Do we understand orientation selectivity? A simulation study

想象一下，你的大脑是一个庞大而繁忙的城市，数以十亿计的微小信使（神经元）正在不断地向彼此传递信息。在这个城市的众多职责中，最引人入胜的工作之一发生在“视觉区”——一个专门处理视觉信息的社区。几十年来，科学家们一直试图弄清楚这些信使是如何决定关注哪些形状的。具体来说，他们想知道为什么有些神经元只有在看到垂直线时才会兴奋，而另一些神经元则只关心水平线。这种特殊能力被称为方向选择性。这就像是在夜总会门口当保安，保安只允许戴红帽子的人进入；在大脑中，这些“保安”只让“垂直线”信号通过。

长期以来，科学家们认为自己已经掌握了这座俱乐部运作的蓝图。他们认为，只要你把信使们排列得当——确保喜欢垂直线的信使是邻居，并且让他们都从正确的来源接收指令——大脑就会自然而然地开始对线条进行分类。这似乎只是一个简单的布线问题：如果你建好了正确的路线图，交通就会完美流动。但正如我们将看到的，大脑比一个简单的地图要复杂得多，有时，即使是最好的计划也需要在现实世界中得到一些额外的帮助才能奏效。

---

大脑模拟实验：为什么蓝图并不足够

在这项研究中，来自“蓝脑计划”（Blue Brain Project）的一个研究小组决定通过构建一个有史以来最真实、最高清的小鼠视觉皮层模拟系统，来测试这个旧有的蓝图。你可以把它想象成在构建一个微型小鼠大脑的数字孪生体，但他们使用的不是简单的、卡通化的方块，而是使用了具有真实形状、大小和连接方式的极其详细的 3D 神经元模型。他们想要看看，当大脑被构建到这种现实世界的复杂程度时，旧有的线条排序规则是否仍然有效。

在他们开始测试线条排序规则之前，团队首先尝试绘制出将指令从眼睛带入大脑的“道路”图。他们假设神经元的物理形状以及它们的电线（轴突）如何跨越它们，会自然地决定哪些特定类型的神经元会获得连接。这就像是假设如果你知道了一座城市的布局和邮政卡车行驶的路线，你就能完美预测哪些房子会收到邮件。

第一个惊喜：地图错了
研究人员发现，他们详细的 3D 大脑解剖图无法预测实际的连接情况。即使拥有完美的神经元形状和位置知识，物理布局也无法解释为什么某些特定类型的神经元会接收来自眼睛的强信号，而另一些则几乎接收不到任何信号。大脑的“路线图”太混乱、太复杂，无法仅靠简单的几何学来解释。这意味着还有其他看不见的因素——也许是化学信号或电线之间的竞争——在决定谁能建立连接，而不仅仅是物理布局。

随后，团队尝试重建了两个著名的理论，旨在解释神经元是如何挑选它们喜欢的线条角度的，希望以此解决排序问题：

1. “特别递送”理论： 该理论认为大脑接收来自眼睛的指令时，会将“亮”和“暗”信号自然地分离成特定的模式，就像邮政服务将邮件分拣到不同的箱子里一样。
2. “物以类聚”理论： 该理论认为喜欢相同线条角度的神经元会自然地连接在一起，形成一个紧密的俱乐部，相互强化彼此的偏好。

团队构建了他们的超现实模型，并用这两个理论（以及修正后的连接数据）对其进行了编程，然后按下“运行”键，观察会发生什么。他们模拟了大脑观看移动条纹光影的过程，就像真实的耗子看到的那样。

巨大的惊喜：
模拟失败了。尽管拥有完美的“特别递送”指令和“物以类聚”俱乐部，数字小鼠大脑中的神经元在识别线条角度方面表现得并不出色。它们区分垂直线和水平线的能力远弱于在真实小鼠身上观察到的情况。事实上，当研究人员加入神经元之间的局部连接（即“物以类聚”部分）时，排序效果反而变差了。

这意义重大，因为这意味着那些在基础、低细节计算机模型中表现良好的简单解释，不足以解释一个真实的、复杂的脑是如何工作的。这就像是试图用一张草图来建造一台运转良好的汽车发动机；草图看起来没错，但当你放入所有真实的、沉重的金属零件时，发动机却熄火了。

研究人员排除了哪些因素

该团队并没有止步于“失败了”。他们像侦探一样开展工作，试图找出失败的原因。他们测试了多种可能性并将其排除：

• 它不是“特别递送”排序的问题： 他们尝试了分离来自眼睛的亮度和黑暗信号的不同方式，但无论如何排列，大脑仍然无法识别出线条。仅仅依靠这些信号的物理排列并不是神奇的钥匙。
• 它不只是“物以类聚”连接的问题： 他们检查了神经元彼此连接的方式是否存在问题。即使他们强行让神经元按照“物以类聚”理论所预测的方式进行连接，大脑仍然无法正确进行线条排序。
• 它不是数学计算错误： 他们仔细检查了代码和数值，确保没有在计算连接时出现简单的错误。

新假设：大脑需要一个“自我调节”系统

如果布线和指令都不够，那么缺失的是什么？研究人员提出，真实的大脑拥有一种他们的模拟系统所缺乏的秘密武器：稳态可塑性（Homeostatic Plasticity）。

你可以把它想象成大脑中的一个“自动调节恒温器”。在真实的大脑中，神经元不断监测自己的放电频率。如果一个神经元接收到的输入过多，即将变得异常活跃，它会悄悄降低自己的敏感度。如果接收到的输入过少，它就会调高音量。这种情况一直在发生，保持着整个网络的平衡和就绪状态。

在模拟实验中，神经元是静态的；它们无法自我调节。它们被困在了出生时的设置中。研究人员怀疑，如果没有这种“自我调节”的能力，真实大脑中复杂且混乱的连接就会变得不堪重负，从而无法完成线条排序。他们提出，大脑需要这种动态的平衡行为，才能将一堆乱七八糟的电线转化为一台精准的线条检测机器。

总结

这篇论文对脑科学研究者来说是一次“现实检查”。它表明，仅仅因为一个理论在简单、干净的计算机模型中有效，并不意味着它在复杂、混乱的真实大脑中也有效。关于神经元如何排序线条的旧观念可能是故事的一部分，但绝不是全部。

作者建议，要真正理解我们是如何看世界的，我们需要停止将大脑视为一个静态的电路板，而应将其视为一个动态的、自我修正的系统。他们并没有证明这个新想法一定是正确答案（因为他们目前还无法完美地模拟这种自我调节过程），但他们的结果强烈暗示，如果没有这种能力，大脑的视觉系统就无法像现在这样正常工作。这提醒我们，大脑不仅仅是一个由零件组装而成的机器，而是一个不断自我调节以保持平衡的生命系统。