从小小线虫谈起——溯源神经系统进化，开启生命模拟

上世纪七十年代，秀丽隐杆线虫开始被研究者用作模式生物。秀丽线虫、果蝇、鱼、小鼠等模式生物的研究，为探索生物大脑运作机理提供了模板，也为类脑智能的研究铺平了道路。来自布兰迪斯大学、南加州大学、中国科学技术大学、香港城市大学、北京大学等的专家，和智源研究院的研究员们一起，就神经计算和生物智能的最新研究趋势发表了洞见。

整理：熊宇轩、杨依帆

编辑：李梦佳

论坛专家名单：

臧蕴亮丨布兰迪斯大学

温泉丨中国科学技术大学

刘强丨香港城市大学

马雷丨智源研究院

赵梦迪丨智源研究院

Bartlett Mel丨南加州大学

吴迅冬丨北京智源人工智能研究院生命模拟中心研究员

陶乐天丨北京大学生命科学学院研究员

杜凯丨北京大学人工智能研究院助理研究员

Neurons Use Structural Interactions to Increase Their Robustness to "noise" Perturbations（神经元通过结构耦合增强功能鲁棒性）

臧蕴亮丨布兰迪斯大学

【研究背景及意义】

神经元（或者神经系统）作为生物系统无时无刻不面临着各种各样的“噪声”干扰，比如环境噪声、温度改变或神经调质的调节作用等因素。这些“噪声”会直接改变支撑神经元产生电信号的离子电流，进而可能影响神经元的正常功能。因此，当神经元面临这些无法预知的“噪声”干扰时，如何抵御这些扰动，对于神经系统功能的鲁棒性具有重要意义。

过去的理论认为，神经元可以根据感应到的“误差”信号调整自身细胞膜上离子通道进而修复“噪声”诱发的功能损失。但是，这种修复策略可能需要花费数小时甚至数日，因为修复行为需要合成新蛋白质、并运输到神经元的对应部位，且这一过程存在着耗时、耗能以及空间精度的限制。

另一种理论认为，在一个2维或者3维空间中，神经元的不同离子通道通过协同改变，也可以帮助神经元维持功能的稳定性。但是现实中，一个神经元系统可改变的参数很多，比如将参数空间维度上升至15维，神经元的协同改变路径就会变得越来越窄。而且不像神经网络中的点单元，每个神经元都是不一样的。因此，不同的神经元需要寻找不同的协同改变路径。这些因素的叠加使神经元预知改变路径几乎变成了无法实现的挑战。

上述两种常见策略都无法解决神经系统面临扰动的功能鲁棒性问题，因为神经系统在非病变情况下功能非常稳定，并没有呈现频繁的“异常-恢复”模式。臧蕴亮博士这里提出了一种新的生物策略，他强调了神经元形态结构对抵御噪声干扰的作用。

【研究方法】

为了研究拥有个体差异性的神经元对不同离子电流电导改变的敏感度，臧蕴亮博士建立了1292个含有形态结构特征的神经元模型。通过给这1292个模型反复施加噪声扰动（每一个模型100次随机噪声测试）发现，当电流电导改变范围为±10%时，649个模型的输出模式可以100%的得到维持。将改变范围扩大时，每个模型的鲁棒性则出现下降趋势。

那么这些功能更稳定的神经元电导参数分布是随机分布还是存在一定规律？研究发现，除PY神经元抑制性输入电导值偏高，其他电导参数均匀分布在相应的范围内。这说明，鲁棒性强的模型是分布在整个参数空间内，而非集中在某一些特定区域。而且扰动比较小时鲁棒性强的模型在面临大的扰动时，会逐渐失去鲁棒性的优势。

通过进一步的研究发现，胞体（soma）和轴突（axon）间电信号的耦合可以使神经元输出信号的鲁棒性达到最优，一旦二者之间的耦合强度偏离生理范围，神经元的鲁棒性能急剧衰减。

【总结及展望】

Eve Marder 实验室的臧蕴亮博士通过对1292个模型及其子模型的观察研究，探索了神经元利用结构间相互耦合作用去强化抵御生物“噪声”干扰的鲁棒性机制。这个研究表明即使神经元之间存在着个体差异性，生物进化过程仍然找到了普适性的机制去帮助神经元抵御不可预知的“噪声”干扰，进而维持神经系统功能鲁棒性。

Organizing Behaviors across Timescales（不同时间尺度下的行为组织机制&