Skip to content

Nature 2025 年度方法|电镜连接组学:绘制终极大脑地图

我们为何会思考、做梦,又如何珍藏记忆?
这些关于人类心智的终极问题,深藏在大脑中数以百亿计的神经元,以及它们构成的极其复杂的连接网络之中。

几个世纪以来,科学家一直梦想着拥有一幅完整、精确的大脑地图,以此破解意识与认知的秘密。


从梦想走向现实

近日,世界顶级期刊 《自然-方法》(Nature Methods) 正式宣布:

基于电子显微镜的连接组学(electron microscopy, EM-based connectomics)
被评选为 2025 年度方法

这项革命性技术,旨在以前所未有的精度,绘制大脑中完整的神经连接图谱

当然,这条道路并非没有争议。批评者曾讽刺这类宏大工程是
“神经科学恋数据狂(neuroscience petaphiles)” 的作品——
只是在堆积 PB 级别的海量数据。

但在另一群科学家看来,正是这种极端精细的描绘,
为理解复杂大脑提供了不可替代的基础设施


什么是连接组学?

连接组学(connectomics),本质上是一门绘制大脑线路图的科学。

它就像为一座超级复杂的城市绘制一张精密到极致的交通地图:

  • 不只标出“高速公路”
  • 还要描绘每一条小巷
  • 以及每一个路口的连接方式

Winfried Denk 指出:
“对于制造和修理仪器而言,一张布线图既显而易见,又至关重要;
同样的道理也适用于研究大脑。”

在连接组学中,这张“布线图”的最小单位是突触——
即神经元之间传递信息的连接点。

德国马克斯·普朗克脑研究所的 Moritz Helmstaedter 强调:

3D 电镜连接组学,是建立突触级连接的金标准。
它让我们第一次真正“看到”大脑的基础布线。


漫漫征途:从英雄壮举到科学新大陆

连接组学并非一蹴而就,而是一场持续数十年的科学远征。


最初的英雄

近 40 年前,诺贝尔奖得主 Sydney Brenner 与同事完成了一项传奇工程:

  • 历时约 10 年
  • 主要依赖人工追踪
  • 成功绘制出 秀丽隐杆线虫(C. elegans)全部 302 个神经元的连接图谱

Winfried Denk 用一个词形容这段经历:

“极其痛苦(excruciating)。”

正因如此,这项工作完成后,连接组学领域曾长期沉寂。


近年的飞跃

随着电镜、自动化与计算能力的进步,这片沉寂的领域突然迎来爆发:

  • 果蝇全脑连接组

    • 约 14 万–17 万个神经元
    • 曾被认为“遥不可及”的目标,已被实现
  • 小鼠视觉皮层(MICrONS 项目)

    • 1 立方毫米体积
    • 约 8 万个神经元
    • 数亿个突触
    • 数据规模是果蝇连接组的 40 倍
  • 人类大脑皮层样本(H01 数据集)

    • 首次展示了对人类大脑进行连接组成像的可行性
    • 绘制了 1 立方毫米颞叶皮层图谱

这些成果标志着:
连接组学已从探索阶段,驶入真正的科学新大陆。


为何如此重要?连接组学的颠覆性价值

1. 理解大脑功能

拥有真实的“布线图”,研究者可以:

  • 像工程师分析电路一样追踪神经回路
  • 构建基于真实连接的计算模型

埃默里大学的 Anita Devineni 指出:

即使是静态连接图谱,也能揭示信息处理的动态过程。

例如,科学家已经基于果蝇连接组数据,
成功模拟了驱动其行走行为的神经回路


2. 攻克大脑疾病

许多神经退行性疾病,
本质上都可能源于神经连接的异常

精确的连接图谱,是理解疾病机制、
乃至设计干预策略的关键基础。


3. 比较与演化

Marta Costa 强调,连接组学使我们能够系统比较:

  • 不同个体
  • 不同性别
  • 不同发育阶段
  • 不同物种

由此揭示大脑结构与功能的演化规律


巨大的挑战:从果蝇到人脑的“登月计划”

尽管成果显著,但将连接组学推广到复杂大脑,
其难度堪比一场真正的登月工程。


惊人的规模差距

  • 秀丽隐杆线虫:302 个神经元
  • 果蝇:约 14–17 万
  • 小鼠:约 7000 万
  • 人类:约 860 亿

神经元数量呈指数级增长,
连接复杂度更是几何级放大。


数据与时间的鸿沟

  • 完整小鼠大脑连接组

    • 数据量预计为 MICrONS 的 500 倍
    • 达到 PB(拍字节)级别
  • 图像采集:数月

  • AI 重建 + 人工校对:数年

这一步,往往才是最耗时的瓶颈。


复旦大学神经科学家 彭汉川 有一个经典比喻:

“猴子不能通过爬更高的树到达月球;
它需要一艘全新的宇宙飞船。”

从果蝇到哺乳动物,
需要的是范式级的技术突破


未来展望:AI 助力与多技术融合

AI 的角色

人工智能已在神经元自动分割与重建中发挥核心作用。

Helmstaedter 甚至认为:

AI 在很大程度上解决了重建问题。

但新的挑战随之而来——
如何识别并过滤数据中的伪影与瑕疵,
仍是决定图谱质量的关键。


多尺度组合策略

未来不会依赖单一技术,而是整合多尺度方法:

  • 宏观尺度(Macro)

    • MRI
    • 绘制脑区之间的“高速公路”
  • 中尺度(Meso)

    • 病毒示踪
    • 描绘神经元群体之间的“主干道”
  • 微观尺度(Micro)

    • 电镜
    • 解析每一个突触级连接

终点,而非工具

佛蒙特大学的 Davi Bock 指出:

科学家并不执着于“电子显微镜”本身,
而是执着于 “看到大脑”

未来的高分辨率连接组学,
不一定完全基于电镜——
重要的是抵达终点,而不是所乘的工具。


结语:我们离理解自己还有多远?

电镜连接组学获评 《自然-方法》年度技术
不仅是对其成就的认可,更是对未来的期待。

但科学家也清醒地认识到:

连接组只是“脚手架(scaffolding)”。

要真正理解大脑,还需整合:

  • 神经递质
  • 电突触
  • 生物化学过程
  • 身体与环境的互动

最终目标,是理解一个
“具身连接组(embodied connectome)”——
大脑如何在真实世界中运作、适应与学习。

完整绘制人类大脑图谱依然遥远,
但这场探索已正式启航。

每一步前进,
都让我们离回答那个古老的问题更近:

我们是谁?