虚拟人脑(2-3)

2020-08-03 V艺生活 76990次阅读 

虛擬人腦(2/3)

建立巨型数位大脑模拟,将可改变神经科学与医学,并找出製造更强大电脑的新方法。

(续前文)

综合生物学

为了进行测试,我们建立了大脑皮质柱的整合模型。这种结构如同笔电的核心处理器︰想像把一个极细的吸管插入大脑皮质,然后取出半径约0.5毫米、长约1.5毫米的圆柱状组织,大致就是一个大脑皮质柱,其中有数万个神经元,彼此组成非常密集的网络。它是高效率的资讯处理单元,演化的过程让大脑中出现越来越多这样的柱状结构,直到头颅中的空间都用完,而不得不以摺叠的方式来容纳更多,大脑的摺叠结构因此产生。

虚拟人脑(2/3)大脑皮质柱垂直贯穿新大脑皮质的六层结构(新大脑皮质是皮质的最外层),各层的神经连结与结构各不相同,其连结的形式就像是电话透过数位位址和交换机相互连结一样。每个大脑皮质柱中大约有数百种神经细胞,我们利用IBM的超级电脑蓝色基因(Blue Gene)来整合各种细胞在一个大脑皮质柱中各层混合的可得资讯,藉此得到打造出新生小鼠大脑皮质柱的「配方」。我们也指示电脑在模拟的过程中,让虚拟神经细胞只以真的神经细胞的方式彼此连结。我们花了三年才写出一套软体,建构出第一个大脑皮质柱的整合模型。这次成功的模拟不但让综合生物学(透过完整且多样的生物学知识来模拟大脑)成为可能,更显示它是可行且充满创新的研究方法。

虚拟人脑(2/3)当时这套模型是静态的,相当于昏睡大脑中的大脑皮质柱。虽然它像是个独立于其他脑结构而单独存在的脑组织,我们仍想要知道它是否能像真正的大脑皮质柱一样运作,因此我们决定给它一点外来刺激。2008年,我们对虚拟皮质柱施以模拟电击,发现神经细胞之间开始产生对话,动作电位(是神经细胞的语言)在皮质柱中散播,开始像是整合过的迴路般运作。这些动作电位在不同细胞层之间流动往返,就和真实大脑组织一样。我们并没有把这种行为写入模型中,它完全来自于迴路的建构模式。即使外在刺激消失,该迴路仍然活跃,并发展出内在的动态变化,这就是它用来表徵资讯的独特方式。

从那时起,我们陆续把世界各个实验室的资讯整合到这个联合皮质柱模型中,发展出来的软体也不断提升,这样我们就可以逐渐运用更多资料、更多规则,更精準地重建皮质柱。下个步骤是要整合整个脑区的资料,接着是整个大脑。小鼠的大脑是我们第一个目标。

我们的工作非常仰赖神经资讯学。来自世界各地大量的脑相关资料必须先统整,然后找出其中能描述大脑组成方式的模式或规则。我们需要找出那些能以数学方程式描述的生物程序,同时发展出能让我们在超级电脑上解开这些方程式的软体。我们也需要写出能符合大脑生物本质的软体,我们称之为「大脑建构者」。

神经资讯学可以预测大脑的运作方式,新资讯也不断修正模型,因此我们不必测量大脑的每个面向,也能很快了解其功能。我们可以根据新发现的规则来进行预测,然后测试这些预测的真假。目前我们的目标之一,就是利用某些神经元蛋白质的基因资讯,来预测这些神经元的结构与行为。基因与真正的神经元之间的关联就是我们所说的「资讯桥樑」,这是综合生物学所提供的捷径。

另一种採行已久的资讯桥樑,是基因突变与疾病之间的关联,特别是突变如何改变细胞所产生的蛋白质,接着影响到神经元的几何与电生理特性、神经突触以及小型迴路中的区域性电活动,最后扩大到整个脑区迴路。

例如,理论上我们可以在模型中设定某种突变,然后观察这个突变所影响的生物反应程序中的每个步骤。如果最后所造成的症状符合我们观察到的真实情况,那幺这个虚拟反应链就可能是疾病的产生机制,我们甚至能从中寻找有潜力的治疗目标。

这个过程极为繁複。我们要先把资料整合起来,并让模型按照既定的生物规则运作,接着进行模拟并将「输出结果」(蛋白质、细胞与迴路所产生的结果)与相关实验资料比对。如果两者不相符,就必须回头确认资料是否正确并改良生物规则。结果相符,我们就会加入更多资料与细节,并将模型扩充到更大的脑区。随着软体升级,资料的整合也会更加迅速并自动化,模型的运作也会更接近真正的生物体。儘管我们尚未完全了解细胞与突触,但是模拟整个大脑似乎不再是遥不可及的梦想。

为了达成这个企图,我们需要大量的资料。碍于道德考量,神经科学家能在人脑上进行的实验有限,幸好哺乳动物的大脑在物种之间虽然有别,但基本建构规则都一样。我们对于哺乳动物大脑的遗传学知识大多来自小鼠,猴子则让我们对认知功能有更进一步的理解。藉此我们可以开始建立小鼠大脑的统整模型,再以此当成样板,逐步整合各项细节,进一步发展出人脑模型。如此一来,小鼠、大鼠和人类的大脑模型将能同时发展。

神经科学家得到的资讯可以帮助我们找出控制大脑运作的规则,并且透过实验确认我们的推测(关于因果链的预测)和生物现象相符。在认知层面,我们知道初生婴儿对一、二、三这些数量已经有基本的概念,但对较大的数字则无,当我们可以模拟初生婴儿的大脑时,该模型必须要能同时呈现新生儿拥有及没有的能力,才算正确。

我们所需的资讯大多有了,只是不容易取得。人脑计画最大的一项挑战,就是蒐集并整理资讯的功夫。以医学为例,这些资讯充满价值,因为关于功能丧失的模拟不但能告诉我们正常状态理应如何,而且所有的模拟都十分逼近真实健康的大脑产生病变后的变化。

现在,每位病人的脑部扫描结果都会以数位方式存档。全世界的医院存放着数百万个脑部扫描档案。这些档案虽然也做为研究之用,但这些研究是片段的,因此大多数资讯都没有好好使用。如果档案放在网路可及的「云端」,并且同时标记病人的病例、生化以及遗传资讯,医生就可同时检视大量的病人资料并从中寻找疾病的模式与规则。这种方法的优点在于,可以透过数学统计来找出各种疾病的异同。「阿兹海默症神经影像行动组织」目前正大量採集失智者与健康对照者的神经影像、脑髓液和血液,準备进行这样的研究。(待续)

上一篇: 下一篇: