开通VIP，畅享免费电子书等14项超值服
首页
好书
留言交流
下载APP
联系客服
树突（Dendrites）是从神经元细胞体延伸出来的细小突起。它的命名源于希腊语“Dendron”，意为像“树”的样子。树突一直吸引着研究人员：从Camillo Golgi和Ramon y Cajal在几个世纪前首次对树突的记录至今，神经科学家一直在努力解开树突的奥秘。20世纪60年代的理论工作预测了树突对神经元加工的重要影响，并建立了计算模型，成为研究树突的有力技术。从那时起，树突的建模就大力推动着神经科学的研究，提供从亚细胞水平到系统水平的可实验性预测，扩展到神经科学以外的相关领域——机器学习和人工智能。
模型预测的验证通常需要并推动着新技术的发展，从而通过理论驱动的实验来推动领域向前延伸。来自希腊研究与技术基金会的Panayiota Poirazi和Athanasia Papoutsi在 Nature Reviews Neuroscience杂志发表论文Illuminating dendritic function with computational models，这篇综述把焦点放在树突与大脑功能相关的计算研究上，讨论了建模方法的三个抽象层次“单个神经元”—“微电路”—“大规模网络模型”，总结了树突计算建模的最重要贡献，并列举了建模和实验神经科学之间成功互补或相互作用、并最终驱动科学进展的研究。
科学家对树突功能的理解瓶颈在于树突特性监测以及操纵等方面的技术障碍，技术的进步（例如光遗传学）推动了树突研究的深入，然而，评估树突网络效应及行为，仍是一个巨大的挑战。即使如今的实验技术能够帮助我们理解树突各组件的功能，但仍需要一种综合方法将这些组件的功能整合起来进行研究。
建模（Modelling）恰好解决了这一问题，计算模型提供了一个结合“实验证据”和“预测”推断树突原理的框架，快速、系统、彻底、可逆地研究不适于直接操纵的情况（例如树突形态变化，时空分布等），同时，预测决定树突功能的关键因素，为实验提供理论解释，并启迪新发现，从而有针对性地进一步指导实验。
1. 待验证的关键预测以及所需技术
首先，在体内建立突触模式化激活和随机激活的功能实验，确定突触在树突上的位置在多大程度上起作用。此外，需要实验来验证轴突投射的重新连接可能导致共激活轴突在同一个树突分支上的分组，涉及识别给定细胞的突触前神经元，并在发育或学习过程中跟踪轴突活动，捕获多个单个神经元的树突活动。
在动物学习或执行不同任务时，检验和预测不同的树突整合模式，这些模式在不同的计算条件下，由不同的传导和解剖特征所介导。通过记录单个神经元内单个棘和树突的活动，并将这种活动与电路计算和行为读数进行比较来完成。未来的研究可以评估特定树突细胞输入或传导的定向调控对树突细胞反应、神经元输出和行为的影响。
另一个有待验证的预测是单个神经元是否参与多层人工神经网络。高分辨率、单棘水平成像、以及对单个神经元上单个棘的刺激，再加上体细胞活动测量，将有助于确定神经元的不同部分如何促进树突和神经元输出。
对于错误预测，研究人员可以记录来自已识别的突触前神经元和特异性兴奋性和抑制性电流，同时测量树突响应和跟踪特定树突室的可塑性诱导。与此相关的是，在体内控制树突上特定位置的抑制性输入将有助于研究它们的作用。在记录场电位的同时，可以操纵、检验并预测动物中的特定电位。
2. 测试模型的潜在实验方法
技术的进步在科学研究中尤为重要。目前，应用最广泛的活性跟踪技术“钙成像”提供了对树突和棘活性的可靠测量（尽管时间分辨率较低）。将来，结合基因编码电压指示剂的高频图像采集将可对同一细胞和/或大量神经元中的神经元、树突和单个棘进行成像。
亚细胞选择性操作，例如，与给定记忆相对应的单个棘的选择性激活或失活也至关重要。尽管一些操作，例如驱动树突伸展或收缩、直径改变和棘翻转率的改变，可以在细胞培养或转基因动物中进行，然而该方法是单向、不可逆的，需要发展可逆的方法。
区分形态学和生物物理学性质的影响也是一个巨大的挑战，因为这两个因素经常协同作用。理想情况下，人们希望在体内选择性地标记和操纵特定的离子以及突触传导。
最后，为了更好地理解树突的功能，有必要表达针对树突的活性和可塑性的标记物或视蛋白。选择性标记也应该是位置异性神经元特异性的，并且可以通过使用转基因动物和细胞模型来实现。
3. 选择最佳模型
树突模型在生物真实性和计算复杂性上都有很大的不同（图1）。寻找“最佳模式”的探索没有单一的答案，因为这在很大程度上取决于所需解决的问题。目前仅有的办法是依据奥卡姆剃刀原理：最好的模型是一个可以解决感兴趣的问题、但所需参数尽可能少的模型。各种公开数据库和模拟器方便了研究者在所需的分析水平上对现象进行建模（表1）。
图1. 树突电路模型
表1. 常用建模工具和数据库
4. 示例
这篇综述中，作者介绍了建模成功例子，并讨论了它们对进一步理解大脑功能的贡献。
示例1. 单神经元模型（Single-neuron models）
单神经元模型可以用来评估树突形态、生物物理学和可塑性对神经元输出的影响（图2）。其中，图2a所示模型预测了单个树突内的一些突触的共激活可驱动CA1锥体神经元斜树突的局部突起（dSpike）。这一预测在同一树突中得到了实验验证。图2b展示了在同一树突内共同激活的突触输入（刺激1和刺激2）被预测整合成非线性Sigmoidal函数。这一预测在新生皮质神经元的基底树突中得到了实验验证，并且在CA1锥体神经元的顶端斜树突中也发现了由于局部尖峰引起的Sigmoidal样反应，在体内也发现了与预测相似的邻近突触共激活。图2c展示了根据初级视皮层（V1）中锥体神经元的生物物理模型。图2d相对于2c，不同的地方在于采样的方式更为广泛
图2. 单神经元模型预测
示例2. 微电路模型（Microcircuit models）
神经元以及它们的树突被嵌入高度复杂的局部和远程电路中，接收、处理和发送各种类型的信息。跨区域微电路组织的相似性，被视为连接性模体（motifs），可使用相似的策略来编码和解码输入信号。最广泛报道的模体包括表达血管活性肠肽（VIP+）、表达生长抑制素（SST+）和表达细小蛋白（PV+）的中间神经元。在这些模体中，VIP+和SST+中间神经元相互抑制；SST+中间神经元抑制锥体神经元的顶端树突和PV+中间神经元胞体，PV+中间神经元靶向锥体神经元的周围区域（图3）。模型预测：这些神经元间电路在调节到达锥体神经元基底树突和顶端树突树的信息流之间起着关键作用。图3中是一些微电路模型的例子，在这些模型中，神经元的树突与局部抑制电路相互作用，以有效地处理不同的信息流。
图3.树突与微电路建模预测
示例3. 大规模网络模型（Large-scale network models）
大规模网络模型用于研究区域内或区域之间的神经元种群的共轭效应，旨在推断出构成复杂动态基础的机制（例如振荡）。Allen Institute和Human Brain Project已具备有关神经元多样性的基准数据。这些大规模模型已产生了一些有关神经元和回路机制的有趣预测，然而，树突在这些计算中的作用还没有明确的解释。该类建模突出的例子就是“场电势”，例如局部场电势（LFP）和脑电图（EEG）记录的电势，尽管不能解释单个神经元的活动，但被广泛用作神经元活动的检测方法。
贡献：预测复杂的脑功能信息
除了前面章节中讨论的计算与预测之外，树突模型在描绘各区域特定功能方面也很有帮助，包括海马功能、工作记忆、神经元刺激选择性、可塑性等。当然，这些预测在体内的有效性还有待进一步探索。模型预测与实验工作协同互补也是未来重要的研究领域。
总结与展望
目前的研究仅限于对单个脑区或简单变量的研究，复杂的行为涉及多个脑区及多种因素的影响，这使得剖析树突的功能极其困难，如何打破这一僵局，也是未来的难题之一。尽管研究人员了解模型预测与实验协同的重要性，但技术的局限阻碍了这种协同互补，解决办法之一是开发优化混合系统，即复杂行为过程由活体神经元驱动，系统不断对模型参数进行细化与优化，对树突进行有针对性的操作，更高效地指导实验。
神经元模型的美妙之处在于，只要有足够的计算能力，就有能力模拟任何可想象的情景。建模与预测推进了实验的进展和新技术的出现，同时也扩展了研究人员的理解。总的来说，精心打造的模型和实验方法的集成将是我们理解树突如何影响行为的关键。