地图与输出之间的基准面发生冲突_大脑如何随着年龄变化而变化?有份突触地图,来收...

一项国际研究团队通过观察小鼠大脑,绘制了不同年龄段的突触地图,揭示了突触随时间变化的模式。这有助于理解大脑在生命不同阶段易患特定疾病的原因及衰老过程中的认知能力衰退。突触不仅传输信息,还参与信息处理,其变化可能与自闭症、精神分裂症等疾病的发病时间有关。
摘要由CSDN通过智能技术生成

人类大脑中的百万亿个突触连接着千亿颗神经元,如银河里的群星与星光交错编织。这个目前还只让人类看到其冰山一角的庞大神经网络,决定着我们的思维、记忆和行为,定义着我们的三观,构建着我们的全部精神世界。

突触种类繁多,其状态也会随大脑年龄增长而改变。不过当前的我们还没能力精准捕获它们在消逝时光里不断闪动的轨迹。

近期,一支由来自英国、法国和瑞典的科学家组成的研究团队给这项不可能的工程开了一个好头。

6aab9c006fb1cb48e28a7154791045c3.png

他们深入研究不同年龄段(从出生到暮年)的小鼠大脑,绘制了一幅大约由50亿个小鼠突触构成的“地图”——通过观察一百多个脑区,根据时间变化,最大程度地勾勒出了突触的多样性和数量变化情况。相关研究成果刊载在《科学》杂志上。

有着时间维度的突触地图好似一部科学讲述小鼠大脑成长的纪录片。更重要的意义在于,通过它,我们还可以探寻更多重大问题:

为什么人类的自闭症通常是在儿童时期出现的,而精神分裂症却会在青年时期发展?为什么我们的记忆和认知能力会随年龄增长而逐渐衰退?

这类问题的答案可能就藏在突触的变化时间线里。

cc17469fc83cf1eb08db89a2a70e5183.png

突触不只是传输信息

9a4cef7c4d87ad0a0b3cd58660e97e93.png

此项研究的带头人、爱丁堡大学的分子神经科学家塞思•格兰特(Seth G. N. Grant)说道:“大脑是人类所知道的最复杂的事物,从突触的层次去理解它的细节是一个重大的进步。相信这些发现能帮助我们理解为什么大脑会在生命的某些阶段容易患上特定疾病,以及它会随年龄的增长产生怎样的变化。”

神经元常常被称为大脑的“基本计算单位”,但很多科学家表示这种说法并不妥当。如果将神经网络比作计算机的CPU,神经元毫无疑问扮演着晶体管的角色:收到信息了,然后决定要不要把这个信息传出去,做完怎样的改动后再传出去,传给谁。

但突触并不只是把信号简单递送给神经元的传输线路,它还具有一定处理信息的能力,也是决策层的一部分。

它可以存储信息,自行切换传递信号的方式,具备抑制和加强信号的能力,也会调节两个神经元之间的交流频率。

我们不妨将所有突触分割成两个联系极为紧密的社区,一个位于上游神经元处,另一个位于下游神经元处。两个区域之间有一条缝隙,这个缝隙里有传递彼此需要交流信息的信使,由这些信使传递各自的信息到对方社区。如果这些区域或区域之间出了什么岔子,例如,突触的“支架”蛋白遭到破坏,那么130多种不同类型的脑部疾病都会随之而来。

为你展开突触地图

前文提到,格兰特等人绘制的地图让突触的变化随时间变化跃然纸上,为我们后续分析大脑提供了重要依据。

这条时间线从实验小鼠出生开始,历经青春期,再至成年,最终到达老年——记录时间分别为出生后1天、1周、2周、3周、1个月、2个月、3个月、6个月、12个月、18个月(追踪方法为荧光蛋白标记突触的部分特定蛋白质),他们将这一时间谱命名为“突触寿命结构”(lifespan synaptome architecture, LSA)。

研究团队在显微镜下根据蛋白质组成和总体外观,追踪到了37种不同类型的突触,分布于109个不同的大脑区域。

ba198e92a12db7a7141a30762e8fedf1.png

幼鼠大脑的一部分,突触多样性有限

格兰特等人表示:

“突触在整个生命周期里的变化可分为3个阶段。第一阶段:从出生到足月,随着大脑建立庞大的神经网络结构,突触的数量及其复杂性急剧增加;第二阶段:从成年到中年,突触保持相对稳定;最后阶段:在成年后期,它们的数量和大小都会缩减。”
43c6055ecc1b51ba5617ac805ab14bd2.png

一坨成年老鼠的大脑,突触密度和多样性相比幼年期明显更高。图中的每个彩色点都是一个突触,相同的颜色代表相同的突触类型

另一个有趣的发现:从出生到3个月大的这段时间内,每个大脑区域都像一个独立的城邦,有一套自己的程序和突触变化时间表。换言之,神经网络里的突触在诞生之初并非齐头并进共同富裕,而是各自为政,一个区一个样儿。

突触的变化带来大脑功能的变化。例如,负责记忆的海马体会因其内部突触的蛋白质类型变化而产生电信号输出的变化——如此一来,大脑的记忆能力也因此改变了。

格兰特等人认为,总的来说,大脑突触在空间和时间上的变化方式可以解释智力、记忆力和行为障碍易感性(susceptibility to behavioral disorders)的终生转变,这个突触地图的绘制为揭示这些秘密迈出重要一步。

资料来源:

Amazingly Detailed Map Reveals How the Brain Changes With Aging

d79d964d965f3fb984933ca41ebad6b5.png
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
builder.create_network 是一个函数,用于创建一个神经网络。在深度学习中,神经网络是一种模拟人脑神经系统的计算模型,通过一系列的神经元(节点)和神经突触(连接)来处理输入数据并生成输出结果。 创建神经网络是构建深度学习模型的第一步,它定义了网络的结构和各个层的连接方式。builder.create_network 的作用是根据我们的需求和设计,按照一定的规则和参数创建一个合适的神经网络。 在创建网络时,通常需要确定以下几个方面的内容: - 网络的层数和每层的节点数量:根据问题的复杂程度和输入数据的特征,决定网络需要多少层及每层的节点数量,以确保能够捕获到重要的特征信息。 - 每一层的激活函数:激活函数在神经网络中起到非线性映射的作用,例如常用的ReLU函数,它能够将负数映射为0,保留正数。选择合适的激活函数可以更好地处理复杂的非线性问题。 - 损失函数:用于衡量模型预测值与真实值之间的差异,例如均方误差(MSE)或交叉熵(Cross-Entropy)。根据具体的任务类型(回归、分类、生成等),选择合适的损失函数来优化网络的训练过程。 - 优化算法:用于更新网络中各层的权重和偏置,以使损失函数最小化,例如常用的梯度下降法(Gradient Descent)及其变种(随机梯度下降、批量梯度下降等)。 通过调用 builder.create_network 函数,并传递上述参数,就可以得到一个合适的神经网络模型。接下来,我们还需要进行模型的训练、验证和测试,以逐步优化网络的参数,提升模型性能。 总之,builder.create_network 是创建神经网络的重要函数,通过它我们可以定义网络的结构和参数,为后续的深度学习任务提供基础。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值