Science：揭示人类新皮层中的神经元连接方式与小鼠中的不同

yinfuhua

Science：揭示人类新皮层中的神经元连接方式与小鼠中的不同
' a+ y. E! U* Q+ e! f来源：生物谷原创 2024-04-30 13:23
. c6 [; R: K. N1 ~( m2 W7 m人类新皮层比小鼠的新皮层厚得多，也复杂得多。尽管如此，科学家们之前一直假设——部分原因是缺乏数据，它遵循相同的基本连接原则。; p" y6 G7 T+ B' c
在一项新的研究中，来自德国柏林夏里特医学院的研究人员发现与之前的假设相反，人类新皮层（neocortex）中的神经元连接方式与小鼠中的不同。他们发现，人类神经元的通信是单向的，而小鼠中的通信信号往往是循环流动的。这提高了人类大脑处理信息的效率和能力。这些发现可能促进人工神经网络的发展。相关研究结果发表在2024年4月19日的Science期刊上，论文标题为“Directed and acyclic synaptic connectivity in the human layer 2-3 cortical microcircuit”。; G" `; v9 v/ J7 o' P

9 n9 c5 [# O3 j/ C  L- Y  M新皮层是人类智能的关键结构，厚度不足五毫米。在大脑的最外层，200 亿个神经元处理着无数的感官知觉，规划着行动，并构成了我们意识的基础。这些神经元是如何处理所有这些复杂信息的呢？这在很大程度上取决于它们之间的“连接”方式。
7 S; R2 U$ A! j, g1 ^/ @% ^$ C+ f更复杂的新皮层，不同的信息处理方式
! y) U/ q5 F2 q7 I5 l3 ]- m1 k论文共同通讯作者、柏林夏里特医学院神经生理学研究所主任Jörg Geiger解释说，“我们以前对新皮层神经结构的理解主要基于小鼠等动物模型的研究结果。在这些模型中，相邻的神经元经常像对话一样相互通信。一个神经元向另一个神经元发出信号，然后另一个神经元再向它发出信号。这意味着信息经常以循环往复的方式流动。”
! R# T/ J; G# m7 X人类新皮层比小鼠的新皮层厚得多，也复杂得多。尽管如此，科学家们之前一直假设——部分原因是缺乏数据，它遵循相同的基本连接原则。Geiger及其研究团队如今利用极其罕见的组织样本和最先进的技术证明了事实并非如此。" p. b8 a( N1 v
聆听神经元通信的巧妙方法
3 W. V$ U, @; a- ^. [在这项新的研究中，这些作者研究了23名在柏林夏里特医学院接受了神经外科手术治疗耐药性癫痫的患者的脑组织。在手术过程中，医学上有必要切除脑组织，以便观察下面的病变结构。这些患者同意将这些脑组织用于研究目的。  x. l& A/ r6 U/ i% E3 Z/ s9 P
为了能够观察人类新皮层最外层相邻神经元之间的信号流，这些作者开发了一种改进版的“多通道（multipatch）”技术。这样，他们就能同时监听多达十个神经元之间的通信。因此，他们能够在这些细胞在体外停止活动前的短时间内进行必要数量的测量，以绘制网络图。总之，他们分析了近 1170 个神经元之间的通信通道以及约 7200 个可能的连接。$ m* V1 A! p+ K" A& Y7 U/ E1 ^
前馈而非循环& b% x7 Y# p: l7 n8 T
这些作者发现，只有一小部分神经元之间进行了相互对话。论文第一作者Yangfan Peng博士解释说，“人类的信息往往是单向流动的。它很少直接或通过循环返回起点。”他们根据人类网络结构的基本原理设计了一个计算机模拟，以证实这种前向信号流动在处理数据方面的益处。
) k& m; O% |8 G' o" \ , ], H5 K+ y5 H9 Q# @
图片来自Science, 2024, doi:10.1126/science.adg8828
; Q# v$ \$ j1 Q1 p& X  x7 D这些作者给人工神经网络布置了一项典型的机器学习任务：从口语数字录音中识别正确的数字。在这项语音识别任务中，这种模拟人类结构的网络模型比以小鼠为模型的网络模型获得了更多的正确响应。它的效率也更高，同样的成绩在小鼠模型中需要相当于 380 个神经元，而在人类模型中只需要 150 个神经元。
3 c7 \+ s. n; f6 ^$ b人工智能的经济学榜样？
1 Y5 W) e1 ]# X: O. pPeng解释说，“我们在人类身上看到的定向网络架构更强大，也更节省资源，因为更多独立的神经元可以同时处理不同的任务。这意味着这种局部网络可以存储更多信息。目前还不清楚我们在颞叶皮层最外层的发现是否会扩展到其他皮层区域，也不清楚这些发现能在多大程度上解释人类独特的认知能力。”
$ Y# }+ p- l1 z$ T在过去，人工智能开发人员在设计人工神经网络时会从生物模型中寻找灵感，但也会不依赖于生物模型来优化算法。Geiger说，“许多人工神经网络已经使用了某种形式的这种前向连接，因为它能为某些任务带来更好的结果。人脑也显示出类似的网络原理，这令人着迷。这些对人类新皮层中具有成本效益的信息处理的新见解，可能为完善人工智能网络提供更多灵感。”（生物谷 Bioon.com）! D3 I1 }6 D- k. ~) H/ g0 \
参考资料：
2 u/ ]) M! v% Y/ i# ?1 m" GYangfan Peng et al. Directed and acyclic synaptic connectivity in the human layer 2-3 cortical microcircuit. Science, 2024, doi:10.1126/science.adg8828.
3 i4 }$ _% k0 c6 G; _' o  K) ~$ c- DWhen thoughts flow in one direction
4 C, ]. d9 B8 |. Z% ?https://www.charite.de/en/service/press_reports/artikel/detail/when_thoughts_flow_in_one_direction/# s1 r1 Z' S9 Y9 Y

) P, O8 l5 R8 ~7 C2 M; i