人类大脑可能是自然界中最复杂的信息处理系统之一，但科学家想要直接研究它，却始终受到一个现实限制：他们不能像研究普通实验材料那样，随意拆解、刺激甚至反复测试一个活人的大脑。
这并不是技术不够先进，而是伦理规范决定了很多实验根本不能在人类身上进行。正因为如此，科学家一直在寻找一种既能够模拟人脑部分功能，又不涉及直接干预活体大脑的研究方式。
近年来，一种被称为“脑类器官”的实验模型逐渐成为神经科学研究的重要工具。
所谓脑类器官，并不是在培养皿里完整制造一个缩小版的人脑。它们通常只是由人类细胞培养形成的微小三维神经组织团块，规模和复杂程度都远不能与真正的大脑相比。不过，这些组织仍然可以形成一定程度的细胞结构，并产生神经元之间的电活动，因此能够帮助研究人员观察一些无法直接在人类大脑中进行实验的神经过程。
最近，一支由东京大学神经科学家池内义穗领导的研究团队，又向前推进了一步。
他们没有满足于培养单独的脑类器官，而是尝试把多个类器官连接起来，让它们形成一个更加复杂的神经网络。随后，研究人员向这些网络输入重复的电信号，并观察这些微小神经组织是否会随着时间发生变化。
实验所使用的类器官来自人类诱导多能干细胞，也就是经过重新编程、重新获得发育潜能的人类细胞。在研究人员的引导下，这些细胞逐渐发育成为神经组织，最终形成一个个微小的三维脑类器官。
为了能够监测这些组织的神经活动，研究人员把它们放置在带有微型电极的特殊芯片上。电极既可以向类器官提供刺激，也能够记录神经组织产生的电活动。
实验中，有的芯片只放置一个类器官，有的连接两个，还有一些则连接了三个。研究人员给这些神经组织留下了一段时间，让它们自然生长出轴突，并逐渐建立起彼此之间的连接。
两周多以后，电活动记录出现了一个重要变化：相互连接的类器官之间开始出现同步的神经活动。这意味着这些组织并非只是被动地待在同一块芯片上，而是已经形成了能够传递信号的功能性网络。
接下来，真正的测试开始了。
研究人员每天从两个不同的位置对神经网络进行电刺激，每个位置接受100次刺激，同时记录其他区域的神经活动。通过这种方式，他们希望回答一个简单但重要的问题：如果同一种神经网络反复接收到来自不同位置的信号，它是否会逐渐学会区分这些信号的来源？
实验开始时，研究人员特意选择了两处能够产生非常相似神经反应的位置。也就是说，仅仅观察一次刺激后的活动，很难判断信号究竟来自哪里。
为了进行更加客观的判断，他们利用机器学习算法分析神经活动数据，让算法尝试根据每次刺激后的活动模式，判断究竟是哪一个位置受到了刺激。
最开始，算法的表现并不理想。它正确判断刺激来源的概率大约只有一半，基本相当于随机猜测。这说明刚开始时，这些神经组织产生的反应确实很难区分。
但随着重复刺激持续进行，情况开始发生变化。
在只有一个类器官或者两个类器官组成的网络中，两个刺激产生的神经活动依然比较相似，机器学习系统并没有发现特别明显的改善。
真正显著的变化出现在由三个类器官组成的网络中。
随着刺激次数增加，与两个不同信号对应的神经活动模式逐渐拉开差距。与此同时，神经反应变得更加迅速，也更加稳定，而且不同空间位置之间的活动差异越来越明显。
换句话说，这些由多个类器官组成的神经网络似乎逐渐形成了区分不同信号来源的能力。
更加值得注意的是，没有接受同样重复刺激的三类器官网络，并没有出现类似程度的变化。这一点非常重要，因为它意味着实验结果不太可能只是类器官随着培养时间增加而自然成熟造成的。
研究人员因此认为，反复输入的信号可能推动了神经网络内部的重新组织，使不同部分逐渐形成更加明确的功能差异。
当然，这并不意味着培养皿里的这些“迷你脑”已经拥有了类似人类的意识，更谈不上产生复杂的思考能力。网络规模、细胞组成以及神经连接的复杂程度，都与真正的人脑存在巨大的差距。
研究真正有价值的地方，在于它展示了一种非常基础的学习现象。
人脑并不是由完全相同的神经线路简单堆积而成。大脑内部存在许多不同区域，每个区域拥有相对独立的局部神经网络，同时又通过长距离连接与其他区域进行信息交流。正是这种模块化结构，使大脑能够让不同区域承担不同功能，同时又把这些功能整合成一个整体。
但是，一个神经系统究竟需要具备什么样的结构，才能逐渐产生功能分化，目前仍然存在许多未知之处。
脑类器官恰好提供了一种新的实验窗口。
研究人员可以在相对受控的环境中改变神经组织之间的连接方式，再向其中输入不同类型的信号，从而观察神经网络究竟会如何发生变化。相比直接研究完整的人脑，这种方法受到的伦理限制更少，同时也能够让科学家更加精确地控制实验条件。
这项研究显示，当多个神经组织被组织成具有一定模块化特征的网络后，重复的输入可能促使它们形成不同的功能响应。也就是说，神经网络的结构本身可能与它学习区分不同信息的能力存在密切关系。
而“区分不同信号”看似只是非常简单的能力，却可能是更加复杂的信息处理过程的基础。
一个神经系统首先需要知道不同输入之间存在差异，之后才可能进一步完成分类、整合、记忆以及更加复杂的决策过程。因此，研究这种最基础的功能如何从神经组织中逐渐形成，可能帮助科学家理解更复杂的大脑功能究竟是怎样一步步出现的。
未来，研究人员还希望进一步增加实验的复杂程度。例如，他们计划使用更加多样化的信号和任务，看看类器官网络能否完成更加复杂的信息区分。同时，他们也希望找到那些在类器官内部以及不同类器官之间发挥关键连接作用的“节点细胞”或“枢纽神经元”。
如果能够确定这些关键神经元，并结合生化和分子层面的分析，科学家或许可以进一步了解神经连接为什么会发生变化，以及突触可塑性究竟在其中扮演怎样的角色。
从单个神经细胞，到一个微小的脑类器官，再到由多个类器官连接形成的网络，这项研究所展示的其实是一条非常基础的路线：神经系统并非一开始就拥有完整的功能，而可能会在结构形成、信号输入和持续活动的共同作用下，逐渐产生不同的功能分工。
距离真正理解人脑还有很长的路要走，但这些培养皿中的微小神经组织，正在让科学家能够以过去难以想象的方式观察神经系统如何建立连接、适应刺激，并逐渐形成更加复杂的信息处理能力。
原文：sciencealert
