查看原文
其他

1个MIT博士的极限挑战:在凌晨3点,“潜入”线虫意识

科研圈 2018-10-18

图片来源:CNN


尤金•李(Eugene Lee)本科毕业于位于英国伦敦的帝国理工学院(Imperial College London),随后进入了麻省理工学院大脑与认知科学系攻读博士。他本想破解大脑的奥秘,却因此成为了一名或许在世界范围内都独一无二的“线虫训练师”


撰文 Justin Chen

翻译 李杨

审校 魏潇


回忆的过程有点像召唤那些已不再的地方或者人的魂魄。儿时你潜水去摸游泳池底时感受到的耳朵里的压力。或者和家人一起走过果园时,从树枝上摘下的苹果——这样的场景不知不觉地在我们的脑海中浮现,大脑通过一种气味或声音就把它们永久保存了下来。


尽管记忆看上去是空灵的,但科学家们相信,它们可能通过神经元之间的连接——也就是突触来储存。从理论上讲,如果拿到了一个人大脑内记录每个神经元和突触位置的“地图”,那么你就可以获得 TA 一生中的所有记忆。


拥有这样一张连接组地图,将改变我们对人脑和意识的理解。通过对比健康和不健康大脑的神经连接,研究人员可以设计出治疗精神疾病的新方法。还有一些神经科学发烧友们希望将这个概念运用到极致,他们想象着这样一个未来:如果将记忆上传到机器人身上,人类就可以获得某种形式的永生。


然而,神经连接组虽拥有广阔的前景,但同样要面临艰难的挑战。


人脑大约拥有 860 亿个神经元和 100 万亿个突触,其复杂性几乎是无限的。尽管科学家已经开始绘制一些特定的密集神经核团的图谱,但他们可能需要数千年才能完整地扫描整个大脑。


正如普林斯顿大学著名神经学家承现峻(Sebastian Seung)所言:“绘制出完整的人类脑连接组图是有史以来最大的技术挑战之一。这需要几代人的努力才能成功。”



线虫训练师

为了搞清楚这个问题,尤金•李(Eugene Lee)正在麻省理工学院(Massachusetts Institute of Technology)校园里一间没有窗户的房间里辛苦劳作——这里一半是实验室,一半是图书馆。李是 MIT 大脑与认知科学系的博士研究生,他花了四年时间研究线虫的神经连接组。这个项目虽然没有绘制人脑神经连接组的蓝图那样宏伟,却可以回答一个基本问题:动物是如何学习的


李在麻省理工学院霍维茨实验室的工位上。 图片来源:Jaclyn Jeffrey-Wilensky/STAT 


即将 30 岁的李穿着条纹衬衫,说话语调流畅,带着他在伦敦帝国理工学院(Imperial College London)读本科时养成的英国口音。他的桌子上摆放着各种各样的东西,包括五颜六色的图表和一个毛绒动物玩具,这些东西都与一种叫做秀丽隐杆线虫C. elegans)的微小线虫有关。


李花了大量时间研究这些只有用显微镜才能看清的小虫子,并且试图通过重现一个世纪前伊万·巴甫洛夫(Ivan Pavlov)的代表性研究来分析它们的学习和认知过程


在巴甫洛夫的实验中,研究人员教狗把铃声和食物联系起来。这种行为被称为经典条件反射,是一种简单而强大的学习模式。


李将同样的模型用在了线虫身上。线虫的神经连接组在 30 年前首次被绘制成图谱,他从中了解到线虫身体里的神经元通过复杂的连接组成了网络,在学习过程中协同工作。但是只有教会它们对刺激做出反应,他才能知道信息到底是如何在神经系统内流动的


如果他的研究取得成功,其他科学家可能会从中受到启发,用李的方法来研究更复杂的动物。这还可能让研究人员确信花费巨大的时间和精力去绘制小鼠连接组甚至人类连接组图谱是值得的。


但是李发现,在这之前他还有很多座“山”要爬。毕竟,目前还没有任何训练线虫的操作指南


“你必须潜入线虫的意识,”李这么说道,“它为什么要学习?对虫子来说什么最重要?”


用肉眼观察,秀丽隐杆线虫并不引人注目。在皮氏培养皿中,这些线虫像一根根绒毛散布在米色胶状物质的光滑表面上,它们一生中的大部分时间都在寻找可以吃的细菌。但是,在显微镜下,它们能够成为一种超自然的生物。


线虫的身体是透明的,当它像波浪一样运动时,它会闪现出不同的纹理色泽。光滑的卵在体内排成一排,肠子又黑又细。它长长的躯干上有灰色斑点,像月球表面一样黯淡无光。


线虫  图片来源:Hyman Lab - MPI-CBG


李被秀丽隐杆线虫所吸引,因为它既简单又复杂。与人类相比,线虫只有 302 个神经元和 7000 个突触。虽然它无法模仿人类的认知,但实际上它们拥有惊人的学习能力和形成记忆的能力。这使它们成为利用神经连接组来解释动物行为的完美模型


“研究线虫和其他简单并高度驯化的动物,如果蝇,在帮助我们理解神经系统是如何工作的问题上取得了巨大的成功,”MIT 生物学教授罗伯特·霍维茨(Robert Horvitz)说。霍维茨是李的博士导师,在 2002 年和另外两个科学家一起被授予诺贝尔生理学和医学奖。


对李来说,这些实验是对耐力的磨炼。训练一只线虫需要 45 分钟,而一次完整的实验需要一个接一个地处理多只线虫,则会长达 8 小时


李正在训练线虫。训练一只大约需要45分钟。 图片来源:Jaclyn Jeffrey-Wilensky/STAT 


接下来,李将每只线虫暴露在它讨厌的紫色激光和一种水果味的酒精中——这种酒精通常不会引起线虫的任何反应。在 10 到 20 次训练后,线虫学会了将这两种条件联系起来——它们只要一闻到这种酒精的水果味,就会开始作呕把已经吃进去的细菌吐出来,然后蠕动后退。


在每次训练中,感觉信息以电流和化学递质的形式通过神经回路。对于线虫来说,神经信号回路从感受到光或气味的神经元开始,然后穿过其他神经细胞连接,最后进入负责呕吐或向后移动的肌肉细胞。李希望通过检测线虫的神经连接组,识别出一种与嗅觉神经元和光敏神经元都有连接的神经细胞。


“也许,”他说,“这种神经细胞是从两种感官中收集信息并进行学习的第一环节。”为了验证这个假设,李用激光来切断那些他认为有可能与这一过程有关的神经连接。如果被切断的连接构成了线虫的学习回路,那么它就无法将气味与激光带来的不良刺激联系起来。接下来需要系统地重复这个过程——摧毁邻近的神经元和连接并观察线虫的行为变化——从而追踪到负责将激光和气味联系起来的整个神经回路。



“隐居式”实验

他的工作需要坐在显微镜前,左右手相互配合地对付一只只的线虫,像个专注的乐队鼓手。他的右手拿着一个装满水果味酒精的吸头靠近虫子提供气味刺激,当虫子在培养皿中蜿蜒盘旋时,这只手要小心翼翼地跟随它的移动轨迹,确保线虫能闻到味道。几秒钟后,他的脚在地板上踩下一个踏板来激活激光,将两种刺激配对。接下来,在测试线虫是否对气味形成条件反射时,李的左手食指会在线虫负责进食消化的肌肉绷紧和放松时,通过敲击键盘记录进电脑中,这是测量呕吐反射的方式。


李是个喜欢隐居生活的人,他通常从中午 12 点工作到凌晨 3 点。他的周围总是环绕着褪色学术期刊和放满了培养皿的架子。晚间休息时间段的实验室既沉重又轻快,几乎像是在寂静和虚无中飘浮着一样。


李在霍维茨实验室工作到深夜。 图片来源:Jaclyn Jeffrey-Wilensky/STAT 


他几乎不会分心,也不用担心与其他研究人员抢设备。也常在实验失败的磨砺中拥有一个属于自己的胜利时刻。“我喜欢在晚上工作,”他说。“如果你看到什么令人兴奋的结果,你可以大喊大叫。你可以徘徊在自己是第一个知道这件事的感觉中。如果身边有人,这种魔力就消失了。”

  

李第一次对科学感兴趣是在中学的时候,当时他正在做一个实验,用家用家庭材料从组织样本中提取 DNA。读了弗朗西斯·克里克(Francis Crick)的《疯狂的追求》(What Mad Pursuit)和其他关于发现 DNA 结构的文章后,他在高中时就决定要进实验室工作。


 


“我当时在帮助另一位科学家,他当时正在用量子点来检测癌症,”他回忆道。“无论什么时候,只要有方法见效,我和同一个项目的博士后就不吃晚饭,工作到半夜。在科学上获得了某种动力以后,它会催动你去找下一个,然后你就会发现自己正在推动着自己的好奇心向前走。


每个科学家都在努力做出伟大的发现,但突破性的成果往往要靠微小的实验一点点地重复积累出来。科学研究不会次次符合人们的预期,科学家的努力程度也可能与他们的成就无关——只要在实验中遇到问题,他们就会变得异常忙碌。


李花了几个月的时间,调整激光的强度,决定使用哪种气味,以及修改其他变量,来寻找训练线虫的最佳方法。


为了保持头脑清醒,他每周都会去新罕布什尔(New Hampshire)学马术。尽管他是一时兴起而选择这项运动的——其实他只是想找一项英式的、与自己在新加坡的童年爱好迥然不同的运动——但这与他长期从事的研究工作有相似之处。


作为一个初学者,李花了两年的时间学习如何控制马的小跑,然后才开始学习跳跃。即使在今天,他仍然跟随他的教练交替进行小跑和跳跃课程,以保证自己的基本功足够扎实。“基础训练之后我总会跳得更好,”他说。“马术教会了我,基础很重要,循序渐进的步骤最终会带来大的飞跃。”


就像科学一样,马术运动也有不可避免的艰难部分。李说:“即使你学会了如何把事情做好,有时也会有失败的时候。比如你分心了……实验出了问题。这就是事实。”



神经科学的难题

在过去的 200 年里,研究人员一直从两个截然不同的角度研究认知。一个是通过对大脑进行大范围的观察,将控制身体运动或情绪等特定功能分配到大脑的特定区域。另一个是在显微镜下,描述单个神经细胞的特性,观察它们如何通过电信号和化学信号进行交流。


虽然神经元本身是相对简单的细胞,但是这两种方法都难以解释它们是如何组织成回路来共享信息、做出复杂的决定并且形成意识的。


通过将神经连接组与功能测试(如杀死或开关神经元)相结合,研究人员发现了神经回路的工作原理。在秀丽隐杆线虫中,科学家们用这种方法解释了多种行为,包括线虫如何利用气味来规避危险的细菌,神经递质 5 -羟色胺如何刺激产卵,以及雄性在食物面前优先选择性行为。


能证明神经连接组潜力的最奇怪的证据发生在 2015 年,当时一群生物学家和计算机科学家将线虫神经连接组上传到了乐高机器人中。在这台由灰色、米色和红色零件组成的块状机器中,机械设备代替了线虫的部分解剖结构。这个机器人没有嗅觉神经元,而是装载了一个正向声纳传感器感受信号。身侧用马达控制的的两个轮子,则代替了运动神经元控制的肌肉。


拥有线虫“意识”的乐高机器人。图片来源:ScienceAlert


在一个简化版的线虫意识的指导下,机器人拥有了生物行为的表现。当研究人员按压前后触摸传感器时,它会前后移动。当它偶然撞到墙上时,它会停下来,带着机械的嘶嘶声把轮子转过来,试着换一个方向前进。


这让研究人员得出结论:即使是一个简单的神经连接也能产生简单的行为。


但是线虫神经连组接能帮助我们解释更高级的生物的行为吗?科学家认为,线虫的研究经验适用于小鼠和人类。


为了生存,所有的动物——从昆虫到脊椎动物——都依赖于基本的行为,比如对动作的探测、反应以及联想学习。霍华德·休斯医学研究所研究中心(Howard Hughes Medical Institute research center)的科学家马尔塔·泽拉蒂(Marta Zlatic)说,这些行为背后的神经回路很可能是进化过程中被标准化的一种常见模式,只不过在不同动物中这种模式表现出了不同的变体


这种神经回路的相似性可以让研究人员有针对性地研究更大的大脑。换句话说,科学家们可以在小鼠脑内寻找已经在线虫身上研究过的特定神经模式,而不需要将整个小鼠的大脑图谱都绘制出来。


泽拉蒂说:“我们从较为简单的生物身上学到的东西已经为我们研究更大更复杂的生物提供了一种可验证的假说——这样你就可以跳过在更复杂物种的大脑中实施全面测试的困难步骤,直接去验证这个假设。”


秀丽隐杆线虫属于能在某些细胞中表达荧光蛋白的线虫品系。(图片来源:Eugene Lee/MIT)


针对秀丽隐杆线虫和其他简单动物身上的研究也表明,科学家们就算使用分辨率较低的神经连接组也能做出各种发现,因为神经连接组是一张“描绘”大脑的整体性地图,并不会给出其中每个神经元的精确位置。


“一边是只能观察到 10% 的大脑,另一边是可以观察到整个大脑,如果我选了后者,那我能得到些什么?”纽约洛克菲勒大学教授、陈·扎克伯格计划(Chan Zuckerberg Initiative)科学主管科里·巴格曼(Cori Bargmann)问道。“如果我没有退一步去了解整体情况的话,那我从观察高得令人难以置信的细节中又学到了什么?”


正如巴格曼所说,对于科学家来说,这些问题是一个“十分值得讨论、充满争议的”领域。


答案是不可知的,因为不论神经连接组多么有用,它仍然只是我们开始了解大脑复杂运作机制的一个入口。一张静态的图谱不能体现出神经连接组拥有的复杂波动性。神经连接组也不能告诉我们神经元是相互抑制还是相互激活——它不记录突触强度的变化,这是一种衡量神经元对其邻居有多大影响的指标。最重要的是,我们还需要考虑到一大群能够改变大脑活动的神经调节物质——它们在连接组图谱上也是是不可见的。


“线虫的神经连接组发表到现在已经 30 年了,可我们还没有真的解决线虫大脑的问题。”在霍维茨实验室完成博士后训练的巴格曼说,“我们的实验结果比我们预期的更加复杂和动态化。”


线虫的神经连接组图谱。图片来源:Scientific American


尽管如此,科学家们一致认为神经连接组是现代神经科学的一个重要组成部分,也许是最好的工具,因为它帮我们将大脑近乎无限的复杂性组织成了人类大脑能够理解的东西。


虽然科学家们不确定他们究竟能从脑连接组中学到什么,但受到线虫研究的启发,研究人员正在绘制其他动物的神经连接图谱,包括海鞘幼虫、果蝇幼虫和成虫、斑马鱼,以及老鼠的视网膜。


这些项目要花多少时间、能获得怎样的回报并不明确,这更多的是一种信念的体现。就像李在深夜里一丝不苟地训练他的线虫一样,神经科学家相信,只要循序渐进,一个接一个地解析大脑神经元的映射过程,终将带来重要突破。


“对于从事科学研究的人来说,”李说,“你可能不知道这项研究将引导你前往何方。但你要相信,当你有一天终于到达彼岸的时候,所有的努力都不是白费。”



本文来自微信公众号“科研圈”。查看英文原文请点击“原文链接”。如需转载,请在“科研圈”后台回复“转载”,或通过公众号菜单与我们取得联系。

科研圈

ID: keyanquan

点击关注,获取最新动态




更多故事,尽在👉领研网科研生涯频道



▽ 精彩回顾 ▽

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存