生物行移动版

主页 > 疾病诊疗 > 神经退行性疾病 > 阿尔茨海默病

神经科学快速发展的领域：计算神经科学、系统神经科学与神经免疫学

时间:2026-04-16 09:05  来源:The Transmitter   作者:Vinicius Rezende Car   点击:次

神经科学正在经历前所未有的扩张，多个子领域快速发展。为回答“哪些领域增长最快？”这一问题，《The Transmitter》对神经科学家进行了调查。受访者指出，计算神经科学和人工智能（特别是NeuroAI）是增长最突出的领域，其次是系统神经科学和自然行为研究。其他受访者关注内感受、胶质细胞生物学和神经免疫学的进展。方法学上，神经记录能力、神经成像和机器学习也在快速发展。本文基于调查结果，系统解析神经科学各子领域的增长趋势、驱动因素及未来方向。

一、增长最快的领域概览

领域 关键驱动因素 代表性观点
计算神经科学 / NeuroAI 机器学习/AI工具用于分析大规模数据；AI从大脑获取算法灵感 “计算神经科学，NeuroAI。”——Vinicius Rezende Carvalho
系统神经科学 全脑记录能力提升；自然行为范式 “系统神经科学。”——Richard Courtemanche
神经免疫学 突破“免疫系统与大脑分离”的教条 “神经免疫学——免疫系统与大脑交流的想法曾经是禁忌。”——Jason Shepherd
胶质细胞生物学 星形胶质细胞、小胶质细胞、少突胶质细胞在计算和行为中的作用 “它们作为枢纽，整合来自大量神经元的信息，并修改回路活动。”——Benjamin Deneen
自然行为 从简化的实验室任务转向复杂、自然的行为 “自然行为系统神经科学。”——Ian Max Andolina
人类神经记录 人类中靶向操纵的可能性（深部脑刺激、颅内记录） “人类神经记录。”——Matteo Carandini
神经成像 / 全脑记录 记录技术（Neuropixels、多光子成像、功能磁共振成像）的进步 “测量全脑的能力——我们越来越接近这一目标。”——Randy McIntosh
内感受 对饥饿、口渴、性、攻击等驱动力神经基础的理解 “饥饿、口渴、性、攻击——这些将对精神病学产生重大影响。”——Michael Stryker

二、计算神经科学/NeuroAI：最突出的增长

观点 说明
AI作为工具 机器学习用于分析大规模数据集（连接组、电生理、成像），以之前不可能的方式建模。
AI作为灵感来源 神经科学家使用AI概念（如深度学习、强化学习）来构建大脑理论。
AI作为解码器 机器学习用于解码尖峰序列信息，直接控制脑机接口。
未来影响 AI将改变编码、数据共享、实验设计，但对分子神经科学和记忆的长期影响尚不确定。

三、系统神经科学与自然行为：从简化到生态效度

传统方法 新兴趋势
简化的实验室任务（如按键、固定头部） 自然行为（自由运动、社会互动、觅食）
记录少量神经元 全脑范围记录（Neuropixels、钙成像）
行为手动评分 机器学习行为分析（DeepLabCut、SLEAP）
关注平均响应 关注回路动态和群体编码

四、神经免疫学与胶质细胞：打破教条

传统教条 新证据
免疫系统与大脑是分离的实体 免疫细胞（小胶质细胞）是大脑常驻细胞；免疫信号调节突触修剪、可塑性和行为
星形胶质细胞仅起支持作用 星形胶质细胞整合来自大量神经元的信息，调节回路活动
小胶质细胞仅起免疫防御 小胶质细胞参与突触消除、发育修剪和神经退行性疾病
脑脊液仅起缓冲作用 类淋巴系统清除废物代谢产物；胶质细胞参与液体循环

五、方法学驱动因素

技术 影响领域 增长原因
高密度电生理探针（Neuropixels） 系统神经科学 同时记录数千个神经元
多光子成像 系统神经科学 清醒行为动物的树突和群体成像
空间转录组学 分子神经科学 全脑范围内的基因表达图谱
机器学习行为分析 行为神经科学 从视频中自动评分自然行为
功能磁共振成像（高场强） 人类神经科学 更高空间分辨率，层特异性功能磁共振成像
开放科学平台 所有领域 大规模数据共享和可重复性

六、领域成熟度与未来方向

领域 过去5年 未来5-10年
测序/组学 快速发展（全脑范围） 应用阶段（将技术应用于具体问题）
全脑记录 发展中 加速增长（更多职位可用）
自然行为 新兴 快速增长
神经免疫 突破教条 机制理解（如何转化为治疗）
人类神经记录 有限（深部脑刺激、癫痫监测） 增长（新型可植入设备）

七、对神经科学家的启示

建议 理由
学习计算技能 AI/机器学习正渗透到所有子领域（从数据分析到理论建模）。
采用自然行为范式 简化的任务可能错过大脑在真实世界中的计算。
整合多模态方法 结合记录、操纵、成像和计算建模。
关注胶质细胞和免疫 这些领域正在快速发展，但仍有大量未知。
参与开放科学 大规模数据集需要共享和标准化。

八、结论：神经科学的多极增长

神经科学增长最快的领域反映了技术驱动（高密度记录、神经成像、机器学习）和范式转变（自然行为、神经免疫、胶质细胞）的融合。计算神经科学/NeuroAI是最突出的增长点，但系统神经科学、神经免疫学、胶质细胞生物学和自然行为也在快速发展。未来的神经科学家需要跨学科技能，能够整合分子、回路、行为和计算方法。

核心信息：

  • 计算神经科学/AI是增长最快的子领域。

  • 系统神经科学正在转向自然行为和全脑记录。

  • 神经免疫学和胶质细胞生物学正在打破长期教条。

  • 方法学进步（Neuropixels、空间转录组学、机器学习行为分析）驱动增长。

  • 未来需要跨学科训练和开放科学实践。

(责任编辑：glia)
    最近关注
    热点内容