生物仿真脑模型揭示“不一致神经元”与多尺度大脑模拟的进展

该模型的构建旨在再现大脑中神经元的连接方式、电化学通信及脑区间的相互作用。模型的核心组成部分被称为“基本单元”（primitives），即模仿基本计算功能的小型神经元回路。例如，在皮层模型中，兴奋性神经元“基本单元”通过受谷氨酸影响的突触接收视觉输入，并与抑制性神经元建立竞争性连接，形成“赢者通吃”的架构，以确保信息处理的效率。

在宏观结构层面，模型整合了皮层、脑干、纹状体和张力活跃神经元（TAN）等关键脑区。TAN结构通过乙酰胆碱的爆发性释放，向模型中引入变异性。在学习初期，这种变异性促进了探索性行为；随着学习的深入，皮层与纹状体之间连接的增强会抑制TAN的活动，从而使模型行为趋于稳定。这种将微观回路与宏观结构及神经调节物质相结合的方法，被称为“多尺度集成”。与依赖海量数据训练的传统人工神经网络不同，该模型通过模拟大脑的生物学构造和运作规则来展现功能，其计算步骤和反应特征更贴近真实大脑的生理学和解剖学特征。

“不一致神经元”的发现及其对学习和错误预测的启示

在模型运行过程中，研究团队观察到约20%的神经元表现出一种特殊的活动模式，其活跃度与即将发生的错误行为存在相关性。这些神经元被命名为“不一致神经元”。在传统强化学习理论中，神经元活动通常与正确行为正相关，但这种模式表现出反直觉的特征。基于模型提供的线索，研究团队重新审视了米勒教授实验室十年前的动物脑数据，并在猴子执行相同任务的数据中确认了这种活动模式的存在。

关于ICNs的功能，研究人员推测，这些细胞的目的是让大脑在任务规则发生变化时保持探索替代方案的能力。传统观点认为大脑通过奖励信号强化正确行为，而ICNs的存在可能有助于大脑避免陷入“局部最优解”，防止策略过早僵化。作为一种内在的“探索机制”，ICNs在学习过程中提供必要的扰动，促使大脑在维持既有路径的同时，持续评估其他潜在解决方案，以应对动态环境的变化。

此外，其他相关研究也提供了补充视角。一项发表在《自然通讯》的研究指出，灵长类动物在执行特征模糊的视觉分类任务时，颞下皮层的TE区域展现出增强的神经可塑性。随着学习的进行，TE区域的神经表征增强并与行为表现密切相关。这表明TE区域在支持视觉类别学习方面发挥着基础作用。TE区域在感知层面的可塑性与ICNs在决策层面的“探索”功能形成了互补，共同展示了大脑在处理复杂环境时的适应机制。

多尺度模型、乙酰胆碱神经调节与神经治疗学的应用

乙酰胆碱（ACh）作为关键的神经调节物质，在新皮层微回路的调节中扮演重要角色，参与注意、学习、记忆及大脑状态转换等过程。ACh的功能异常与阿尔茨海默病和帕金森病等疾病的病理特征有关。为了连接分子细胞变化与宏观大脑活动，研究者提出了“数字孪生脑”的概念，即在计算机中创建高度仿真的数字副本。多尺度模型能够模拟如麻醉剂等外部因素对突触受体的作用，进而预测宏观脑电活动的状态转换。

基于这一理念，相关技术平台正在利用这些生物仿真模型辅助神经治疗药物的研发。神经药物的研发通常面临周期长、成本高及成功率低的问题。利用具有生物真实性的多尺度模型，研究人员可以在虚拟环境中模拟药物分子与神经元受体的结合过程，以及由此引发的细胞、突触和网络层面的变化。这种“虚拟临床试验”可以在研发初期对药物的疗效、剂量及潜在副作用进行评估，从而提高筛选效率，降低研发风险。例如，针对阿尔茨海默病的药物，可以通过模型模拟其对ACh释放及皮层微回路活动的影响，进而评估其改善认知功能的潜力。

生物仿真脑模型的深远影响与展望

生物仿真脑模型为神经科学研究提供了一种连接生物学与计算科学的新工具。它不仅有助于深入理解大脑功能及神经疾病机制，也为开发神经疗法提供了实验平台。从发现“不一致神经元”到模拟药物干预，该模型展示了其在微观到宏观层面研究大脑复杂系统方面的潜力。

未来，研究团队计划扩展模型范围，纳入边缘系统、丘脑、小脑等更多脑区，并增加多巴胺、血清素等神经调节物质，以模拟更广泛的认知功能和情绪反应。生物仿真模型被视为推动通用人工智能（AGI）和精准脑部疾病医疗发展的重要路径。在精准医疗领域，通过构建患者个体的“数字孪生脑”，有助于制定个性化的治疗方案，并在虚拟环境中预测药物或深部脑刺激等干预措施的效果，为实现个性化医疗提供技术支持。

陈岑 美国留学咨询顾问