對各個腦區的精確標記剛剛起步

如今我們相信，神經放電規律與腦功能之間是一種微觀、動態的聯絡，而單靠觀察哪個腦區的血流量增加或減少，無法揭示神經編碼的獨特原理。

神經系統是一個電化學耦合作用的複雜網路，繪製精細的神經動態網將為臨床診療和智慧控制領域提供亟需的資料資源。學界認為，介觀層面的神經大資料能讓我們更好認識神經網路的放電模式和基因通路的特性，深入分子角度，揭示這張動力學之網如何調控了大腦乃至整個生命。

對腦的研究所產生的資料，一般會有圖譜化的呈現，人們從單個神經元的圖譜繪製開始，逐步整合出包含更多細節的大腦活動

3D

圖譜。圖譜包含了控制生物體行為的每束特定迴路，透過刺激此類迴路，科學家操縱了果蠅的搖頭和振翅等簡單行為。

這種超精密圖譜要求海量的資料支撐其解析度，平均每個神經元就要

1

個

G

的資料去繪製，總共涉及了

6

萬個神經元才最終完成，耗費

10

年。以這種速率繪製完整的人腦圖譜將是不可能的任務。

人腦皮層的圖譜犧牲了解析度。

2016

年僅能達到

1

立方毫米的精度，而這個空間內已經包含成千上萬個神經元。腦神經資料比基因組資料還大得多，且以靜態的圖譜表達動態的過程，挑戰性極大。繪製圖譜的過程是在腦功能與腦連線之間建立對映，需要豐富的成像資料和電生理資料，再加上後期的分析與疊加，說會導致“資料爆炸”也不為過。

對腦的觀測產生了海量資料

另外，與基因不同，腦神經的形態極度不規則，一些神經可以從頭延伸到腳，繪製所有種類的腦神經在一張圖上很不方便。研究者只有在數百張彼此重疊的腦片影象中逐幀比對，追蹤數以千計的對映，讓圖譜儘可能完整、精確。

光學顯微鏡最多追蹤單個神經元胞體，但要觀察突觸間的電化學訊號，就需要電子顯微鏡，而更高的解析度意味著更多的資料。

繪製圖像前還要先分析受試者的腦圖。打個粗略比方，在畫出一幅圖前，先要拿幾十張別人的圖學習

“怎麼畫”。同時，對圖譜的分析勢必要對原資料進行處理，這顯然又會產生新資料。

除了技術進步，在資料中分出

“輕重緩急”也能減少工作量，提高效率。有些影象以閃光形式出現在儀器上，反映受試動物在覓食、觀察環境時神經元收發訊號的情況。這樣的放電活動持續

20

分鐘就會積累

500

個

P

位元組的原始資料，但若只提取對應神經元的連接回路、放電時間與間隔，而忽略畫素變化等無效資訊，資料集就能縮小

100

萬倍至

500

個

G

。

有專家指出，腦科學家應關注演算法的改進，用高效的編碼方式描繪腦圖譜，並改進資料壓縮技術。當然，它的難度不止在於程式設計，有關大腦的數學模型尚不很清晰

——相比之下，確定蛋白質結構有清晰的函式模型，

X

射線晶體衍射法提供了有關蛋白質的可量化特徵，並有相關方程描述，這讓人明確知道哪些資料該保留，哪些該放棄。

精神分裂症患者的腦突觸存在傳導異常

然而神經科學界尚未發現有如此

“確定性”的方程，在神經連線、活性與行為認知之間缺乏模型解釋。對神經行為的判斷基本是機率性的，而對機率的驗證仍要透過資料，這就有點“迴圈論證”了。因此，研究者指出，問題不在於資料太多，而是人們對大腦複雜性的認識缺乏框架和方向指導。

總之，對地球表面的定位，我們尚有精確到米級的

GPS

，但對腦區的定位，我們在精確性、系統性和相容性方面還難以兼顧。

未來減輕工作負擔的方式多在於資料共享。通常，針對相同問題，各個實驗室會編寫冗餘程式碼塊和實施自己的資料管理方案，大量工作是重複的，而對測試軟體和資料格式的共享能減少對人力物力的浪費。

以往人們獲取大腦的精確圖譜要付出大量的時間與精力成本，以至於他們不願分享資料，讓他人輕易拿到自己的辛苦成果。現在，藉助同步

X

射線斷層掃描已大大提高了資料採集效率，有實驗團隊計劃將鐳射共聚焦影象和

X

射線影象整合到一個可開放下載的平臺上。這是對突破“資料孤島”的一項有益嘗試。

雖說

X

射線影象與其它資料格式的整合仍有難度，但檢測技術的進步與腦科研領域合作趨勢的增強至少提高了人們分享資料的意願，這也是讓大資料融入腦科學的實際意義所在，將為相關研究成果的市場化應用打下堅實基礎。