连接组学--神经科学的前沿 ------《连接组》读后感&读书笔记

我感到失望的一点是，有时候想出了一些让我自己引以为豪的想法，但不久之后会发现其实这个想法别人在很久之前就已经有了，并且做的更好。之前想过一种通过概念节点网络的模型来构建人的思维（具体就不展开了），看了《连接组》之后发现这本书完全把我的想法包含在内，而且走得更远。这就是现代科学残酷的一点，科学是大多时候是一个连续的过程，你能想到的东西可能别人早已想到。真正有重大突破的原创性的发现都只是极少数。有一个比较形象的说法是现代科学就像一台工业机器，而每个研究者只是这台机器上的一颗螺丝钉。因为在现代的科学网络结构中信息的流动性大大加强了，信息的不对称被减弱，因此可以说科学中是很少有捷径可以走的。书中有句话：“要想做到从未有人做到却又值得做的事，就一定要通过还不存在的方法。”（这种话不要用太逻辑的方式去分析，能理解所要表达的东西就行），也就是说新的发现需要工具或方法论上的革新。
这本书在介绍连接组学这门学科上做的很成功，对于一门新学科，将它对的由来发展、研究内容研究方法、取得的成就、挑战、对未来的展望都介绍的很清楚，结构很清晰。

一．由来发展

先大概地介绍一下连接组这门学科，连接组学主要是通过分析神经元之间的连接和组织方式来达到分析大脑的运行机制这一终极目的的一门学科。人类对大脑一直有着强烈的好奇心，而早先的颅相学则主要是通过一种整体论的方法对大脑进行功能的划分，这种划分其实是基于不太具有说服力的一种弱相关性的，因此可以说是不太成功的。而连接组学则是去寻找神经元之间的连接方式，一种自下而上的方式。在我看来连接组学和颅相学就是还原论和整体论的区别，而对于大脑这样复杂的东西，整体论显然是不占优势的。

二．内容与方法

为什么要在神经元连接这一层级上展开对大脑的研究而不继续深入到基因组这一更底层的层级去呢？因为这太难了且没有必要，连接主义认为大脑的工作机制就蕴含在神经元的连接中（我个人就是一个连接主义者）。站在了连接主义这一立场看问题之后，接下来的问题就是怎么找到连接组，显微镜和核磁共振的方法是是比较常用的，通过将大脑切片然后用电子显微镜来获得神经元连接的大量局部具体信息再聚合在一起构成大脑的整个神经网络信息，说起来容易但实际做起来是需要克服大量困难的，就如人类基因组计划一样也是需要耗费大量的人力物力。通过MRI（核磁共振）的方法可以对活体大脑进行使用，虽然分辨率较低，只有毫米级。这两者都各有优劣吧。

三．应用

一门科学首先要是（广义上）有用的它才能发展壮大，而连接组学的目的主要是为神经病理提供理论依据，而目前对疾病的治疗还基本上停留在相关性上，一种试错性的治疗方法。比如很多抗精神病药物和抗抑郁药物的发现都不是原理上的药物研发，而是偶然的发现。
通过对神经元连接的深入了解可以更好的治疗一些疾病，比如阿尔兹海默病（脑细胞的消退）、帕金森综合症，抑郁症等。

四.成果

神经元突触、树突、轴突、神经递质这些概念就不解释了。信息在神经元细胞中通过电信号进行传递，在细胞之间通过神经递质进行传递。前面已经说到，神经元之间的连接以及它们的组织方式蕴含这大脑的工作机制。书中提到了四点：
重新赋权：突触的增强或减弱。
重新连接：突触本身的新生或消失。
重新连线：神经元伸出树突和轴突。
重新生成：成年神经元的形成或消亡。
布洛德曼在一个多世纪以前提出了大脑的分区方法，根据细胞结构将大脑划分为一系列解剖区域的系统。这是一种整体论的方法，虽说大脑不能简单的划分为若干区域，因为区域与区域之间也是有连接的，但确实某些区域对于特定的问题会比其他区域活跃很多，因此，这一套方法还一直沿用至今，划分的这个过程就如聚类一样。但我们应该认识到，这种划分只是一种退而求其次的方法，仅仅通过整体的实验观察和完善对大脑的细致划分是很难真正理解大脑的，就像通过观察表盘的指针我们永远也无法知道表内部的复杂结构以及是什么使得指针这样有规律的转动。我们需要走的更远，这就是连接组学的方法，通过解析神经元之间的连接（组织方式）来构建出大脑的智能模型。
以上是从生物学的角度来看待神经元之间的连接，而物理学家或数学家可能不喜欢这样的方式来分析思维与智能，也许在他们看来神经元就是一堆黏糊糊的东西。因此，从生物学中获取灵感，通过抽象的方法建立出神经元之间的连接模型这种思路很适合那些不愿意和真实的神经元细胞打交道的人，这种方法也叫做人工神经网络，虽然人工神经网络不是直接从神经科学这门学科直接催生出来的，但或多或少借鉴了神经科学的一些成果（人工神经网络更多是机器学习的成果）。可见各个学科是有很多相通的地方的，而随着学科的发展我们会发现学科之间的分界线越来越模糊（有趣的是，学科的这种关系不就像是大脑各个脑区之间的关系吗）。人工神经网络在目前看来还是一种比较低级的网络（相比大脑的神经网络而言），能解决的问题主要集中在图像识别、语音识别等分类或预测的问题，目前的人工神经网络确实取得了一些不错的成就，比如人脸识别的准确率已经是超过人类的了。人工神经网络最近比较火的是深度神经网络（大脑中的神经元其实也是层级的一种结构），而深度神经网络存在的一些问题是参数难调、维数难降（这也是这个领域研究的主要内容），关于参数问题，我认为这不是个真正的问题，这就是智能系统的一个特性。一个智能系统必然会与环境发生交互，而环境是不确定的，因此系统需要不断的去适应这个环境，参数的调整就是不可避免的。首先人脑的“参数”（这里指基因）是通过亿万年的进化与自然选择出来的，这就是一个调参的过程，再者，人脑发育的过程中“参数”（这指突触强度）也是不多的变化。而对于维数问题，一个典型的神经元有几万个突触，而整个大脑有1000亿左右神经元，可见这里的连接是稀疏的，在设计人工神经网络的时候我们也应该考虑到这一点，有些无关紧要的参数就可以将它去点只留下那些重要的能够保证在较大程度上的保留该网络的智能特性（典型的智能特性如分类、预测）的参数。正如前面所说，目前的人工神经网络是低级的，它所能模拟的智能特性也仅仅局限与分类预测这类问题，而人脑的智能或思维是远比这复杂的，我在这里也不想对人脑的智能做个大致的分类（因为这种分类必然是不准确的），但做个分类确实有利于研究，至少有个具体的方向。可以参考一下百度贴吧ruiaijun的一套理论，借鉴一下思想也是好的（顺便说一下，ruiaijun的理论并不被主流学术界所认可，也许是因为真正的人工智能本来就不是主流学术界的研究内容，而要想真正理解一个人的理论并不是那么容易，科学就是这样，不在主流学术界混的难免受到质疑）。

回到原来的问题上来，找到连接组之后应该干什么？其实这才是最大的挑战，就如基因组一样，人类花了十年左右的时间完成对人类基因组的测序，然而想要分析清楚基因是如何决定生命过程的却远不是再一个十年能解决的问题。最后我认为连接组学只有和复杂性科学结合起来才能发挥它最大的作用。很多学科的发展最后都在复杂性上产生交集，更准确地说是最终都归约到了复杂性问题上，大脑的演化、生命的演化、学科的演化、社会的演化都是如此。这是一个真正困难的问题：复杂神经系统网络是如何产生感知、思维和其他心智功能的？让人感到兴奋的是，这是一个几乎未被开垦的科学领地，而我们目前正站在这一风口上，暴风雨是否真的会来临？

摘录：

1.神经科学的主张是，心灵的整体性只是在大量神经元的电峰和分泌中蕴含的一种幻象，自我的概念应该总结为“我是群体”。
2.牛顿说过：“如果说我看得更远，那只是因为我站在巨人的肩膀上”。牛顿真的很特殊吗？还是他只是碰巧在正确的时间、正确的地方、把两样东西正确地拼在了一起？莱布尼茨与牛顿同时独立发明了微积分，像这样的故事–几乎同时的发现—在科学史上非常普遍，因为新想法总是通过把旧想法组合起来得到的。
3.根据这个感知理论，神经元以一种分层的组织结构连接到网络中。
4.一个神经元的功能不仅取决于输入它的连接，还取决于它的输出的连接，为了解释这种对位，我们再来说说牛顿和莱布尼茨的故事。也许你读过那个新闻，说人们发现一些旧档案，其中记载了某位不知名的数学家，比牛顿和莱布尼茨早50年发明了微积分。因为没能引起别的数学家的注意，她最终默默无闻地死去，孤独德带着微积分进了坟墓。既然这样，现在是否应该修改历史书，把功绩记给这位无名的学者，而不是牛顿和莱布尼茨？
这种历史修正论也许听起来更公平，但其实它没有认识到科学的社会性。前面我说过，科学发现并不是一个独立天才的个人创造活动，因为任何新想法都是建立在从别人借来的旧想法上。同样地，也可以说，科学发现活动不仅是创造一个新想法，还包括让其他人接受这个新想法。一个人想要领受一项发现的功绩，就必须对其他人造成影响。
而牛顿的历史地位，正是取决于他如何利用前人的想法，以及如何影响后人的想法。与此类似，我认为：
一个神经元的功能，主要取决于它与其他神经元的连接。
5.我们对记忆的体验，经常是伴随着困难的，而感知却是很容易。
6.连接主义的两个规则：①如果两个神经元反复地同时被激活，它们之间的连接就会双方向增强②如果两个神经元反复地相继被激活，从先被激活的那个神经元通向后被激活的那个神经元的连接就会单方向增强。
关于同时和序列的这两条规则，都被人们广泛地称为突触可塑性的“赫布规则”。需要特别指出的是，赫布可塑性只针对兴奋性神经元之间的突触。
7.连接组学肩负着一个很重要的挑战，就是去揭示究竟哪些条件决定了一个新突触会活下来还是会被消灭。
8.经历能够对神经元重新赋权或重新连接，然而基因也同样能够塑造连接组。
9.你也许以为，你的手长出手指是通过增殖细胞。你错了，实际上正是细胞的死亡，在你胚胎的手上“蚀刻”出空间，进而形成手指。
10.或许我们对视觉的偏爱，是基于比生物学更为本质的物理学定律。光纤沿直线传播，经过镜片有序地偏折，保持着物体各部分之间的空间关系。而且图像的信息量非常大，以至于—-在计算机发展以前—-很难轻易地被修改以造假。
11.要想做到从未有人做到、却又值得做的事，就一定要通过还不存在的方法。
12.光学显微镜的分辨率受限与光的波长，大概是几分之一微米，比这更小的细节都会变模糊，这个障碍称为衍射极限。
13.当你有了一个好想法，怎么才能知道适合它的时代是否到来了？一个信号是，两个人同时做出一项发明；更有力的信号则是，两个人用不同的方法解决了同一个问题。
14.如果两个神经元连接到相似的或类似的目标，那么它们就被划分到同一类。一个神经元的功能，主要取决与它与其他神经元的连接。连接是直接与功能相关的，而形状和位置却只是间接的。
15.大多数抗精神药物和抗抑郁药物，都是半个世纪前那些偶然发现的药物的变种。真正的新药寥寥无几，利用神经科学前沿进展的新药更是凤毛麟角。
16.动物实验是个办法，但对于精神疾病来说，开发相应的动物模型，要远远难于其他疾病。
17.与其说人体冷冻学是一门科学，倒不如说它更像一门宗教，因为它更多的是基于信念，而不是证据。
18.事实上，上传者们会说，你的新计算机是旧计算机的转世。当你把硬盘上的信息导入到新计算机时，旧计算机的灵魂也随之迁移了。于是我们就有了这个新想法：信息就是新灵魂。我们饶了一圈，又回到了原点：自我，是基于一种非物质的存在。