人腦包含大約1000億個神經元，每個神經元都有數千個神經突觸連接。

盡管單個神經元具備精細的信息處理能力，但它們只有通過不同的突觸連接模式形成特定的神經環路，才能執行某種特別的功能。這才讓我們的大腦成為了一臺強大的計算機。

從微環路里幾個神經元到大尺度的數百萬神經元，數十年的大量研究讓我們了解了它們的各種連接模式以及功能。然而單個的神經元是如何實現大腦復雜精妙的功能的呢？神經元的連接模式是否存在更一般性的原理呢？

2021年9月3日，Science雜志重磅推出了頂級神經科學家駱利群院士的綜述文章：Architectures of neuronal circuits。

這篇綜述提煉出了關鍵的環路建構模式，并指出其潛在的功能以及它們是如何在進化發育中涌現出來的。駱利群院士通過把神經元比喻為字母，微環路比喻為單詞，神經環路比喻為句子，大腦比喻為整篇文章，深入淺出地解釋了神經環路架構的一般性原理。

值得一提的是，駱利群院士還單獨編寫了經典教科書--《神經科學原理》。強推| 神經科學的重磅工具書——《神經生物學原理》

因此，brainnews編輯部在這里對這篇綜述進行深入解讀，以饗各位讀者。

早在一個世紀以前，卡哈爾（Cajal）等人就已經提出單個神經元是神經系統的基本單位。Cajal還進一步提出，單個神經元內的信息是從樹突傳到胞體再到軸突的。

作者認為，盡管現在已經通過單神經元示蹤、電鏡重建、跨突觸示蹤、以及電生理和光遺傳等技術建立了大量神經環路的圖譜，我們卻依舊不清楚在不同的物種、不同的腦區中，神經環路架構是否存在更為一般性的原理。了解這些連接模式如何介導特定的功能，可以讓我們解碼神經系統中信息處理的原理，并進一步激發人工智能的發展。

文章里，作者討論了神經元如何通過突觸連接的特定模式相互通信的基本原理。作者把神經元比喻為字母，大腦比喻為整篇文章，而微環路就是字母組成的單詞，神經環路則是單詞組成的句子。不同腦區使用的不同單詞就是環路模體（circuit motifs），而環路模體又進一步組成了復雜的神經環路架構。

常見的環路模體（motifs）

1．前饋激活

信號從一個神經區域流向另一個神經區域的主要方式是通過前饋激活，即興奮性神經元之間的一系列連接。在每個階段，神經元通常從多個突觸前神經元（會聚激活）接收輸入，并通過分支軸突將輸出發送到多個突觸后神經元（發散激活）。

會聚激活可以使突觸后神經元選擇性地響應并非單獨或明確存在于任何突觸前神經元中的特征。如果多個輸入神經元攜帶相同的信號但不相關的噪聲，它還可以提高信噪比。發散激活允許多個下游通路處理相同的信號。

前饋激活最典型的例子之一是哺乳動物視覺系統，其中信號始于光感受器→ 雙極細胞 → 視網膜神經節細胞 → 外側膝狀核 (LGN) 中繼神經元 → 第 4 層初級視覺皮層 (V1) 神經元 → V1 神經元其他層 → 較高皮層區域的神經元。沿著這些前饋通路，視覺信息從簡單的光強度轉化為對比度、邊緣、物體和運動。

2．前饋抑制和反饋抑制

在前饋抑制中，抑制性神經元接收來自突觸前興奮性神經元的輸入，并且抑制和突觸前興奮輸入都匯聚到同一個突觸后神經元上。

在反饋抑制中，抑制性神經元接收來自興奮性神經元的輸入并將其投射回通常在其突觸前末梢的興奮性神經元。

前饋抑制比反饋抑制作用更快，因為它在興奮信號后僅以一個突觸延遲到達突觸后靶細胞，而反饋抑制有兩個突觸延遲。前饋抑制與輸入強度成正比，而反饋抑制與輸出強度成正比；兩者都用于調節傳入興奮信號的持續時間和幅度。

3．側向抑制

側向抑制通過放大并行路徑之間的活動差異來選擇要傳播到下游環路的信息，其一般目的是加強要由下游環路處理的行為學相關信息。

4．相互抑制

如果A和B都是抑制神經元， A直接抑制B，則激活A將解除對B 的目標神經元的抑制。如果B也抑制A，則它們形成相互抑制模體。相互抑制廣泛用于表現出節律活動的回路，例如與運動、睡眠有關的回路。

針對特定功能的特定環路架構

1．連續地形圖

連續地形圖是神經系統傳遞信息的常見架構。相鄰的輸入神經元通過有序的軸突投射連接到相鄰的目標神經元。一個主要的例子是視覺的中樞有序投射。

連續地形圖提供了一種處理連續階段組織信息的便捷方式。它們具有多種計算優勢。例如，將在功能上更經常相互連接的環路元件放置在彼此附近，地形圖可以通過最小化布線長度來節省能源。

2．離散并行處理

離散并行處理允許通過離散信息通道并行表示和處理信號。一個典型的例子是脊椎動物嗅球和昆蟲觸角葉：表達相同氣味受體的嗅覺受體神經元散亂分布在嗅球中，卻將它們的軸突發送到同一個嗅小球上，從而提高了信噪比。

3．維度擴展

在維度擴展架構中，來自相對少量輸入神經元的信號發散到大量輸出神經元上，允許輸出神經元表示輸入信號的不同組合序列。兩個主要的例子是昆蟲蘑菇體和脊椎動物小腦。

在這兩種情況下，只有相對少量的輸入，而輸入激發模式的微小差異可以更容易地通過突觸后神經元的群體激發模式來區分。

4．循環回路

神經系統充滿了循環回路，神經元通常通過一些中間的神經元最終投射回自身。例如，在哺乳動物視覺系統中，除了來自 LGN → V1 → 較高皮層區域的自下而上投射外，來自較高皮層區域 → V1 → LGN 的自上而下投射還具有注意力控制等多種功能。

5．偏倚輸入-分離輸出

調節神經元在神經系統中也有重要功能。在小鼠中，中腦多巴胺，中縫背血清素和下丘腦甘丙肽系統在群體水平上都采取偏倚輸入-分離輸出架構。

一個例外是藍斑去甲腎上腺素系統。在種群水平上，投射到一個大腦區域的藍斑去甲腎上腺素軸突也廣泛地投射到其他區域，表明藍斑去甲腎上腺素系統采用整合和廣播架構來調節全局大腦狀態（例如喚醒）。

進化和發育的觀點

計算機環路是自上而下設計的產物，而復雜的神經元環路已經進化了數億年。作者指出，神經元回路在發育過程中使用進化選擇的遺傳指令自組裝，并通過經驗進行微調。因此，現有的神經環路結構很可能是在演化過程中很容易進化和組裝的那些選擇。

1．神經環路的進化

一些核心模體的普遍存在，例如前饋激活和前饋/反饋抑制，可能起源于具有中間神經元和中樞神經系統的動物，并且由于其實用性而在不同物種中保守并在每個物種內的神經區域中傳播。

昆蟲和脊椎動物嗅覺系統的嗅小球組織很可能是趨同進化的結果，因為從它們最后一個共同祖先沒有這種組織，并且使用不同類型的分子作氣味受體。

神經系統的逐漸復雜化需要神經元數量、神經元類型及其連接和大腦區域的擴展。所有這些過程都必須由 DNA 的變化引起。進化創新的一個關鍵機制是基因的復制和發散。

大腦區域進化的復制和發散原則上應該使神經元回路模塊化：復制單元內的豐富連接和單元之間的稀疏連接。反過來，神經元回路的模塊化特性可能會加速進化，因為不同的模塊可以相互獨立地進化。

2．神經環路的發育

進化主要通過在發育過程中修改參與環路布線的基因來對神經元回路施加影響。用有限數量的基因建立大量連接的特異性的一種策略是使用相同蛋白質的不同表達水平來指定不同的連接。

實現組合編碼的一種有效方法是將接線過程劃分為不同的時空步驟，相同的布線分子可以在不同的時間和地點使用。自發和經驗驅動的神經元活動進一步完善了突觸連接。

展 望

我們才剛剛開始深入了解在復雜神經系統中產生環路結構的進化和發育過程。接下來可以研究建立這些連接模式并作為其功能基礎的機制。整合對神經元回路的結構、功能、發育和進化的研究，將使人們能夠更深入地了解超越單個神經元水平的神經系統組織。

此外，了解不同架構如何在單個神經系統中協作也應該會激發新的人工神經網絡，這些網絡有朝一日可能會實現通用人工智能。

原文鏈接：

https://www.science.org/doi/10.1126/science.abg7285

編譯作者：C57（brainnews創作團隊）

校審：Simon（brainnews編輯部）