How much of a nervous-system model does behaviour identify?
本研究表明，尽管行为数据可以约束全有机体神经系统模型参数空间中的特定方向，但绝大多数连接组层面的参数仍处于未定状态，且这种可识别性的程度取决于所诱发行为的多样性和功能需求。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
长期以来，科学家们一直试图构建生物体的数字孪生——即能够模拟蠕虫爬行或苍蝇行走方式的计算机程序。这些模拟系统由成千上万个微小部分组成：神经细胞之间连接的强度、电信号传输的速度，以及维持细胞生存的化学反应。人们曾寄希望于，如果一个计算机模型能够完美地重现动物的运动，那么该模型内部的数值就一定与真实的生物学特征相匹配。逻辑是这样的：如果虚拟蠕虫的运动与真实的蠕虫完全一致，那么虚拟蠕虫的构建参数必然与真实情况相同。然而，越来越多的研究表明，事实可能并非如此。许多不同的数值组合都有可能产生完全相同的运动，这意味着仅仅通过观察动物的运动，可能不足以弄清楚其神经系统究竟是如何连接的。
剑桥大学的陈希（Chenxi He）开展的一项新研究，正在大规模地验证这一问题。研究者并没有关注单个神经细胞或一小组细胞，而是对线虫和果蝇的全生物体模拟器进行了研究。这些模型包含了定义神经系统运作方式的数千个参数。通过系统性地调整模型中的每一个数值并观察行为的变化，该研究绘制出了模型的哪些部分是由动物行为所锁定的，而哪些部分又是可以自由变化的。结果显示，行为是指导理解神经系统完整细节的一种非常糟糕的手段。虽然动物的运动能确定一些特定的参数组合，但它们却让模型的绝大部分内部数值处于完全不受约束的状态。
该研究首先针对一个详细的线虫（C. elegans）模型展开，这种微小的蠕虫其整个神经系统连接图谱是已知的。该模型包含 3,076 个不同的神经细胞连接强度。研究者运行了数千次模拟，每次改变一个连接，以观察蠕虫的爬行模式是否会发生变化。研究结果令人震惊：在 3,076 个连接中，蠕虫的行为仅决定了所有可能设置空间中的 8 个特定方向。即使研究者采用了稍宽松的测量标准，这个数字也仅增加到了 47。这意味着模型中 99% 的连接强度在改变后，蠕虫都不会察觉到运动方式有任何差异。蠕虫的行为就像一束狭窄的手电筒光，只照亮了模型中极小且特定的一个切片，而将其余部分留在了黑暗之中。
即使在研究不同的动物和不同的神经系统部分时，这一模式依然成立。在关于果蝇视觉系统（处理果蝇所见之物）的模型中，研究者发现，在 330 个可调节设置中，行为仅约束了其中的 14 个。在线虫和果蝇的模型中，受行为严格控制的部分通常是负责传递主要运动或视觉信号的连接。而那些被留给自由变化的部分往往是细胞内部特定的化学电流。例如，在线虫模型中，行为对两种特定类型的钙通道基本不敏感，这意味着即使显著改变这些通道的强度，也不会改变蠕虫的爬行方式。这表明神经系统具有极大的灵活性；它可以通过许多不同的内部设置来实现同样的结果。
研究还探讨了观察动物进行更多活动是否会有助于确定更多细节。团队测试了线虫模型在不同类型的运动下的表现，例如直线爬行与向食物移动。他们发现，增加同类运动（如走快一点或走慢一点）并不会提供多少新信息。控制这些相似动作的模型设置已被第一次运动所锁定。然而，当动物执行功能上不同的任务时，例如向气味梯度而非仅仅是行走时，模型展现出了另一组受约束的设置。蠕虫在化学梯度中的行为所锁定的连接，与它在简单行走时的行为所锁定的连接并不相同。尽管如此，即便有了这些不同的任务，模型的大部分依然是自由的。这项研究表明，要了解更多关于神经系统的知识，我们需要观察多种截然不同的行为，而不仅仅是延长同一种动作的记录时间。
为了确保这些发现并非仅仅是计算机模型的特性，研究者在已知正确答案的更简单的细胞模型上测试了同样的方法。在这些案例中，该方法表现完美：当模型较小且行为简单时，能够恢复正确的设置。但当模型变得复杂（如著名的 MAPK 信号通路）时，模拟可以精确匹配行为，却使用了完全错误的内部数值。这证实了完美的行为匹配并不保证已经正确识别了底层的生物学机制。研究还将其结果与来自其他科学家的真实生物学数据进行了对比，例如测量同物种内不同个体间神经细胞的变异程度。现实中线虫和果蝇中变异与不变的模式与计算机模型中发现的模式相吻同，这表明这种“松散性”（sloppiness）是生物学的一个真实特征，而非仅仅是模拟过程中的缺陷。
最终的结论是，行为识别了神经系统模型中一个特定的、低维的空间，但却留下了模型中绝大部分的空间。系统中受到约束的部分是对于当前特定任务至关重要的部分，而自由的部分则代表了生物学可以在其中发生变化而不会产生后果的方向。这意味着，构建一个行为像真实生物的数字有机体，并不意味着我们已经发现了真实生物体的确切设置。相反，我们只是找到了一组恰好能产生正确运动的有效参数组合。这项研究将这种不确定性重新定义为生命的一个特征，而非测量上的失败：神经系统足够强大，只要最终输出（即行为）保持有效，它就能容忍广泛的内部变化。研究者总结道，要真正理解一个神经系统，我们必须超越它所产生的行为本身，并意识到通往该行为的路径是由许多可能的路线铺就的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。