麻省理工学院如何破解简单动物大脑和行为之间的联系

麻省理工学院 研究人员对秀丽隐杆线虫微小大脑中的神经元如何编码其行为进行了建模和绘制，揭示了对其神经系统强度和可塑性的许多新见解。

为了理解大脑活动和行为之间的复杂关系，科学家们需要一种方法将这种关系映射到整个大脑中的所有神经元。 到目前为止，这一直是一个难以克服的挑战。 但在为此目的发明了新技术和新方法后，麻省理工学院皮考尔学习与记忆研究所的一组科学家对一个谦虚的人微小的、可控的大脑中的神经元进行了精确的计算。 线虫 一条蠕虫，展示其脑细胞如何编码几乎所有基本行为，例如运动和进食。

在日记中 8月21日的牢房 该团队提出了新的大脑水平记录和数学模型，可以准确预测神经元代表蠕虫行为的不同方式。 通过将该模型具体应用于每个细胞，研究小组制作了一个图集，其中显示了大多数细胞的编码方式以及动物行为所涉及的回路。 因此，该图谱揭示了蠕虫大脑如何在环境条件发生变化的情况下产生复杂而灵活的一系列行为背后的“逻辑”。

研究的见解

麻省理工学院脑与认知科学系副教授、资深作者斯蒂芬·弗拉维尔（Stephen Flavell）说：“这项研究提供了一幅关于动物神经系统如何调节以控制行为的全球图谱。” “它显示了构成动物神经系统的特定神经节有多少编码微妙的行为特征，以及这如何取决于动物最近的经历和当前状况等因素。”

研究生 Jungsoo Kim 和 Adam Atanas 是该研究的主要作者，他们今年春天分别获得了研究博士学位。 他们还在一个名为的网站上向其他研究人员免费提供所有数据、模型结果和图集 蠕虫病毒。

典型神经/行为数据集的 2 分钟摘录。 蓝色、橙色和绿色的点是跟踪目标，这使得团队能够找到蠕虫的头部并使动物保持在中心位置。 单独的显微镜视图（未显示）跟踪每个脑细胞的同步活动。 图片来源：Flavell Lab/MIT Picware

高级技术和注意事项

为了进行开发模型所需的测量，弗拉维尔的实验室发明了一种新的显微镜和软件系统。 这种设置会自动跟踪蠕虫的几乎所有行为（移动、进食、睡眠、产卵等）以及其头部每个神经元的活动（这些细胞被设计为在钙离子积聚时闪烁）。 当蠕虫蠕动和弯曲时，可靠地区分和跟踪离散神经元需要使用最先进的工具编写定制软件 机器学习。 科学家报告说，它对单个神经元活动的采样准确率达到 99.7%，与以前的系统相比，信噪比有了显着改善。

研究小组使用该系统记录了 60 多条线虫在盘子里走来走去、做自己想做的事情时的同步行为和神经数据。

数据分析揭示了关于蠕虫神经活动的三个新观察结果：神经元不仅跟踪当前的行为，而且还跟踪最近的行为。 他们根据各种令人惊讶的因素来调整自己的行为编码，例如运动； 许多神经元同时编码许多行为。

例如，虽然在一个小实验室培养皿周围蠕动的行为似乎是一个非常简单的行为，但神经元会考虑诸如速度、方向以及蠕虫是否正在进食等因素。 在某些情况下，它们代表了动物在大约一分钟内的运动。 通过编码最近的运动，而不仅仅是当前的运动，这些神经元可以帮助蠕虫计算其过去的行为如何影响其当前的结果。 许多神经元还结合行为信息来执行更复杂的操作。 就像人类司机在倒车或前进时必须记住倒车一样，蠕虫大脑中的一些神经元整合了动物的运动方向和转向方向。

通过仔细分析神经活动与行为之间的关系，科学家们开发出了 线虫 概率神经编码模型。 该模型封装在一个方程中，解释了每个神经元如何考虑不同的因素，以准确预测神经活动是否以及如何反映行为。 线虫头部大约 60% 的神经元已经负责至少一种行为。

在拟合模型时，研究团队使用了概率建模方法，使他们能够了解对每个适当模型参数的确定程度，该方法由合著者 Vikash Mansingka 首创，他是麻省理工学院概率计算项目的首席研究科学家。

图集建设

通过创建一个可以量化和预测任何给定脑细胞如何代表行为的模型，研究小组首先从神经元收集数据，但没有跟踪细胞的具体身份。 但研究蠕虫的主要目标是了解每个细胞和电路如何影响行为。 因此，为了将该模型的能力应用于蠕虫的每个特定神经元（所有这些神经元之前都已被绘制），该团队的下一步是将地图上每个细胞的神经活动和行为关联起来。 这样做需要为每个神经元命名一个独特的颜色，以便其活动与其身份相关联。 研究小组在数十只自由活动的动物身上进行了这项研究，为它们提供了有关线虫头部几乎所有特定神经元与动物行为的关系的信息。

这项工作产生的图谱揭示了许多见解，完整绘制了控制每种动物行为的神经回路。 弗拉维尔说，这些新发现将使人们更全面地了解如何控制这些行为。

“我们被允许完成圆圈，”他说。 “我们希望当我们的同事研究神经元回路功能的各个方面时，他们可以参考这个图谱来获得所涉及的关键神经元的相当完整的视图。”

神经可塑性

该团队工作的另一个关键结果是一个有趣的发现，虽然大多数神经元始终服从模型的预测，但线虫大脑中的一小部分神经元（约占编码行为的 30%）能够灵活地重新映射其行为。新角色。 该组中的神经元在动物之间确实相似，并且在线虫的突触接线图中彼此连接良好。

从理论上讲，这些重新映射事件可能因多种原因而发生，因此研究小组进行了更多实验，看看它们是否会导致神经元重新映射。 当蠕虫在盘子周围蠕动时，研究人员使用激光加热蠕虫头部周围的琼脂。 热量是无害的，但足以扰乱蠕虫一段时间，导致动物的行为状态发生持续几分钟的变化。 从这些记录中，研究小组能够看到，当动物改变行为状态时，许多神经元正确地重新映射了它们的行为编码。

“行为信息在大脑中以多种不同的形式丰富地表达——具有不同的调谐、时间尺度和可塑性水平——适合大脑中特定类别的神经元。 线虫 神经网络，”作者写道。

参考：“跨越多个时间尺度和状态的行为的大脑级表征 线虫作者：Adam A. Atanas、Jongsu Kim、Xiu Wang、Eric Bueno、McCoy Baker、Dae Kang、Jungyeon Park、Talia S. Kramer、Flossie K. Wan、Saba Pasquillo、Ugur Dag、Elbiniki Kalogeropoulou、Matthew A. Gomez、Casey Estrem、Nita Cohen、Vikash K. Mansingka 和 Stephen W. Flavell，2023 年 8 月 21 日，可在此处获取。 细胞。
doi：10.1016/j.cell.2023.07.035

除了 Atanas、Kim、Mansingka 和 Flavell 之外，该论文的其他作者还有 Xu Wang、Eric Bueno、McCoy Baker、Dee Kang、Jeongyeon Park、Talia Kramer、Flossy Wan、Saba Pasquello、Ugur Dag、Ilbeneke Kalogeropoulou、Matthew Gomez 、凯西·埃斯特雷姆和妮塔·科恩。

研究经费来源包括 美国国立卫生研究院美国国家科学基金会、麦克奈特基金会、阿尔弗雷德·斯隆基金会、皮考尔学习与记忆研究所和 GPP 基金会。