研究人员借助高速光学成像更深入地观察活体脑活动
Nature Methods中描述的一种新成像平台，可能会拓展科学家研究大脑信息处理的方式，因为它能够在活体组织中同时捕捉近200个神经元的电活动。该系统名为 FlatMux，旨在记录那些快速、微弱且通常难以大规模观测的信号，尤其是在大脑深部。
这项工作解决了神经科学中一个长期存在的技术难题。脑回路由密集的神经元网络构成，这些神经元并行计算，但许多现有工具要么无法一次采样足够多的细胞，要么无法达到足够深的成像深度，要么无法足够快地捕捉快速电事件并保持有用的保真度。新平台的目标是同时改善这三项限制。
根据所提供的源文本，FlatMux 可在一个或多个平面上同时记录近200个神经元，成像深度最高可达500微米，帧率高达每秒2,000帧。该系统据称每秒可实现1.5亿次采样，同时尽量减少可靠检测单个神经元活动所需的能量。
这些性能指标很重要，因为电信号的展开时间尺度极短。方法如果太慢，就可能错过关键动态；如果无法成像到足够深的区域，就可能遗漏皮层的相关层次；如果一次只能捕捉少量细胞，就难以揭示分布式处理在真实网络中究竟如何运作。
为什么观察神经元“发光”比直接看电活动更难
神经科学家有许多研究大脑的方法，但每种方法都有取舍。电极探针可以直接检测电活动，但它们具有侵入性，也无法自然呈现细胞位置或身份的光学视图。基于荧光的光学方法可以保留空间信息，但历史上受限于信号强度、速度、视野或成像深度。
这正是 Rockefeller 团队试图缩小的差距。通过直接以荧光方式成像电活动，研究人员不仅能看到神经元何时活跃，还能推断这些神经元位于何处，以及它们可能属于哪类细胞。原则上，这使得在同一实验中把回路行为与解剖结构、细胞身份联系起来变得更容易。
这项研究更广泛的科学动机很直接：理解大脑功能需要从单细胞描述，转向网络层面的解释。源文本正是以这样的方式表述这一问题。多年来，该领域的很多工作都聚焦于单个神经元的响应特性。但感觉、行为和认知，源自跨层次、跨空间相互作用的大型细胞群体。
实时捕捉这些关系一直很困难。信号很弱，组织又很复杂，而提高成像能力会带来实际和生物学上的限制。FlatMux 似乎是在尝试围绕这些限制进行优化：一方面降低检测单个神经元活动的能量成本，另一方面把扫描策略扩展到足够快，以覆盖大量神经元。
FlatMux 可能带来的可能性
源材料中最重要的说法，不只是该平台更快，而是它兼具灵敏度、速度和深度，可能让研究人员绘制彼此功能连接、并发生因果相互作用的神经元图谱。这一差别很重要。许多实验可以显示相关性，但要解析活体脑组织中的活动如何在回路中传播，就需要能够在真实条件下同时观察足够多相关细胞的工具。
如果该系统如描述那样运作，研究人员就有可能开始研究信息模式如何跨越皮层层次移动，而不只是从少量细胞的局部快照中进行观察。这将支持关于感觉处理、网络动力学，以及神经元群体如何共同产生行为的机制研究。
这里的深度尤其重要。成像深度达到500微米意味着，研究人员可以观察到比许多光学方法更深处的活动。这增加了捕捉跨多个皮层组织层次相互作用的可能性，而不仅仅是表层成分。
系统据称还能同时在一个或多个平面上工作，这一点同样重要。神经计算本质上是三维的。重要相互作用并不会整齐地排列在单一平面上。能够在保持高速的同时采样多个平面的平台，更有可能呈现真实回路的结构。
从单神经元神经科学到分布式计算
Rockefeller 神经技术与生物物理学实验室负责人 Alipasha Vaziri 在源文本中指出，该领域正在从把大脑理解为一组独立响应特性的集合，转向把它理解为一个高度互联、执行分布式计算的系统。这既是概念上的变化，也是技术上的变化。
工具会塑造理论。当方法只允许科学家很好地监测少数神经元时，自然的分析单位就会是单个细胞。随着仪器进步，分析单位可以转向回路、层次，或分布式网络。FlatMux 被呈现为一种可能推动这一转变的工具，因为它让更大规模的电活动成像在活体组织中变得更可行。
这并不意味着难题已经解决。更好的观测并不会自动转化为完整的大脑计算理论。但它确实会改变哪些问题能够被实验触及。研究人员可能会更有条件去追问：信息在互联神经元群体中如何被转换，活动模式如何同步或分化，以及特定细胞类型如何参与共享计算。
一项具有广泛研究意义的技术进展
这项研究被定位为光学神经技术中的一个标杆平台。如果后续工作证明这一点成立，它的价值将不仅限于某一个实验室。那些改善速度、规模和深度之间权衡的方法，往往会成为多种实验的基础性工具，尤其是在系统神经科学中。
目前，关键结论是：研究人员已经描述出一种方法，能够以比传统光学方法通常更高的速度、更大的规模和更深的深度，成像更多神经元的电活动。在一个核心挑战是理解海量互联神经元如何共同计算的领域里，这是一项有意义的进展。
大脑仍然很难按自身的方式被观察。但一种能够在活体组织中一次追踪近200个神经元、同时保留空间和细胞类型背景的平台，可能会让科学家更清楚地看到认知如何从回路中涌现，而不是从孤立部分中产生。这就是 FlatMux 背后的承诺，也正因此，这项技术发展不仅仅是一次渐进式的成像升级。
本文基于 Medical Xpress 的报道。阅读原文。
Originally published on medicalxpress.com