4. 腦網路

結構決定功能(Structures defines functions)。各腦區的架構決定了該區域的運算功能,及是否與主觀知覺(Subject Awareness)相關。如同電腦網路,大而連結複雜的架構錯誤容易散播,時間控制的錯誤(Timing Control Error)更為嚴重。大腦皮質的複雜網路有韻律產生及放大的特質,癲癇,阿茲海默症, 精神分裂症等都是大腦皮質的疾病。

哺乳動物的腦有三種基本架構:

  • 局部配線(Local Wiring)架構:少數幾種類型的神經細胞形成模組,再重覆複製。模組主要與相鄰模組溝通, 大部分動作和互動可平行處理(Parallel in Nature)。如:視丘(Thalamus),基底核(Basal Ganglia)。 小腦局部組織頑強(Robust), 運算不會散佈 => 小腦的功能性疾病不多。
  • 隨機連結(Random Connection)架構:神經細胞與局部(Local),中程,或遠距的神經細胞連結的機率大致相同。 如:海馬迴CA3區的反覆刺激迴路(Recurrent Excitatory Circuit of the HIppocampal CA3 Region)。=> Six Degree of Separation
  • 新皮質(Neocortex)的 Hybrid 架構:結合 local 與 random 的連結,有 Small-world 或 Scale Free 網路的性質。 不論網路規模多大,任兩神經細胞連結的中介步驟(突觸路徑長度,Synaptical Path Length)維持恆定。=> 局部結果容易散佈到整個皮質。

 

  • 在大腦皮質網路上,激化抑制的動態平衡會導致許多網路振盪(Array of Oscillation)。不同的網路震盪會涉及不同神經細胞個體群(Neuronal Population),產生自我組織(Self Organized)自發性(Spotaneous)的活動。
  • 抑制性鍾介細胞(Inhibitory Interneurons)及它們產生的韻律(Brain Rhythm),可在時間和空間上型塑激化細胞組合體活動,以確保資訊在正確的時間流向正確的地點。

局部/整體 配線/運算 (Local/Global Wiring/Computation)

  • 海馬迴區域有高度重覆的連結陣列,所以具有大型自動連結器(Auto-associaator)的能力,所以能由片段記憶將整個事件重組。
  • 自我組織(Self Organizd)的複雜動態變化,是主觀經驗(Subjective Experience)的必要成分。如果外來持續自發性活動的擾動時間夠長,影響的神經細胞個體群夠多,人就會有所知覺。
  • 局部(Local)結構的小腦皮質,主要負責運動整合(Sensrimotor Integration),部會有像大腦皮質的自發性活動。對知覺訊息的反應以局部為限,不會持續產生主觀記錄。 

三億年前鳥類和靈長類演化分歧,但烏鴉和猩猩一樣,都有製造和使用工具能力。烏鴉的腦是同心圓的成長,結構雖不同,但演化出相同的能力。視丘的局部配線模組最適用於演化上的古老結構,視丘本是由好幾個神經合組成的古大腦,主要提供固定,沒有彈性的功能,具有局部的自主性。 後來演化的大腦皮質主要在提供彈性的區域,分散責任。 額葉如同搜尋引擎,本身不具備知識,但可以找到各個負責的區域,並串聯起來,根據需求,給予複雜的指令。

 

人腦的神經解剖構造具有三大主體:

  • 視丘皮質主體(thalamo-cortical motif):主要為視丘(thalamus)與大腦皮質(cortex)間的連結,內含緊密相連的多群神經元, 這些神經元群除了局部的緊密連結之外, 也透過豐富的交互連結做長距離傳導。視丘在腦中扮演著閘道的角色,對於外界感知所得的資訊,經由脊髓向上傳遞到視丘,視丘再處理資料之後,將資訊傳遞到大腦皮質的不同功能區域做更進一步的處理。相對的,皮質處理完資訊之後,會再將資訊回傳至視丘,視丘再將資訊傳遞至他處,而大腦皮質間的功能區域也互有連結,這便形成再入迴路(reentrant mapping)。視丘皮質主體所形成的網路具有 small-world 的特性,也有證據顯示其具有 scale-free 的特性。
  • 基底核(basal ganglia)抑制型迴路的多突觸迴路構造(polysynaptic loop stracture):基底核大約在腦部的中心位置包含尾核,被殼,蒼白球(又分為內與外),下視丘(subthalamic nucleus),黑質(substantia nigra)等。與大腦皮質運動區及視丘相連接所組織成的閉鎖性神經迴路稱為外錐體系統,主控肌肉關節運動器官的張力和姿勢,提供任何動作能順利完成的基礎。基底核中的紋狀體(包含尾核和被殼兩部分)接受大腦皮質的興奮性訊息,主要是從運動區皮質發出,經蒼白球後釋出到視丘。 抑制了視丘對於運動區皮質的興奮性迴饋刺激。簡言之,基底核能調節視丘對於運動區皮質的興奮性迴饋刺激的程度。在紋狀體與蒼白球之間又可以分為抑制性的直接路徑(direct pathway)和經由外蒼白球及下視丘的興奮性的間接路徑(indirect pathway)。直接路徑是以 substance P 和 dynorphin 兩種神經床傳導物質傳遞,以 D1 型多巴胺接受體為窗口,對內蒼白球具有抑制性。間接路徑以enkephalin 傳遞,以 D2 型多巴胺接受體為窗口,相反的對內蒼白球具有刺激性。兩種路徑之機能相互平衡,才能正常的調節視丘對於運動區皮質的興奮性迴饋刺激的程度。錐體路徑(pyramidal tract)為控制人體運動動作方面的 1 組神經系統,包括有基底核,視丘下核,黑質體,紅核(red nucleus)和腦幹網狀系(brain stem reticular formation)。外錐體是協助錐體(pyramid system)運作的的副運動系統,當外錐體受到某些原因干擾(如藥物)導致無法正常發揮作用時,身體的動作就會不靈活,肢體也會僵硬。錐體路徑的神經纖維由大腦皮質(celebrate cortex)發出後,直達脊髓;其中約 80% 的神經纖維,在延腦(medulla oblongata)的錐體交叉後下行到對側的脊髓,稱之為側皮質脊髓(lateral corticospinal tract);而其餘約20%的神經纖維則下行到脊髓才交叉到對側去,稱之為前皮質脊髓徑 ( anterior corticospinal tract ),因此錐體路徑控制的肌肉收縮是對側的。

  • 不同價值系統的分散上行投射(diffuse ascending projections):藍斑核(locus coeruleus)、多巴胺核群(dopaminergic nuclei)、縫核(raphe nucleus)、膽鹼核群(cholinergic nuclei)以及組織胺系統(histamine system)等組織會分泌神經傳導物質,如藍斑核分泌正腎上腺素(noradrenaline)、多巴胺核群分泌多巴胺(dopamine)、縫核分泌血清素(serotonin)、膽檢核群分泌乙醯膽鹼(acetylcholine)等等。目前已知的神經傳導物質約有兩百多種。這些神經傳導物質的傳遞路徑形成類似「髮網」的構造。神經傳導物質在人腦中扮演非常重要的角色,主要為調節並維持大腦內部的平衡,可分為抑制或是刺激兩種功能。缺乏這些神經傳導物質可能會造成如阿茲海默症或帕金森氏症等的大腦疾病。

 

不同層次的觀點:

  • 巨觀(macro) - 腦區及其路徑:腦區相對於神經元來說是較難界定的,不同的定義的方法會產生不同的腦區的分割(parcellation),目前為止還沒有一個統一的標準。而人腦不同的部位,如皮質、小腦、腦幹等,也需要不同的標準來界定相對應的腦區。在這一個層次的實驗相當多,我們可以利用不同的技術,如 fMRI、EEG、MEG 等來判斷個腦區的功能及其相互連結。藉由分析實驗結果的資料,我們可以得到腦網路在結構上的許多特性,諸如腦區的群集(cluster)、階層(hierarchy)、小世界(small-world)、相似的連結(motif)、溝通頻道(channels and streams)等等,進而推導出網路結構(structure)大腦功能(function)之間對應的關係。
  • 中層觀點(meso) - 神經元群及其連結模式:介於微觀與巨觀之間,主要探討神經元群相互的連結模式。通常一個神經元群大約由 80~100 個神經元組成,直徑約為 30 ~50 微米。神經元群組成不同的腦區,有對內的溝通(相同腦區內的神經元群),亦有對外的溝通(不同腦區的神經元群)。神經元群有可能是構成大腦不同功能的基本元素,以大腦的體感覺區(somatosensory)為例,不同的神經元群負責處理人體不同部位感覺。以目前的技術要探討神經元群所負責的功能應非難事,想要解開大腦的秘密,進一步瞭解神經元群如何連結是有其必要性的。
  • 微觀(micro) - 神經元與突觸:腦以神經元為最基本的元素,人腦之中約有1011個,而其連結,也就是突觸個數,則約有1015個。腦細胞類化成不同種類的神經元約兩百多種,神經元之間相互連結,造就出複雜的網路。以此規模,想要完全釐清所有的神經元以及連結有其技術上的困難。然而因為是最基本的元素,神經元間的界定則相對容易。

或是:

  • 結構(structural or anatomical connectivity):物理上的連結,也就是神經元以及突觸。探討的範圍可以從區域(local)的連結到全域的連結,或是不同區域間的路徑。就短時間來說,神經元的連結是靜態(static)的,較不會改變;但長時間來看則是動態的,藉由學習或在腦的發展階段,神經元有可能產生不同的連結。
  • 功能(functional connectivity):記錄不同神經元、神經元群或腦區間的連結模式,測量其相互關係(correlation/covariance or mutual information)、凝聚的程度(coherence)或是是否相互抑制與刺激。不同的測量方法可能會產生不同的結果。
  • 突發作用(effective connectivity):探討特定神經元、神經元群或腦區會不定期影響其他的部分。這種不定期的作用可以藉由不同程度的變異(perturbation)或是觀察神經事件的時序來推論。

功能上的連結以及突發作用是與時間相關的,在認知、行為、感知等狀態中,這類的交互作用可能涵蓋不同的腦區、子腦區或是路徑。更重要的是,這三著有其交互關係,結構上的連結必定影響了功能及突發作用上的連結,也就是結構決定功能,相反的,功能或突發作用,如感知、意識、學習以及不同的行為也可能造成結構上的改變,做出對環境改變的適應以利生存。

 

腦網路還有以下特性:

  • 自我組織(self-organized):腦網路面對外界的刺激或是在發展階段,其中的神經元會與其他的神經元連結或是腦網路會有修剪(pruning)的過程,這些行為從巨觀來看,並無一個組織或主體在指揮這些行為,稱為自我組織。通常在自我組織會伴隨著一些新特性(emergent properties)或是新模式(pattern)的出現。通常在自然界自我組織的行為,是藉由局部(local)溝通進而產生出全域性(global)的特性或模式,並無涉及到全域性的既有的模式與行為。
  • 冗餘性、簡併性(degeneracy):不同的網路結構有相同的功能或產出(output)
  • 分散式架構(distributed):腦網路所表現出來的功能並非單一,而是特化成不同的功能區域。對於一件工作的處理,人腦會將其分派給不同的功能區域負責,期間會有相互的溝通,最後產生結果。然而腦網路是不是完全地分散則不一定,例如大腦的前額葉就扮演著指揮及分派工作的角色,所以在這個層次看來,其網路特性是集中-分散並存。
  • 平行處理(parallel):人腦的神經元訊號傳送速度大約是 0.01 秒,神經元的數量大約是1010~1011個,每個神經元大約有104~105條連結,而人類辨識環境的速度大約是 0.1 秒。所以辨識這項工作大約需要經過100個神經元,很明顯的並不足以負荷人類處理環境如此大量資料的工作,所以一般相信人腦工作時是平行處理的,如此才能應付環境輸入的大量資料以對環境做出正確的判斷與回應。
  • 動態(dynamics):腦網路式動態的而非固定,例如孩童時期的腦的連結就會不斷發展。而學習也會改變腦網路的結構,使的特地的功能區域更加發達。又或是腦部受損時,腦網路也會動態改變如切除受損部位的神經元連結以及增加其他部分的連結來取代受損的部位。
  • 異質性(heterogeneous):腦神經元的種類大約有兩百多種,不同的神經元又相互連結形成不同的功能區域,所以腦網路中的節點特性其實不盡相同,但是不同的節點之間依舊能夠透過相同的協定(protocol)來進行溝通。
  • Random, Small-World and Scale-Free Networks
  •  
    • Random Network:網路中的節點(node)隨機與其他節點連結,這類型的網路有許多的最短路徑,卻缺少群集(cluster)以及軸心節點(hub)。
    • Small-World Network:相較於 random network,small-world network 擁有較高的 cluster coefficient,也就是說 small-world network 擁有較多的群集。網路的節點中,相鄰且相似的節點會互相連結而形成群集,這在人腦中就形成不同的功能區域(function)。而在群集與群集之間,擁有相對於 random network 而言,較為稀疏卻是最短路徑的連結,這有助於群集間的資訊交換,就人腦而言,也就是不同的功能區域能夠在最短的時間內互相溝通以對外界做出回應。目前我們相信大腦皮質的網路擁有這樣的特性。
    • Scale-Free Network:依循冪次法則(Power Low)富者愈富原則。細胞訊息傳遞網路中有軸心蛋白質(Hub Protein)存在,有些連結非常多,有些只有少數連結。新加入網路的節點傾向與已有眾多連結的節點做連結,也就是軸心節點有較高的機率與其他節點連結。scale-free network 相對於其他網路類型來說較為穩固,因為大部分節點的連結數很少,這些節點若是從網路中被刪除,對整個網路的影響不大。但若是少數幾的軸心節點被刪除,則整個網路可能會被拆解成好幾個部分(component),對整個網路的影響相對就大很多。

 

參考資料:

  1. Ed Bullmore, Olaf Sporns, 「Complex brain networks: graph theoretical analysis of structural and functional systems」, Nature Reviews Neuroscience?10, 186-198 (March 2009)
  2. Duncan J. Watts, Steven H. Strogatz, 「Collective dynamics of 'small-world' networks」, Nature 393, 440-442 (4 June 1998)
  3. Albert-Laszlo Barabasi, Reka Albert, 「Emergence of Scaling in Random Networks」, Science 15 October 1999: Vol. 286. no. 5439, pp. 509 – 512
  4. Gerald M. Edelman, 「Wider than the Sky: The Phenomenal Gift of Consciousness」, Yale University Press (March 10, 2004)
  5. Olaf Sporns, Giulio Tononi, Rolf Kotter, 「The human connectiome: a structural description of the human brain」, PLoS Computational Biology 1, e42 (September 2005)
  6. Ed Bullmore, Olaf Sporns, 「Complex brain networks: graph theoretical analysis of structural and functional systems」, Nature Reviews Neuroscience 10, 186-198 (March 2009)
  7. Mikail Rubinov, Olaf Sporns, 「Complex network measures of brain connectivity: uses and interpretations」, NeuroImage (2009)

 

 

 

 

 

 

共同編撰:Dr.M, Jimmy Lu