虛擬人腦(2/3)

撰文／Henry Markram｜譯者／謝伯讓
轉載自《科學人》2012年9月第127期

綜合生物學

為了進行測試，我們建立了大腦皮質柱的整合模型。這種結構如同筆電的核心處理器︰想像把一個極細的吸管插入大腦皮質，然後取出半徑約0.5毫米、長約1.5毫米的圓柱狀組織，大致就是一個大腦皮質柱，其中有數萬個神經元，彼此組成非常密集的網絡。它是高效率的資訊處理單元，演化的過程讓大腦中出現越來越多這樣的柱狀結構，直到頭顱中的空間都用完，而不得不以摺疊的方式來容納更多，大腦的摺疊結構因此產生。

大腦皮質柱垂直貫穿新大腦皮質的六層結構（新大腦皮質是皮質的最外層），各層的神經連結與結構各不相同，其連結的形式就像是電話透過數位位址和交換機相互連結一樣。每個大腦皮質柱中大約有數百種神經細胞，我們利用IBM的超級電腦藍色基因（Blue Gene）來整合各種細胞在一個大腦皮質柱中各層混合的可得資訊，藉此得到打造出新生小鼠大腦皮質柱的「配方」。我們也指示電腦在模擬的過程中，讓虛擬神經細胞只以真的神經細胞的方式彼此連結。我們花了三年才寫出一套軟體，建構出第一個大腦皮質柱的整合模型。這次成功的模擬不但讓綜合生物學（透過完整且多樣的生物學知識來模擬大腦）成為可能，更顯示它是可行且充滿創新的研究方法。

當時這套模型是靜態的，相當於昏睡大腦中的大腦皮質柱。雖然它像是個獨立於其他腦結構而單獨存在的腦組織，我們仍想要知道它是否能像真正的大腦皮質柱一樣運作，因此我們決定給它一點外來刺激。2008年，我們對虛擬皮質柱施以模擬電擊，發現神經細胞之間開始產生對話，動作電位（是神經細胞的語言）在皮質柱中散播，開始像是整合過的迴路般運作。這些動作電位在不同細胞層之間流動往返，就和真實大腦組織一樣。我們並沒有把這種行為寫入模型中，它完全來自於迴路的建構模式。即使外在刺激消失，該迴路仍然活躍，並發展出內在的動態變化，這就是它用來表徵資訊的獨特方式。

從那時起，我們陸續把世界各個實驗室的資訊整合到這個聯合皮質柱模型中，發展出來的軟體也不斷提升，這樣我們就可以逐漸運用更多資料、更多規則，更精準地重建皮質柱。下個步驟是要整合整個腦區的資料，接著是整個大腦。小鼠的大腦是我們第一個目標。

我們的工作非常仰賴神經資訊學。來自世界各地大量的腦相關資料必須先統整，然後找出其中能描述大腦組成方式的模式或規則。我們需要找出那些能以數學方程式描述的生物程序，同時發展出能讓我們在超級電腦上解開這些方程式的軟體。我們也需要寫出能符合大腦生物本質的軟體，我們稱之為「大腦建構者」。

神經資訊學可以預測大腦的運作方式，新資訊也不斷修正模型，因此我們不必測量大腦的每個面向，也能很快了解其功能。我們可以根據新發現的規則來進行預測，然後測試這些預測的真假。目前我們的目標之一，就是利用某些神經元蛋白質的基因資訊，來預測這些神經元的結構與行為。基因與真正的神經元之間的關聯就是我們所說的「資訊橋樑」，這是綜合生物學所提供的捷徑。

另一種採行已久的資訊橋樑，是基因突變與疾病之間的關聯，特別是突變如何改變細胞所產生的蛋白質，接著影響到神經元的幾何與電生理特性、神經突觸以及小型迴路中的區域性電活動，最後擴大到整個腦區迴路。

例如，理論上我們可以在模型中設定某種突變，然後觀察這個突變所影響的生物反應程序中的每個步驟。如果最後所造成的症狀符合我們觀察到的真實情況，那麼這個虛擬反應鏈就可能是疾病的產生機制，我們甚至能從中尋找有潛力的治療目標。

這個過程極為繁複。我們要先把資料整合起來，並讓模型按照既定的生物規則運作，接著進行模擬並將「輸出結果」（蛋白質、細胞與迴路所產生的結果）與相關實驗資料比對。如果兩者不相符，就必須回頭確認資料是否正確並改良生物規則。結果相符，我們就會加入更多資料與細節，並將模型擴充到更大的腦區。隨著軟體升級，資料的整合也會更加迅速並自動化，模型的運作也會更接近真正的生物體。儘管我們尚未完全了解細胞與突觸，但是模擬整個大腦似乎不再是遙不可及的夢想。

為了達成這個企圖，我們需要大量的資料。礙於道德考量，神經科學家能在人腦上進行的實驗有限，幸好哺乳動物的大腦在物種之間雖然有別，但基本建構規則都一樣。我們對於哺乳動物大腦的遺傳學知識大多來自小鼠，猴子則讓我們對認知功能有更進一步的理解。藉此我們可以開始建立小鼠大腦的統整模型，再以此當成樣板，逐步整合各項細節，進一步發展出人腦模型。如此一來，小鼠、大鼠和人類的大腦模型將能同時發展。

神經科學家得到的資訊可以幫助我們找出控制大腦運作的規則，並且透過實驗確認我們的推測（關於因果鏈的預測）和生物現象相符。在認知層面，我們知道初生嬰兒對一、二、三這些數量已經有基本的概念，但對較大的數字則無，當我們可以模擬初生嬰兒的大腦時，該模型必須要能同時呈現新生兒擁有及沒有的能力，才算正確。

我們所需的資訊大多有了，只是不容易取得。人腦計畫最大的一項挑戰，就是蒐集並整理資訊的功夫。以醫學為例，這些資訊充滿價值，因為關於功能喪失的模擬不但能告訴我們正常狀態理應如何，而且所有的模擬都十分逼近真實健康的大腦產生病變後的變化。

現在，每位病人的腦部掃描結果都會以數位方式存檔。全世界的醫院存放著數百萬個腦部掃描檔案。這些檔案雖然也做為研究之用，但這些研究是片段的，因此大多數資訊都沒有好好使用。如果檔案放在網路可及的「雲端」，並且同時標記病人的病例、生化以及遺傳資訊，醫生就可同時檢視大量的病人資料並從中尋找疾病的模式與規則。這種方法的優點在於，可以透過數學統計來找出各種疾病的異同。「阿茲海默症神經影像行動組織」目前正大量採集失智者與健康對照者的神經影像、腦髓液和血液，準備進行這樣的研究。(待續)

(本文由教育部補助「AI報報─AI科普推廣計畫」取得網路轉載授權)