大脑是一个庞大且高度互联的神经元网络，以并行方式进行计算。实时观察这些计算过程，有望揭示大脑如何处理感觉信息并指导行为。然而，控制网络活动的电信号快速、微弱，且在活体组织中极难捕获。
近日，一项发表于《自然·方法》的研究描述了一种新型双光子成像平台，该平台能够同时从近200个神经元捕获电活动，跨越皮层层次，达到前所未有的深度和速度，为理解信息如何在活体脑回路中流动打开了新窗口。
该平台名为FlatMux，通过最小化可靠检测单个神经元活动所需的能量，并设计出一种可扩展的策略，以每秒1.5亿个样本的速率对样本进行光学激光脉冲扫描，为该领域树立了新标杆。它能够在一个或多个平面内同时记录近200个神经元，深度达500微米，帧率高达每秒2000帧。
凭借该工具提供的灵敏度和速度，研究人员现在可以开始绘制功能上相互连接并因果相互作用的神经元图谱，从而对大脑布线及其功能如何产生认知能力产生新的理解。此外，与使用电极探针的方法不同，通过荧光直接成像电活动，可以同时推断记录神经元的位置和细胞类型。
“长期以来，该领域一直专注于从单个神经元的反应特性来理解大脑。我们的成像平台使得转而研究各种大脑功能如何可能是高度互联系统信息处理的结果成为可能，其中计算分布在大型神经元网络上，”洛克菲勒大学神经技术与生物物理学实验室主任Alipasha Vaziri表示。
高度互联的挑战
现有成像工具受到不同限制的阻碍。就光学工具而言，科学家长期以来依赖钙成像，利用荧光传感器追踪与神经元放电相关的钙离子涌入。但钙信号只是电活动的间接测量，且比神经元用于通信的毫秒级电脉冲慢得多，因此这些技术会错过神经计算的关键特征，包括神经元放电前塑造活动的信号（即所谓的亚阈值反应）。
近年来，研究人员转而使用基因编码电压指示剂（GEVIs）——嵌入细胞膜中直接报告电压的荧光传感器。但GEVIs也有其挑战：信号微弱，比钙信号快约100倍，且极难在活体脑组织深处捕获。在深度成像时，需要双光子显微镜，这是一种基于激光的技术，可以窥视散射组织，但带来了自身的物理限制：激光功率过低会产生无法使用的信号，过高则会加热组织或破坏传感器。传统的双光子系统在光传输方面效率极低，限制了可记录的神经元数量和记录时长。
Vaziri着手克服这些限制，设计了一种能更好捕获大脑活动复杂性的工具。“我们需要提出一个使激发尽可能高效的系统，”Vaziri说，“通过最大化我们投入的激发光子所获得的荧光光子，我们能够观察尽可能多的神经元。”
重新思考光传输
为了实现这一目标，Vaziri及其同事需要重新思考光传输本身。他们构建了一个名为FlatMux的定制双光子成像平台，该平台利用一个光学腔。新平台将激光束分割成许多精确时序的脉冲，以高度协调的方式传递到组织中一系列不同的、非重叠的点。这与传统方法形成对比，传统方法依赖机械扫描，导致激光脉冲在扫描过程中对每个样本区域过度采样。他们的方法不仅允许更快的扫描，而且使系统效率大大提高，用更少的光产生更强的信号，同时减少组织加热和不良伪影。
借助FlatMux，研究人员可以对大脑中更大规模、更深层的神经元群体进行成像，并且速度快到足以捕获神经元用于通信的毫秒级电事件。此外，该系统的设计是可扩展的，即随着GEVIs的持续改进，FlatMux能够将能量资源中获得的增益重新分配，以在保持相同速度且不增加功率的情况下，记录更大规模的神经元群体。
研究团队随后将FlatMux与定制的计算工具配对，这些工具旨在区分真实的神经活动与背景噪声。硬件和软件共同作为一个单一平台：一个最大化从发送到大脑的每个光子中提取的信息量，另一个则重建隐藏在这些数据中的转瞬即逝的电信号。
为了在现实条件下测试该系统，团队在清醒的、在跑步机上奔跑并接受胡须刺激的小鼠中使用了该系统，结果表明该系统能够捕获此类刺激期间以及自发行为期间的微弱电压信号。
结果是一个不仅用于成像更多神经元，而且用于捕获神经计算过程的系统。其效果是显著的：FlatMux同时记录了近200个神经元，深度达到500微米，以高达每秒2000帧的速度捕获活动，甚至同时成像了两个皮层层次，使研究人员能够实时观察信号在分层皮层回路中的流动。在高灵敏度模式下，该系统还检测到太弱而无法触发放电但对揭示突触耦合的神经元至关重要的信号，这提高了以光学方式和高通量方式绘制功能连接图谱的可能性，而不是一次一对细胞。
借助FlatMux，最终可能超越孤立神经元的快照，转而捕获实时分布式网络中的计算过程。这可以帮助研究人员追踪信号如何在回路中移动，研究各种行为（如决策）背后的协调活动，甚至可能改变新兴的连接组学领域。其毫秒级精度也可能帮助研究人员通过电信号特征区分不同种类的脑细胞，开辟一种按功能对细胞类型进行分类的新方法。
“为了实现理解模式生物大脑布线图的目标，已经投入了大量努力，”Vaziri说，“FlatMux平台可用于推断神经元如何突触连接。”更广泛地说，FlatMux指向神经科学的一个转变：从采样活动片段转向捕获活体脑回路如何实时计算。“大脑不仅是一个生物器官，也是一个信息处理系统，我一直对弄清楚其潜在的计算原理感到兴奋，”Vaziri说，“当我们构建这类工具时，不仅仅是克服工程挑战，更是为了让神经科学能够提出关于大脑如何计算的更深层次问题。”