一个单独的神经元坐在培养皿中，孤独地噼啪作响，怡然自得。它不时地自发释放出一股电流，沿着它的长度传播。如果你向细胞的一端传递电脉冲，神经元可能会以额外的电压尖峰作为回应。将神经元浸泡在各种神经递质中，你就可以改变其电波的强度和时序。在自己的培养皿中，神经元本身做不了什么。但是，将 302 个神经元结合在一起，它们就变成了一个神经系统，可以维持秀丽隐杆线虫的生命——感知动物的周围环境，做出决定并向蠕虫的身体发出指令。将 1000 亿个神经元（具有 100 万亿个连接）结合在一起，你就拥有了一个人脑，它能够做更多更多的事情。
我们的思想如何从神经元群中产生仍然是一个深刻的谜。对于神经科学来说，尽管取得了所有辉煌成就，但这仍然是一个难以解答的问题。一些神经科学家毕生致力于研究单个神经元的工作原理。另一些人则选择更高的尺度：例如，他们可能会研究数百万神经元聚集的海马体如何编码记忆。还有一些人可能会在更高的尺度上观察大脑，观察当我们执行特定任务（例如阅读或感受恐惧）时，哪些区域变得活跃。但是，很少有人尝试同时从多个尺度来思考大脑。他们的沉默部分源于这项挑战的巨大范围。仅仅几个神经元之间的相互作用就可能是一个令人困惑的反馈丛林。再向问题中添加 1000 亿个神经元，这项工作就变成了一个宇宙级的难题。
然而，一些神经科学家认为，现在是应对这一挑战的时候了。他们认为，如果我们把大脑分解成不连贯的碎片，我们就永远无法真正理解思想是如何从我们的神经系统中产生的。只看各个部分就像试图通过研究单个水分子来弄清楚水是如何结冰的。“冰”对于单个分子的尺度来说是一个毫无意义的术语。它仅从大量分子的相互作用中产生，因为它们集体锁定成晶体。
支持科学新闻事业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻事业 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
幸运的是，神经科学家可以从其他研究人员那里汲取灵感，这些研究人员数十年来一直在研究各种形式的复杂性——从股票市场到计算机电路，再到单个细胞中相互作用的基因和蛋白质。细胞和股票市场似乎没有太多共同之处，但研究人员在他们研究的每个复杂系统中都发现了一些潜在的相似之处。他们还开发了可以用来分析这些系统的数学工具。神经科学家正在拾起这些工具，并开始使用它们来理解大脑的复杂性。现在还处于早期阶段，但到目前为止，他们的结果很有希望。科学家们正在发现数十亿神经元组织成网络的规则，这些网络反过来又作为一个单一的、连贯的网络（我们称之为大脑）协同工作。科学家们发现，这个网络的组织对于我们理解瞬息万变的世界的能力至关重要。而一些最具破坏性的精神障碍，如精神分裂症和痴呆症，可能部分是大脑网络崩溃的结果。
神经元通过延伸轴突与其他神经元接触形成网络。这些接触使通过一个神经细胞传播的信号能够触发另一个神经元中的电流波。由于每个神经元可以连接到数千个其他细胞——包括附近的细胞或大脑另一侧的细胞——网络可以呈现出难以想象的排列方式。大脑特定网络的组织方式对其工作方式具有巨大影响。
构建玩具大脑
究竟该如何研究大脑的神经元网络呢？科学家可以做哪些实验来追踪数十亿个网络连接？一种答案是制作一个微型大脑模型，它可以演示神经元以不同方式相互作用时会发生什么。印第安纳大学的奥拉夫·斯波恩斯和他的同事们就制作了这样一个模型。他们创建了 1600 个模拟神经元，并将它们排列在一个球体的表面周围。然后，他们将每个神经元连接到其他神经元。在任何时刻，每个神经元都有很小的机会自发放电。一旦神经元放电，它就有很小的机会触发与其连接的其他神经元也放电。
斯波恩斯和他的同事们调整了神经元之间的连接，并观察了他们的玩具大脑的运作情况。首先，他们将每个神经元仅连接到其直接邻居。有了这个网络，大脑产生了随机的、小的活动闪烁。当一个神经元自发放电时，它产生了一个无法远距离传播的电波。接下来，斯波恩斯和他的团队将每个神经元连接到整个大脑中的每个其他神经元，这产生了非常不同的模式。整个大脑开始以有规律的脉冲打开和关闭。
最后，科学家们给了大脑一个中间网络，在神经元之间创建了局部和长距离连接。现在大脑变得复杂起来。随着神经元开始放电，它们产生了巨大的、发光的活动斑块，这些斑块在大脑中旋转。有些斑块相互碰撞。有些斑块绕着大脑转圈。
斯波恩斯的玩具大脑提供了一个关于复杂性如何产生的重要教训。网络本身的结构塑造了其活动模式。斯波恩斯和其他研究人员正在从大脑模型中汲取经验，并在我们头部的真实大脑中寻找类似的模式。不幸的是，科学家无法监测真实大脑中的每个神经元。因此，他们正在使用巧妙的技术来记录相对较少神经元的活动，并从他们的结果中得出一些重大结论。
培养皿中的大脑
迪特玛·普伦茨是美国国家精神卫生研究所的神经科学家，他和他的同事一直在通过在培养皿中培养芝麻大小的脑组织来探索大脑的结构。他们将 64 个电极插入组织中，以窃听神经元的自发放电。他们的电极检测到快速的断续活动，称为神经元雪崩。
起初，看起来好像神经元只是在噼啪作响地发出随机噪声。如果真是这样，那么每次神经元雪崩都应该同样有可能很小或很广泛。然而，这并不是普伦茨和他的同事们发现的。小雪崩最常见；大雪崩很少见；更大的雪崩则更罕见。在图表上，每种大小的几率都形成一条平滑的下降曲线。
科学家们以前见过这种曲线。例如，心跳并非都相同。它们中的大多数都比平均值稍长或稍短。少数心跳会更长或更短，而极少数心跳甚至更远离平均值。地震也遵循相同的模式。移动的大陆板块会产生许多小地震和少量大地震。在流行病期间，每天通常可能会出现一些病例，不时会出现新病例的爆发。如果你在图表上绘制心跳、地震或新病例的数量，它们会形成一条指数下降曲线。
这条曲线被称为幂律，是包含短距离和长距离连接的复杂网络的标志。地球上一个位置的震动在某些情况下可能只会扩散到有限的区域。在极少数情况下，运动可能会扩展到更广泛的领域。神经元的工作方式相同。有时它们只激发其直接邻居，但有时它们会释放出广泛的活动波。
幂律曲线的形状可以为科学家提供关于产生它的网络的线索。普伦茨和他的同事们测试了许多可能的神经元网络，看看哪些网络会以与真实神经元相同的方式产生神经元雪崩。他们用一个由 60 个神经元簇组成的网络获得了最接近的拟合。这些簇平均连接到其他 10 个簇。这些连接并非随机分散在簇之间。有些簇有很多连接，但很多簇只有少数连接。结果，从任何给定簇到任何其他簇的连接数量都非常少。科学家们将这种排列称为小世界网络。
事实证明，这种网络可能会使我们的大脑对传入信号异常敏感，这与功能强大的麦克风可以放大各种声音的方式非常相似。普伦茨和他的团队应用了不同强度的电击，并测量了神经元的反应。他们发现，微弱的电击会产生来自有限数量神经元的反应。强烈的电击会引发来自更广泛细胞的强烈反应。
为了了解网络结构如何影响这种反应，普伦茨和他的同事们在神经元中添加了一种药物，这种药物会削弱神经元之间的连接。现在，细胞对微弱的信号没有反应。当科学家们注射一种药物，使神经元更有可能对来自邻居的信号做出反应时，他们得到了不同的结果。现在，神经元对微弱的信号做出了强烈的反应——如此强烈，以至于它们对微弱信号的反应与对强烈信号的反应没有区别。这些实验揭示了神经元网络可以被微调到何种程度，以及这种微调如何使它们准确地中继信号。如果神经元以不同的网络组织起来，它们将产生无意义的、不连贯的反应。
神经科学家最终希望了解实验室培养皿中的活动如何与日常心理过程相关联。纵观整个大脑，实验者发现了自发活动的模式，这些模式与普伦茨在他的小块脑组织中发现的模式相似。圣路易斯华盛顿大学的马库斯·E·雷克尔和他的合作者发现，当我们只是休息，什么也没想的时候，电流波可以在整个大脑中以复杂的模式传播。最近的实验表明，这种自发活动可能在我们的精神生活中起着至关重要的作用。它可能使休息中的大脑能够反思其内在运作，回顾记忆并为未来制定计划。
神经制图师
为了理解这些波是如何表现的，神经科学家们正试图绘制整个大脑中神经元之间的连接图。考虑到像普伦茨这样的科学家要弄清楚一小块组织中发生了什么有多么困难，这绝非易事。斯波恩斯一直在领导这些绘制地图项目中，其中最雄心勃勃的项目之一。他与瑞士洛桑大学的帕特里克·哈格曼和他的神经影像小组合作，分析了从五名志愿者的大脑中获取的数据，使用了一种称为扩散频谱成像或 DSI 的方法。DSI 很容易捕捉到被一层薄脂肪覆盖的轴突的图像，这些轴突是将皮层不同区域连接起来的长纤维，被称为白质。科学家们选择了近 1000 个皮层区域，并绘制了从每个区域到其他区域的白质连接图。
然后，科学家们创建了这些 1000 个区域的模拟版本，并对其进行了实验，以查看它会产生什么样的模式。每个区域都会产生信号，这些信号可以传播到连接的区域，导致那里的神经元也发出类似的信号。当科学家们启动这个虚拟大脑时，它开始产生缓慢移动的活动波。值得注意的是，这些波与雷克尔和其他人在静息大脑中看到的真实波相似。
斯波恩斯和他的同事们绘制的大脑网络结构与普伦茨在他的小块组织中发现的小型网络非常相似——它是一个小世界网络，具有一些连接良好的枢纽。这种大规模的架构可能有助于我们的大脑节省资源并更快地工作。我们花费大量资源来生长和维护白质。有了几个连接良好的枢纽，我们的大脑需要的白质比其他类型的网络要少得多。而且由于从大脑的一部分到达另一部分只需要很少的链接，因此信息处理速度更快。
由于美国国立卫生研究院去年启动了一个耗资 3000 万美元的项目，神经科学家将在未来几年能够绘制出更好的大脑网络地图。该项目被称为人类连接组计划，它将调查成人大脑中神经元之间的每个连接。但是，即使是这张地图本身也无法捕捉到大脑的全部复杂性。这是因为神经元仅使用大脑连接的子集与其他神经元进行通信。从一个时刻到另一个时刻，这个网络可以改变形状，因为神经元从一些连接切换到另一些连接。创建能够捕捉这些动态大脑网络的模型将需要复杂性理论可以提供的所有技巧。
华尔街神经元
达特茅斯学院的两名数学家，丹尼尔·N·罗克莫尔和斯科特·D·保尔斯，正试图通过将大脑视为股票市场来解析这种复杂性。大脑和股票市场都由许多小单元（交易员、神经元）组成，这些小单元被组织成一个大规模的网络。交易员可以在买卖方式上相互影响，而这种影响可以上升到影响整个网络，使股市上涨或下跌。反过来，整个网络可以影响最低级别。例如，当股市开始上涨时，个别交易员可能想要加入涨势，从而推动市场进一步上涨。
罗克莫尔和保尔斯以及他们的同事开发了一套数学工具，以揭示纽约证券交易所底层网络的结构。他们下载了 2,547 种股票在 1,251 天内的每日收盘价，并搜索了不同股票价格变化中的相似之处——例如，在同一时间段内上涨和下跌的趋势。
这项搜索揭示了 49 个股票集群。当科学家们回到他们的财务信息时，他们发现这些集群主要对应于特定的经济部门，如软件或餐饮业，或特定的地点，如拉丁美洲或印度。
他们仅仅通过分析数据就发现了这些类别，这让科学家们对他们的方法有了一些信心。毕竟，提供互联网接入的公司的股票往往会同步上涨和下跌，这很有道理。危险的互联网蠕虫可能会给整个群体带来麻烦。
罗克莫尔和保尔斯还发现，这 49 个集群实际上被组织成七个超集群。在许多情况下，这些超集群对应于相互依赖的行业。脱衣舞俱乐部业务和建筑业务携手并进。两位研究人员发现，这些超集群以一个巨大的循环连接在一起。这个循环很可能是投资经理的一种常见做法——行业轮动的结果。在几年内，这些经理将他们的资金从经济的一个部门转移到另一个部门。
现在，罗克莫尔和保尔斯正在使用相同的数学方法来构建大脑模型。他们现在不再关注从市场的一部分到另一部分的金融信息流动，而是关注从大脑的一个区域到另一个区域的信息流动。正如金融市场具有可变网络一样，大脑也可以在下一刻重组其网络。
为了测试他们的模型，罗克莫尔和保尔斯最近分析了雷克尔和他的同事记录的受试者静息大脑的功能性 MRI 图像。他们注意到每个体素（体素是 fMRI 可以测量的最小的大脑块，大小像胡椒粒）中活动的变化。然后，他们搜索了模式中的密切关系。正如两人在股票市场中发现了股票集群一样，他们现在发现体素可以分为 23 个集群。而这些集群又属于四个更大的集群。值得注意的是，这四个更大的集群执行了神经系统版本的行业轮动，这是罗克莫尔和保尔斯在股票市场中发现的。它们以一个循环连接在一起，活动波以循环方式扫过它们。
现在，罗克莫尔和保尔斯可以重建静息大脑中的网络，他们正将注意力转向思考中的大脑。为了了解大脑如何改变其组织，他们正在分析来自观看一系列物体的人的功能性 MRI 数据。如果他们的模型有效，罗克莫尔和保尔斯或许能够预测神经科学家从扫描看到特定类型刺激（例如老朋友的脸）的人那里获得什么样的结果。这样的成就将推动神经科学走向真正具有预测性的科学。
像这样的研究不会让科学家在很长一段时间内完全破译人脑的复杂性。线虫C. elegans 提供了一个警示故事。20 多年前，研究人员完成了绘制连接其所有 302 个神经元的每个连接的图谱。但研究人员仍然不知道这个简单的网络是如何产生一个正常运作的神经系统的。
网络神经病学
科学家可能不必绘制大脑布线的完整图表，才能从中吸取一些重要的实践经验。许多研究表明，一些脑部疾病并非由大脑的任何特定部分功能失常引起。相反，可能是网络本身出了问题。斯波恩斯和他的同事们想知道，如果他们关闭不同的节点，他们确定的小世界网络会发生怎样的变化。如果他们关闭大脑中只有少数连接到邻居的区域，整个网络仍然像以前一样运行。但是，如果他们关闭一个中心枢纽，整个网络中的活动模式就会发生巨大变化。这一发现或许可以解释脑损伤令人困惑的不可预测性。肿瘤或中风有时可能会通过敲除一小块神经元而造成毁灭性的损害。但在其他时候，它们可能会清除大量神经区域，而不会对大脑的运作造成任何明显的改变。
许多脑部疾病也可能被证明是网络疾病。剑桥大学的神经科学家埃德·布尔莫尔和他的同事一直在调查大脑网络与精神分裂症之间可能存在的联系。在最近的一项研究中，科学家们对 40 名精神分裂症患者和 40 名睁着眼睛安静躺着的健康人进行了功能性 MRI 扫描。然后，布尔莫尔和他的团队绘制了在其静息大脑中仍然活跃的区域的网络图。科学家们发现，在精神分裂症患者的大脑中，这种静息状态网络的一些区域比正常大脑中的区域更同步。
科学家们尚不清楚精神分裂症与大脑网络的这些变化是如何相关的。至少，或许可以使用这种理解来开发精神分裂症以及一系列其他疾病（如自闭症和多动症）的敏感测试，这些疾病都显示出是脑网络疾病的迹象。医生或许还可以通过观察患者大脑的网络是否恢复到健康状态来跟踪患者的病情进展。即使我们不得不等待更长时间才能让神经科学家破译大脑的全部复杂性，那也将是一个受欢迎的进步。