扩大他们绘制连接组的物种名单。虽然本研究中使用的细胞级小鼠连接体仅限于动物的视网膜，但研究人员在小鼠大脑的更大部分也观察到了类似的重尾连接。
Lynn表示，虽然他们目前的结果仅限于少数连接体，但他预计他们的结果将被概括为更大、更复杂的大脑的连接体。他提到：“根据我们迄今为止看到的每一个数据集，所有数据集的分布看起来都很相似。我预计这些重尾分布在大脑中普遍存在。”
本月早些时候，研究人员在《自然物理学》杂志上发表了他们的研究结果（https://www.nature.com/articles/s41567-023-02332-9）。
本文转自：IEEE电气电子工程师学会 - MICHAEL NOLAN ，转载此文目的在于传递更多信息，版权归原作者所有。如不支持转载，请联系小编demi@eetrend.com删除。
