神經科學 科學報導

行為學翻身—行為研究在當代神經科學的重要性

「理解」大腦、「解碼」神經系統是什麼意思呢?這些基礎定義仍是神經科學家持續探討的課題。近期的神經生物技術蓬勃發展,從分子標定、光遺傳技術、鈣離子顯影方法到多通道電擊紀錄等技術沿革[1],神經科學家能精準地操控、紀錄神經細胞的活性,然而,這些研究技術足以讓我們了解重要的腦功能嗎?本篇觀點(Perspective)文章探討行為研究在系統性了解大腦上的關鍵性[2],除了回顧過去相對被忽略的神經行為領域、解釋動物行為在神經科學中的重要性,也提出未來開啟更多元、系統性神經科學研究的展望。

即便準確紀錄神經元活性,神經系統之於動物行為的影響仍不清楚。神經活性與行為活動可能有各種對應關係,神經科學家可能只記錄到部份能夠解釋動物的神經活性,所記錄到的神經活性也可能與欲研究的自然行為無關,更複雜地,不同神經活性可能產生同一種動物行為,反之,所記錄的部分神經活性卻產生多種動物行為。當我們探索大腦如何產生行為,準確的神經紀錄與操控在缺乏行為研究的情況下是相當受限的。

分子生物學的化約論 (Reductionism) 概念:「在細菌中為真的生物現象在大象體內也是正確的」,顯著影響生物學領域的發展,前述的當代神經科學研究方法與技術也朝相同的方向發展。然而,此方法未必能解析神經系統與動物行為的關聯。知名的計算神經科學家 Marr 將神經科學研究分做三個階層[3]:計算 (Computation)、演算法 (Algorithm)、實行 (Implementation),由所謂「高層次」的計算功能、計算功能所使用的演算方法、到實際上實行此演算過程的神經生理機制。本文的作者群便指出當前研究相對著重實行層次的微觀機制而忽略了計算、演算法階層的研究。

過去成功的神經科學研究時常整合不同層次的知識,例如聽覺系統中著名的聲音定位功能起初由貓頭鷹、沙鼠在黑暗中的定位行為出發,科學家建立音源時間差與重合檢測器 (Coincidence detector) 的演算法,最後在行為證據與演算法假說引導下方能解析神經迴路的機制。此外,動作控制與學習的神經基礎更是在 Marr 本人提出的誤差修正 (Error-correction) 模型下,逐漸在小腦迴路中發現控制行為與學習的神經迴路。這些案例不僅顯示高層次模型對神經科學的助益,也強調了解神經系統所需要的跨層次整合。

本文章回顧並強調動物行為在神經科學中的重要性,最後則呼籲以多元化、系統性 (Pluralism) 的方法修正當前化約論的研究角度。了解大腦、整合神經功能與動物行為仍是一大挑戰,但隨著實驗方法與理論研究的發展,著重動物行為、跨層次的神經科學研究將浮上檯面,Investigator 的神經科學系列文章也囊括動物行為、認知功能的最新研究成果。

圖片來源:https://doi.org/10.1016/j.neuron.2016.12.041

參考文獻:

  1. 新聞. New Silicon Probes Record Activity of Hundreds of Neurons Simultaneously. alleninstitute. November 8, 2017. http://goo.gl/Yjjozg
  2. Krakauer JW, Ghazanfar AA, Gomez-Marin A, MacIver MA, Poeppel D. Neuroscience Needs Behavior: Correcting a Reductionist Bias. Neuron. 2017 Feb 8;93(3):480-490. https://doi.org/10.1016/j.neuron.2016.12.041
  3. David Marr. Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. The MIT Press. July 9, 2010. http://goo.gl/iHZqVb

撰文│陳 曦
審稿│陳 曦

About the author

陳曦

台大生科系畢業,目前於普林斯頓大學攻讀博士班。研究領域為系統與計算神經科學,也對生物物理、 系統生物學與複雜系統感興趣。大學至UCLA暑期實習、於復旦大學研究交流、碩士班研究於中研院物理所。大學時期推動系學會學術活動、撰寫科普文章,希望對跨領域合作、科普知識的推廣盡一份心力。期待持續在Investigator社群結識志同道合的朋友,推廣學術訊息、分享研究經驗的過程中互相學習。

Leave a Comment