tft每日頭條

 > 圖文

 > 目前神經科學對大腦的研究

目前神經科學對大腦的研究

圖文 更新时间:2025-01-07 00:38:21

目前神經科學對大腦的研究?Henrich Montandon,臨床心理學和醫學博士,這位自學成才的神經科學家在50歲時開始投身于繪制人類大腦圖譜的工作2015年11月,他在美國加州去世,這篇文章由他親自撰寫于2013年,記錄了其繪制大腦的詳細過程,讓我們在讀文章的同時,緬懷這位令人尊敬的科學家,現在小編就來說說關于目前神經科學對大腦的研究?下面内容希望能幫助到你,我們來一起看看吧!

目前神經科學對大腦的研究(自學成才的神經科學家)1

目前神經科學對大腦的研究

Henrich Montandon,臨床心理學和醫學博士,這位自學成才的神經科學家在50歲時開始投身于繪制人類大腦圖譜的工作。2015年11月,他在美國加州去世,這篇文章由他親自撰寫于2013年,記錄了其繪制大腦的詳細過程,讓我們在讀文章的同時,緬懷這位令人尊敬的科學家。

在個人電腦誕生前,一些大腦模型是用塑料和膠水制成的。1972年,在巴爾的摩,我的第一個神經科學實驗室設在家中潮濕的地下室。我将一個相當大的塑料色拉碗做成大腦皮層,其他部分用樹脂玻璃制成,但是,如何把各部分連結起來并讓其彼此發送信号,我毫無頭緒(估計也沒人能做到)。但很明顯,如果正确制作出模型,用非常細的金屬絲代表神經元,那麼,該模型将比地下室還大。将比整個兩層樓的房子還大。事實上,它有巴爾的摩金莺隊的球場那麼大。

這些天,我遠離世俗,獨自沉浸在我所熱愛和追求的事業中。奧巴馬政府投入10年時間和數百萬美元進行類似人類基因組計劃的大腦研究計劃,歐盟投入12.9億啟動的歐盟大腦計劃,繪制大腦計劃越來越受到全球矚目。

構建更好的大腦模型

繪制大腦的曆史由來已久。雖然「大腦」這一術語最早出現在公元前4200年的埃德溫·史密斯紙莎草紙文稿(一個古埃及醫學文稿)中,但是,亞裡士多德曾記錄了第一個連接模型,表明人類大腦不是一碗未分化的果凍狀物質。他的模型可以簡單直觀的看到三個部分:小腦,大腦,脊髓神經。現在,經過6000年的解剖、觀察、比較和思考,已經确定了10個部分。

我們想知道這個3磅重的脂肪體是如何運作的。

為什麼繪制大腦如此困難?斯坦福大學生物學、神經學和神經外科教授,麥克阿瑟研究員Robert Sapolsky曾表示:「我們對大腦的工作原理依舊所知甚少。」約55000個神經科學家,每周發表3000篇論文所做的貢獻真的就那麼少嗎?當然,Sapolsky的話略帶挑釁意味,但是,我把他的話解讀為我們積累了太多毫無用處的大腦事實,這也突顯了我們對于大腦的工作原理知之甚少。

然而,最新的研究成果似乎正在改變這一現狀。我認為繪制大腦計劃方興未艾有兩個原因:一、我們有非常棒的新工具來觀察大腦,不僅有對大腦的直觀描繪,還有關于電流、磁場和化學方面的内容。二、正如南加州大學世界一流的神經解剖學家Larry W. Swanson說的那樣,我們希望找到一個令人信服的理由,來解釋為什麼這10個基本結構能組合在一起。丫的,我們就是想知道這一坨三磅重的脂肪到底是如何運作的。

了解一個正常大腦是如何工作的,能在很大程度上幫助我們治愈一些嚴重而頑固的精神疾病(精神分裂症、創傷後壓力性心理障礙、臨床憂郁症)以及一些破壞性神經疾病(老年癡呆症、多發性硬化和盧伽雷氏症)。我們可以增強正常大腦的功能:提高記憶,加強學習能力以及提高運動技能。正如Buckminster Fuller曾經說過的,要想理解整個系統,最好的着手點就是将其可視化。

一個50歲的人對自己的承諾

我明白Bucky所說的。16年前,在我的50歲生日時,我承諾要用我的餘生來研究大腦。當然,我在醫學院的時候解剖過屍體,但那是很久以前的事了。因此,為了開展這項工作,我做了任何人都可能做的事:谷歌「人類大腦圖譜」。我喜歡簡單的開始。我想要一張「地圖」,裡面有主要的大腦結構和連接它們的神經元。我想要這些神經元根據其不同的化學信号(又叫神經遞質或者神經調節劑)進行不同的顔色标注。我想要這些神經元所連接的感受器的具體位置。但是,我在神經科學數據庫中發現了一個斷層區,就像視野中的盲點一樣。

在這裡需要強調的是,在我完成自己的大腦圖譜的13年裡,甚至連「繪制大腦」這個術語的含義都發生了變化。還是會有類似地圖冊的二維圖譜(像我的)。但是現在,有一個更好的術語來表述,即「大腦表征(或大腦圖式)」。EEG(腦電圖)和SQUID(量子擾動超導探測器)所照出的彎彎曲曲的圖譜,fMRI(功能性核磁共振成像)對大腦細胞(或神經元)輸入及運作時的彩色成像,甚至工程量巨大的「藍色大腦計劃」,上述這些以及更多不同技術都可以認為是繪制大腦。

最近,湧現出了很多諸如此類的十分詳細的計劃圖樣,而單單挑選出一個大腦模型來研究幾乎就和決定一個健康保險政策一樣的複雜。正如量子力學有自己的模型系統(氫原子),生物化學有自己的模型分子(血紅蛋白),而首先出現的神經科學的模式生物體在1963年登上了科學的舞台。那時的Sydney Brenner博士醉心于研究一種短小(1毫米)、近乎透明、繁殖力驚人的秀麗隐杆線蟲(Caenorhabditis elegans,現在大多稱之為C.elegans)。這種線蟲沒有大腦,但是其302個神經元在結構上和功能上都被研究透徹,結果表明其神經元是小型網狀結構。至少16個網站緻力于繪制C.elegans的神經結構,在這些網站裡你可以看到每個神經元的透視圖,以及其相應的結構和功能。當然,每一個非凡的生物研究都伴随着風險。 Cornelia I. Bargmann博士作為過去二十年來線蟲研究的佼佼者,她告訴一名《紐約時報》的記者,她的同事是這樣稱贊她的:他告訴我,作為科學家最強大的一點就是我能像線蟲一樣思考。

但是,回到我過時的大腦繪制工作上。1995年以前,我一直住在南加州,我們的「黑暗時代」由于家庭電腦的出現而迎來了曙光。使用AutoCAD繪圖軟件(當時非常棒的電腦制圖程序),就像我擁有了一台柴油機車出行一樣可以用其處理數據。事實證明,在圖形上和解剖學上,使用CAD軟件都能很好地繪制出大腦這樣的類似于集成電路的設計結構。最大的問題是當時沒有人對我需要的那些數據進行整理歸檔,(而現在有大量類似數據)。在加州大學舊金山分校一名十分有耐心的圖書館研究員的幫助下,我花了數年時間收集論文,并從其中一點點發掘出那些被埋藏的大量信息。

五年之後,人類大腦圖譜1.0(點此免費下載)終于面世。一位密友說那時的我過的是苦行僧般的生活。能保留數百條神經回路清晰可見的最小分辨率47*67英寸。由于AutoCAD是一款向量制圖軟件,所以我也将我的大腦圖譜印在了我的T恤衫上:「這是印在T恤衫上的大腦。」歡迎任何人将這個大腦圖譜印在自己的作品上。

我的圖譜描繪了120個皮層位點,400個皮層下位點,46種神經遞質的1400條獨特的神經通路,以及4500個感受器。沒有人确切知道人腦中神經元的平均數量。在2012年巴西科學家Suzana Herculano-Houzel博士降格了「一千億個神經元神話」,通過研究四個成年人的大腦,發現了成年人大腦平均約有860億個神經元。根據這個數字,我的圖譜描繪了成年人大腦的0.000000016%的神經元。(如果把這860億個神經元每一個想象成一個乒乓球,那它們可以組成一個邊長為90.4882萬英裡的立方體,在這龐大的結構中的某處,就是我繪制的1400個神經元)。在我看來,這意味着那些繪制大腦圖譜的瑞士同行們遲早也會瘋掉的。

浪漫的神經元

返回實驗室之前,我想快速聊聊另一種大腦繪制工作,因為它的成果可能會改變遊戲規則。它的重點不在全腦,而在單個神經元。這是巴羅神經學神經研究所(Barrow Neurological Institute)的Dorian Aur和加拿大西安大略大學(the University of Western Ontario)的Mandar Jogde所做的一項工作。他們認為,神經元傳遞的電化學信号攜帶了大腦要将其它轉換成數據、信息、知識甚至是智慧的信号。

有一個經典比喻說,神經元的工作原理就像廁所。沖廁所的時候,水槽中的水會增多,對神經元而言就是動作電位,當水槽滿了時候就會停止加水。這是一個不應期。數十年來一直困擾學界的問題是你能研究任何你想要的動作電位,但是你卻不能解碼50%以上的進入大腦中的信息。Aur 和 Jog,用一個四管電極,能解碼大約70%的信息。這就像是發現向西航行最終能到達東方。

最近,湧現出了很多諸如此類的十分詳細的計劃圖樣,但是,單單決定用哪個大腦模型進行研究幾乎就和健康保險決策一樣複雜。

繪制大腦最奇怪的地方就是它改變生物學的方式。不久之前,生物學家被認為是太傻或者懶得去學習數學,而且他們無法制定出可驗證的假設。(或者僅僅是我這麼認為?)當大批物理學家每周發現了新的「基本」粒子的時候,諾貝爾獎得主Laureate Enrico Fermi嘲諷道,「如果我能記住所有粒子的名字,我将會成為一個植物學家。」這不是恭維。生物學家收集事物并将其分類,然後結束整個工作。

現在,我們對大腦的工作原理依舊所知甚少。但是首先,我們應該知道該怎樣知道。認知的奧秘(悟性、思考、記憶、預感、創造力)将在未來20年破解。甚至一個世紀以來作為科學禁忌被遺忘的意識,也将由那些嚴謹的人來研究,因為他們認為這是了解宇宙、時間、物質和能量如何發展的一種方式。生物學已經成為了一門能涵蓋所有其他科學的科學。神經生物學可能會改變傳統科學的層次結構,代替物理學成為所有科學的基礎。換句話說,從塑料色拉碗到基礎科學,我們經曆了漫長的過程。

,

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关圖文资讯推荐

热门圖文资讯推荐

网友关注

Copyright 2023-2025 - www.tftnews.com All Rights Reserved