神经系统是人体内最为复杂的系统之一，其结构繁杂、功能众多。对神经系统轻微的损伤，都可能造成损伤部位对应功能的瘫痪，导致严重的后果。然而，我们目前对神经系统细胞层面的了解仍然很少。近日，一项刊登在《Science Advances》的研究，为我们对神经系统细胞层面提供了更深入的了解。
图片来源：Pixabay
很多神经疾病的病因都位于神经系统的细胞层面，其对应的药物也多作用于这些位置。很多科学研究都会利用生物物理模型来探索大脑最深层次的奥妙。可是，现存的模型并不准确。它们大多假定大脑内部的细胞完全相同，可是我们早就已经知道大脑内部细胞不可能完全一样。建立在错误假设基础上的研究，会对结果的准确性造成很大的影响。
为了解决这个问题，来自新加坡、西班牙和荷兰多所大学的科学家，利用人脑连接组计划（Human Connectome Project）参与者的功能性磁共振影像（fMRI）和机器学习，重建了人类大脑的模型。这一研究成果，为大脑内部结构和功能提供了更深刻的洞见。
功能性磁共振影像作为一种非侵入式成像方法，可以让科学家在无需进行手术的情况下清晰地看到大脑内部的结构。类似的检查其实早已在临床广泛普及，是医生诊断病情的得力助手。
和以往大脑模型不同的是，这项新研究利用了机器学习算法，展现了大脑不同区域神经细胞的差异性。同时，新模型可以精确到更微观的级别，刻画了大脑处理信息的流程。这两项功能的实现，得益于机器学习算法的高速处理和对细微差别的辨析。
▲（A）68个研究区域中环式连接的强度；（B）68个研究区域的皮质下输入刺激强度（图片来源：《Science Advances》论文截图）
通过对更精确模型的研究，研究人员发现大脑视觉区、听觉区、触觉区的神经细胞展现出了和思考区、记忆区完全不同的特性。神经细胞之间的层级结构也体现了大脑处理信息的层级流程。
新的大脑模型和发现可以帮助科学家用更精准的工具探索神经系统疾病，并帮助他们更好地理解病理机制，寻求对应的治疗方法。
因为人工智能也采用了类似人脑的层级结构算法来进行运算，研究的主导人，国立新加坡大学神经科技研究所助理教授Thomas Yeo博士表示：“新模型中所展现出大脑中不同区域的微观层级结构可以为人工智能的深度发展提供更多线索。”
参考资料：
[1] NUS scientists harness machine learning to uncover new insights into the human brain. Retrieved Jan 16, 2019 from https://www.eurekalert.org/pub_releases/2019-01/nuos-nsh010919.php
