Nature：复杂大脑中的简单数学

日前，麻省理工大学MIT的神经学家在8月9日发表于Nature杂志上的文章中，描述了两种主要大脑细胞以特定数学方式对神经活性进行抑制，一种减少总活性（减法）而另一种则对总活性进行划分。这对于了解大脑工作机制以及神经学疾病致病机理非常重要。

　　

生物通报道：大脑具有数十亿神经元，这些神经元组成复杂的回路使我们得以感知世界、控制我们的活动并作出决定。破译大脑回路对于了解大脑工作机制以及神经学疾病致病机理非常重要。

日前，麻省理工大学MIT的神经学家向这一目标迈进了一大步。他们在8月9日发表于Nature杂志上的文章中，描述了两种主要大脑细胞以特定数学方式对神经活性进行抑制，一种减少总活性（减法）而另一种则对总活性进行划分。

“这是简单而又意义深远的计算模式，”文章资深作者神经学牛人Mriganka Sur教授说。“目前神经科学的一个主要挑战是，要将大量数据概念化，整合为一个计算模式框架。不同类型的神经细胞如何做到这一点，这一直是一个迷。”

该发现能帮助科学家了解更多疾病相关信息，包括孤独症、精神分裂症和双相情感障碍等被认为由大脑抑制-兴奋不平衡引起的疾病。

微妙的平衡

大脑中有数百种不同类型的神经元，大部分是兴奋神经元，而少数是抑制神经元。这两种神经元作用的微妙平衡控制着所有感知处理和认知功能。人们已经将抑制-兴奋不平衡与精神分裂症和孤独症等联系起来。

“越来越多的证据表明，抑制-兴奋平衡是许多神经精神障碍的核心，”Sur说。“这很有道理，因为神经精神障碍不是基础性的大脑疾病，而是因为大脑回路的小混乱影响了特定大脑系统，如社会脑。”

研究人员针对两种主要的抑制神经元进行了研究。一种是表达小白蛋白PV的中间神经元，靶标神经元胞体。另一种是表达生长抑素SOM的中间神经元，靶标树突（神经元小分枝状结构）。PV和SOM细胞都抑制锥体细胞。

为了研究这些神经元的影响机制，研究人员需要找到特异性激活PV 或SOM神经元的方式，然后在活体大脑中观察锥体细胞的反应。

首先，研究人员将小鼠中的PV或SOM细胞进行了基因工程改造，使其产生光敏蛋白channelrhodopsin。这种蛋白在神经元细胞膜中控制离子进出，改变细胞的电活性。由此研究人员能够通过光照刺激这些神经元。细胞的钙离子水平可以反映其电活动，研究人员结合钙成像技术检测抑制神经元对锥形细胞的抑制作用。

“直到3年前，人们还只能盲目地对大脑细胞进行检测，而现在我们已经能够针对特定类型的细胞进行分析和操作，”Runyan说。

回路分解

研究人员的目的是分析抑制神经元的激活对大脑处理视觉信息的影响，这里的视觉信息是指水平、竖直和倾斜条纹。当刺激出现时，眼部的单个细胞对光点进行响应，随后将信息传输到海马体，最后到达视觉皮层。在大脑中传输的信息保留了空间信息，因此水平条画面能够激活相应的大脑细胞。

这些大脑细胞同时也接受了抑制信号来辅助它们响应防止过度刺激。MIT的团队发现这些抑制信号具有两个不同作用：SOM神经元减少目标细胞的总活性，而PV神经元对目标细胞的总活性进行划分。

“现在我们终于具备了分解神经回路的技术，能够观察每个部分的活动，我们发现这些神经网络背后具有深层逻辑，”Wilson说。

这两种类型的抑制对细胞响应范围的影响也不同。各感觉神经元只对特定刺激进行响应，例如明暗或者位置。PV神经元的抑制作用，使目标细胞依然能对同类输入信号进行响应。而SOM神经元的抑制作用会缩小细胞响应的信号范围，使细胞选择性更强。

“从概念上来说，减法抑制和划分抑制是一种很好的分工，”参与了该研究的冷泉港实验室Tony Zador教授说。PV神经元的抑制还改变了响应增益response gain（衡量有多少细胞发生了响应），而SOM神经元的抑制则没有这种影响。

研究人员认为他们发现的回路类型很可能在整个大脑中不断重复，并涉及其他类型的感知甚至高级认知功能。

（生物通编辑：月）

生物通推荐原文摘要：

Division and subtraction by distinct cortical inhibitory networks in vivo

Brain circuits process information through specialized neuronal subclasses interacting within a network. Revealing their interplay requires activating specific cells while monitoring others in a functioning circuit. Here we use a new platform for two-way light-based circuit interrogation in visual cortex in vivo to show the computational implications of modulating different subclasses of inhibitory neurons during sensory processing. We find that soma-targeting, parvalbumin-expressing (PV) neurons principally divide responses but preserve stimulus selectivity, whereas dendrite-targeting, somatostatin-expressing (SOM) neurons principally subtract from excitatory responses and sharpen selectivity. Visualized in vivo cell-attached recordings show that division by PV neurons alters response gain, whereas subtraction by SOM neurons shifts response levels. Finally, stimulating identified neurons while scanning many target cells reveals that single PV and SOM neurons functionally impact only specific subsets of neurons in their projection fields. These findings provide direct evidence that inhibitory neuronal subclasses have distinct and complementary roles in cortical computations.