2025年，神經(jīng)科學(xué)中各個(gè)研究趨勢究竟產(chǎn)生了哪些變化？

近日，“The transmitter”公布了一張交互式地圖——根據(jù)40年間35萬篇發(fā)表在頂尖神經(jīng)科學(xué)期刊中的摘要構(gòu)建，利用大語言模型，提取了每篇摘要中排名前 10 的關(guān)鍵詞——從中可以追蹤研究主題在過去半個(gè)世紀(jì)的興衰。

?圖1：從 1975 年至 2024 年發(fā)表的與神經(jīng)科學(xué)相關(guān)的研究中提取的前 500 個(gè)主題。地圖上術(shù)語之間的距離由這些術(shù)語在文獻(xiàn)中共同出現(xiàn)的頻率決定。字體大小表示特定主題的出版物總數(shù)。顏色覆蓋揭示了過去五年中的研究熱點(diǎn)領(lǐng)域。交互式地圖地址：https://stateofneuroscience.thetransmitter.org/map/

據(jù)此，他們評出了神經(jīng)科學(xué)領(lǐng)域三宗“最”（如圖2所示）。那么，這個(gè)神經(jīng)科學(xué)領(lǐng)域發(fā)生了什么呢？

?圖2：2024年間，神經(jīng)科學(xué)研究中最常出現(xiàn)的主題是阿爾茨海默病，出現(xiàn)在6.2%的2024 年摘要中。提升最快的是腦電圖（EEG）主題在文獻(xiàn)中的出現(xiàn)率在過去五年中增加了 1.7 個(gè)百分點(diǎn)。而最新出現(xiàn)的新冠在2020年之后熱度迅速下降。

可以看到，2024年間，神經(jīng)科學(xué)研究中最常出現(xiàn)的主題是阿爾茨海默病，出現(xiàn)在6.2%的2024 年摘要中。提升最快的是腦電圖（EEG）主題在文獻(xiàn)中的出現(xiàn)率在過去五年中增加了 1.7 個(gè)百分點(diǎn)。而最新出現(xiàn)的新冠在2020年之后熱度迅速下降。

神經(jīng)科學(xué)發(fā)展趨勢

通過調(diào)研多位神經(jīng)科學(xué)研究者，他們發(fā)現(xiàn)了三大趨勢如下三點(diǎn)：

（1）研究者得以比以往任何時(shí)候都更全面、更精確地測量大腦和行為，并在此過程中產(chǎn)生了大量數(shù)據(jù)。大多數(shù)調(diào)查受訪者提到的新的人工智能和計(jì)算方法正在幫助解析這些數(shù)據(jù)集。

（2）計(jì)算神經(jīng)科學(xué)的發(fā)展速度快于其他子領(lǐng)域，人工智能有望改變研究人員的工作方式，對細(xì)胞類型和膠質(zhì)細(xì)胞的研究正幫助該領(lǐng)域從“神經(jīng)中心視角”轉(zhuǎn)向考慮非神經(jīng)元細(xì)胞類型對神經(jīng)回路和行為的貢獻(xiàn)。

（3）隨著神經(jīng)科學(xué)日益跨學(xué)科化，亟需跨子領(lǐng)域整合結(jié)果、跨腦區(qū)記錄、解決理論與數(shù)據(jù)的對立，同時(shí)向非科學(xué)家解釋基礎(chǔ)研究價(jià)值的需求也日益增長。

更全面的記錄物理基礎(chǔ)

（1）計(jì)算和數(shù)學(xué)方法對于分析和理解數(shù)據(jù)至關(guān)重要

我認(rèn)為，對大腦構(gòu)建更強(qiáng)大的定量模型這一趨勢已經(jīng)出現(xiàn)。這是AI模型發(fā)揮作用的地方，我們現(xiàn)在可以利用這類模型，特別是神經(jīng)網(wǎng)絡(luò)模型，對腦活動(dòng)進(jìn)行預(yù)測，其預(yù)測能力遠(yuǎn)超以往人們構(gòu)建的任何模型。

——Samuel Gershman，哈佛大學(xué)心理學(xué)教授

諸如CEBRA這類計(jì)算工具，可用于神經(jīng)信號與行為的所謂聯(lián)合嵌入（joint embedding），從而真正幫助我們理解神經(jīng)信號與行為之間的關(guān)聯(lián)。

——Johannes Kohl，弗朗西斯·克里克研究所課題組長

我認(rèn)為，幾何/拓?fù)錂C(jī)器學(xué)習(xí)理論的發(fā)展是通往開發(fā)一個(gè)更加豐富圖景的關(guān)鍵，不僅包括大腦能夠表征和學(xué)習(xí)的全部豐富性，還提供了在數(shù)學(xué)層面上關(guān)于特定知識和表征結(jié)構(gòu)如何產(chǎn)生以及如何在世界中提供可觸及的結(jié)構(gòu)假設(shè)和真實(shí)機(jī)制。

——Maxine Levesque加州大學(xué)舊金山分校醫(yī)學(xué)博士-博士候選人；Astera研究所平臺架構(gòu)師

更復(fù)雜的統(tǒng)計(jì)模型、機(jī)器學(xué)習(xí)模型等技術(shù)的發(fā)展，使人們能夠處理大型數(shù)據(jù)集并試圖理解它們�，F(xiàn)在，這些技術(shù)導(dǎo)致了一個(gè)問題：有時(shí)你實(shí)際上不知道如何從機(jī)器學(xué)習(xí)或人工智能中獲得答案。它只是給你一個(gè)答案。因此，這導(dǎo)致了另一個(gè)問題，這也是人們預(yù)期的，即我們過于關(guān)注數(shù)據(jù)，以至于有些失去了對數(shù)據(jù)實(shí)際上告訴我們什么？我們的理論同時(shí)是如何發(fā)展的等問題的直接。所以，技術(shù)的發(fā)展速度遠(yuǎn)遠(yuǎn)超過了我們的理解速度，某些技術(shù)的發(fā)展速度遠(yuǎn)遠(yuǎn)超過了相應(yīng)的腦功能與功能障礙的理論。

——Randy McIntosh Simon Frase大學(xué)神經(jīng)科學(xué)與神經(jīng)技術(shù)研究所所長

我認(rèn)為，在行為計(jì)算分析、數(shù)據(jù)分析的計(jì)算方法已經(jīng)取得了巨大的突破。我認(rèn)為最近最有潛力的研究熱點(diǎn)在于利用人工智能方法來理解數(shù)據(jù)并將之整合起來。

—Jason Shepherd, 猶他大學(xué)生物學(xué)教授

使用深度學(xué)習(xí)的工具，從與行為相關(guān)的非線性復(fù)雜神經(jīng)數(shù)據(jù)中提取信息。

——Jimmy Singh, 猶他大學(xué)博士后研究助理

理解大量神經(jīng)元活動(dòng)的數(shù)學(xué)技術(shù)尚不完善，但若沒有它們，我們將一事無成。神經(jīng)元活動(dòng)可能會被過度解讀。

——Michael Stryker, 舊金山大學(xué)生理學(xué)教授

（2）自動(dòng)化行為跟蹤與分析

使用多個(gè)攝像頭同時(shí)自動(dòng)追蹤所有動(dòng)物的行為。這在五年前就已經(jīng)發(fā)生，但我們看到了技術(shù)加速發(fā)展的現(xiàn)象。”

——Bing Wen Brunton, 華盛頓大學(xué)生物學(xué)教授

DeepLabCut的影響力很大。這是一種機(jī)器學(xué)習(xí)技術(shù)，允許人們使用普通視頻攝像機(jī)追蹤動(dòng)物的運(yùn)動(dòng)。這項(xiàng)技術(shù)具有革命性，因?yàn)楝F(xiàn)在非專業(yè)實(shí)驗(yàn)室，即使不是嚴(yán)肅的機(jī)器學(xué)習(xí)實(shí)驗(yàn)室，也能進(jìn)行行為實(shí)驗(yàn)并獲取定量數(shù)據(jù)�！�

——Gregory W. Schwartz, 西北大學(xué)菲恩伯格醫(yī)學(xué)院眼科學(xué)、神經(jīng)科學(xué)和神經(jīng)生物學(xué)教授

使用多個(gè)攝像頭同時(shí)自動(dòng)追蹤所有動(dòng)物的行為。這在五年前就已經(jīng)發(fā)生，但我們看到了技術(shù)加速發(fā)展的現(xiàn)象�！�

——Bing Wen Brunton, 華盛頓大學(xué)生物學(xué)教授

DeepLabCut的影響力很大。這是一種機(jī)器學(xué)習(xí)技術(shù)，允許人們使用普通視頻攝像機(jī)追蹤動(dòng)物的運(yùn)動(dòng)。這項(xiàng)技術(shù)具有革命性，因?yàn)楝F(xiàn)在非專業(yè)實(shí)驗(yàn)室，即使不是嚴(yán)肅的機(jī)器學(xué)習(xí)實(shí)驗(yàn)室，也能進(jìn)行行為實(shí)驗(yàn)并獲取定量數(shù)據(jù)。”

——Gregory W. Schwartz, 西北大學(xué)菲恩伯格醫(yī)學(xué)院眼科學(xué)、神經(jīng)科學(xué)和神經(jīng)生物學(xué)教授

（3）高密度神經(jīng)元記錄

Neuropixels探針的出現(xiàn)，讓每個(gè)人從每場記錄中記錄的神經(jīng)元數(shù)量從幾十個(gè)提升到幾百個(gè)，甚至接近幾千個(gè)。這是一個(gè)巨大的飛躍，并且它被迅速采納。所以，我認(rèn)為（以及其他類似的記錄技術(shù)）是一項(xiàng)真正能夠推動(dòng)神經(jīng)科學(xué)發(fā)展的突破。

——Joshua Dudman, 高級團(tuán)隊(duì)負(fù)責(zé)人，Janelia 研究園區(qū)，Howard Hughes醫(yī)學(xué)研究所

高密度記錄方法——例如 Neuropixels探針——可用于記錄活動(dòng)動(dòng)物中成千上萬個(gè)神經(jīng)元�！�

——Johannes Kohl, Francis Crick 機(jī)構(gòu)小組負(fù)責(zé)人

Neuropixels探針的采樣便捷性和密度，以及實(shí)現(xiàn)小尺寸的多點(diǎn)記錄，已經(jīng)使跨區(qū)域研究成為可能，這些研究揭示了特定神經(jīng)科學(xué)發(fā)現(xiàn)與每個(gè)區(qū)域的關(guān)聯(lián)性，并更準(zhǔn)確地評估了區(qū)域間通訊。電壓染料（voltage dyes）在真正成熟時(shí)，會將把這些特性推向下一階段。

—Samuel Levy, 斯坦福大學(xué)生物學(xué)博士后研究員

很多人也在使用Neuropixels，這一多電極陣列越來越多地配備電極，可以植入腦中。標(biāo)準(zhǔn)化和商業(yè)化對Neuropixels的普及起到了幫助作用。如今，研究人員只需購買一套Neuropixels探針，即可便捷地完成大量神經(jīng)信號采集、尖峰排序（spike sorting）等全套工作。操作簡便，且能同時(shí)記錄數(shù)百至數(shù)千個(gè)神經(jīng)元的活動(dòng)。這極大地提升了該技術(shù)在科研社群中的可及性與普及度。

—Gregory W. Schwartz, 西北大學(xué)Feinberg 醫(yī)學(xué)院眼科學(xué)、神經(jīng)科學(xué)和神經(jīng)生物學(xué)教授

體內(nèi)探針能夠以高時(shí)間精度同時(shí)靶向數(shù)百至數(shù)千個(gè)神經(jīng)元，例如Neuropixels探針。

—Jimmy Singh, 猶他大學(xué) Christopher Gregg 實(shí)驗(yàn)室的博士后研究員

“大規(guī)模記錄性能越來越好，越來越有可能長時(shí)間保持記錄，以追蹤同一細(xì)胞隨時(shí)間的變化。這相當(dāng)新�！�

—Michael Stryker, 舊金山大學(xué)生理學(xué)教授

（4）先進(jìn)的神經(jīng)影像技術(shù)提供更深的層次和多樣性

關(guān)于Neuropixels記錄及其能教給我們的東西，目前尚無定論。這可能是一個(gè)不受歡迎的觀點(diǎn)。在我讀研究生的時(shí)候，我們只有10個(gè)細(xì)胞，現(xiàn)在我們有10,000個(gè)。這聽起來很多，但它只是哺乳動(dòng)物大腦的一小部分。從數(shù)量級更多的細(xì)胞進(jìn)行記錄能教會我們新東西，或是只是證實(shí)了我們已經(jīng)知道的東西？我對此持懷疑態(tài)度。我對大腦和行為中發(fā)生的事情的全面記錄更感興趣。10,000個(gè)細(xì)胞只是很小一部分，但如果技術(shù)能讓我們從整個(gè)皮質(zhì)表面進(jìn)行鈣成像記錄，那將使我們能夠做新的事情。

—Bing Wen Brunton, 華盛頓大學(xué)生物學(xué)教授

我對清醒動(dòng)物中的三光子成像技術(shù)感到非常興奮。該技術(shù)能夠深入皮層進(jìn)行成像，其時(shí)空特異性對于fMRI技術(shù)是可望不可及的。或許它可以幫助我們更好地理解神經(jīng)血管耦合如何塑造fMRI信號。在(f)MRI領(lǐng)域，過去五年接收器通道數(shù)量和梯度性能大幅提升，轉(zhuǎn)化為更快、更高分辨率的成像。展望未來五年，我很期待同時(shí)進(jìn)行經(jīng)顱超聲和fMRI，以非侵入性方式調(diào)節(jié)“回路”并觀察神經(jīng)活動(dòng)是如何變化的。當(dāng)然，我還需要提及更高磁場強(qiáng)度的開發(fā)，例如荷蘭的14特斯拉人體MRI系統(tǒng)。

—Martijn Cloos, 昆士蘭大學(xué)生物工程學(xué)副教授

腦組織膨脹。所以，如果將某些聚合物放入組織中，而當(dāng)它們接觸到適當(dāng)?shù)娜軇⿻r(shí)就會膨脹。這樣你可以將腦組織膨脹10倍，這時(shí)你就可以用標(biāo)準(zhǔn)的顯微鏡來觀察，而不需要使用電子顯微鏡。這相當(dāng)重要。但真正的重點(diǎn)是，你可以在組織內(nèi)部創(chuàng)建這種分子支架，并將各種分子支架連接。據(jù)此，許多技術(shù)都可以得到改進(jìn)。你可以有效地將所有RNA原位支架加入這種嵌入式聚合物中，這極大地提高了核酸檢測和成像質(zhì)量�？偟膩碚f，隨著該領(lǐng)域更好地學(xué)習(xí)如何處理這些聚合物的化學(xué)性質(zhì)，許多技術(shù)仍在不斷改進(jìn)。組織學(xué)在神經(jīng)科學(xué)中一直很重要。擴(kuò)張，或者更確切地說，用合適的分子支架嵌入組織，在我看來已經(jīng)基本上革命化了組織學(xué)。

—Joshua Dudman, 高級團(tuán)隊(duì)負(fù)責(zé)人，Janelia研究園區(qū), Howard Hughes 醫(yī)學(xué)研究所

微型顯微鏡，單光子微型顯微鏡，但現(xiàn)在也包括雙光子微型顯微鏡，它們允許我們從行為中的單個(gè)分辨神經(jīng)元記錄鈣動(dòng)態(tài)。

— Johannes Kohl， Francis Crick 機(jī)構(gòu)小組負(fù)責(zé)人

影像技術(shù)無疑對神經(jīng)科學(xué)產(chǎn)生了革命性的影響。一些重大創(chuàng)新始于20世紀(jì)90年代初的MRI，之后且成像技術(shù)能夠測量的范圍持續(xù)爆炸式增長。從白質(zhì)、灰質(zhì)到如今能夠快速測量腦脊液中的鈣流、蛋白質(zhì)代謝等。所有這些成像技術(shù)確實(shí)為我們提供了更詳細(xì)的信息，并能夠?qū)⑸窠?jīng)系統(tǒng)分解為更小的部分，同時(shí)又能收集整體數(shù)據(jù)。例如，可以測量整個(gè)大腦的血流量或整個(gè)大腦的鈣含量。因此，它為我們提供了以前從未想過能夠獲取的數(shù)據(jù)。

—Randy McIntosh, Simon Fraser大學(xué)神經(jīng)科學(xué)與神經(jīng)技術(shù)研究所所長

影像技術(shù)。它已被更廣泛地使用。例如用于許多不同場景的雙光子成像。此外，已經(jīng)出現(xiàn)了清除組織新的新方法來清除組織，以獲得更好的整體組織熒光成像；也就是說，不必只觀察一個(gè)區(qū)域或進(jìn)行數(shù)字切片，而是獲得整個(gè)組織的全貌。”

— Steven Proulx，Bern大學(xué)小組負(fù)責(zé)人

“一些光學(xué)組件的小型化，這樣你可以進(jìn)行雙光子顯微鏡觀察，在老鼠跑動(dòng)時(shí)看到其大腦深處的細(xì)胞，因?yàn)樗麄儗@微鏡做得只有 2 克左右，可以裝在它們的頭上。這相當(dāng)令人印象深刻�！�

— Gregory W. Schwartz，西北大學(xué)Feinberg 醫(yī)學(xué)院眼科學(xué)、神經(jīng)科學(xué)和神經(jīng)生物學(xué)教授

多種來源數(shù)據(jù)的整合

（1）基于測序技術(shù)解釋構(gòu)成神經(jīng)系統(tǒng)的細(xì)胞類型

理解大量神經(jīng)元活動(dòng)的數(shù)學(xué)技術(shù)尚不完善，但若沒有它們，我們將一事無成。神經(jīng)元活動(dòng)可能會被過度解讀。

—Michael Stryker, 舊金山大學(xué)生理學(xué)教授

單細(xì)胞測序在8-10年前非常流行，現(xiàn)在已成為常態(tài)。這是件好事，表明了新工具的更廣泛采用。我認(rèn)為在未來五年內(nèi)，空間信息將變得非常重要。轉(zhuǎn)錄組學(xué)，即正常、惡性及患病大腦中神經(jīng)元群體的所在位置，將使我們能夠更精細(xì)地了解疾病和細(xì)胞狀態(tài)�！�

—Benjamin Deneen, 貝勒醫(yī)學(xué)院教授

"過去五年中，單細(xì)胞測序確實(shí)極大地增進(jìn)了我們對哪些細(xì)胞類型構(gòu)成中樞神經(jīng)系統(tǒng)不同部分的了解，并開始讓我們至少在我的領(lǐng)域內(nèi)更好地理解腦屏障的排列方式，并試圖闡明那些仍然令人難以置信地模糊不清的解剖結(jié)構(gòu)。

—Steven Proulx, Bern大學(xué)小組負(fù)責(zé)人

用眾多分子工具來研究大腦，即所謂的'組學(xué)'，如RNA測序、表觀遺傳、DNA等。這創(chuàng)造了大量數(shù)據(jù)，但我認(rèn)為挑戰(zhàn)是利用新技術(shù)來理解這些數(shù)據(jù)。"

— Jason Shepherd，猶他大學(xué)生物神經(jīng)學(xué)教授

單細(xì)胞測序技術(shù)。另一種變革性工具是'空間轉(zhuǎn)錄組學(xué)'，我總是喜歡加上引號，因?yàn)樗皇窃谠贿M(jìn)行多重檢測，這是我們一直做的事情。但它是一種更高通量的方法，這樣你就可以觀察不同細(xì)胞類型在空間上的基因表達(dá)。

— Anne West，神經(jīng)生物學(xué)教授，杜克大學(xué)醫(yī)學(xué)院

（2）基于測序技術(shù)解釋構(gòu)成神經(jīng)系統(tǒng)的細(xì)胞類型

Neuropixels探針的出現(xiàn)，讓每個(gè)人從每場記錄中記錄的神經(jīng)元數(shù)量從幾十個(gè)提升到幾百個(gè)，甚至接近幾千個(gè)。這是一個(gè)巨大的飛躍，并且它被迅速采納。所以，我認(rèn)為（以及其他類似的記錄技術(shù)）是一項(xiàng)真正能夠推動(dòng)神經(jīng)科學(xué)發(fā)展的突破。

—Joshua Dudman, 高級團(tuán)隊(duì)負(fù)責(zé)人，Janelia 研究園區(qū)，Howard Hughes醫(yī)學(xué)研究所

高密度記錄方法——例如 Neuropixels探針——可用于記錄活動(dòng)動(dòng)物中成千上萬個(gè)神經(jīng)元�！�

—Johannes Kohl, Francis Crick 機(jī)構(gòu)小組負(fù)責(zé)人

神經(jīng)科學(xué)中最快增長的領(lǐng)域有哪些？

（1）計(jì)算神經(jīng)科學(xué)與人工智能

綜合數(shù)據(jù)集建模的進(jìn)展最快。我們可以利用機(jī)器學(xué)習(xí)和人工智能，以之前無法實(shí)現(xiàn)的方式對現(xiàn)有生物的連接組進(jìn)行建模。

—Bing Wen Brunton, 華盛頓大學(xué)生物學(xué)教授

計(jì)算神經(jīng)科學(xué)，NeuroAI神經(jīng)人工智能。

—Vinicius Rezende Carvalho,，奧斯陸大學(xué)博士后研究員

NeuroAI, 腦機(jī)接口，類器官。

—Renato Duarte, Coimbra大學(xué)助理研究員

神經(jīng)科學(xué)與人工智能的交叉領(lǐng)域確實(shí)發(fā)展迅速，這對不同的人意味著不同的事情。因此，神經(jīng)科學(xué)和人工智能之間的合作已經(jīng)是眾望所歸，無論是神經(jīng)科學(xué)家利用人工智能的思想來指導(dǎo)他們的理論，還是在人工智能領(lǐng)域內(nèi)的人們對大腦如何運(yùn)作感興趣，將其作為一種算法的靈感來源。

—Samuel Gershman,，哈佛大學(xué)心理學(xué)教授

我想到了計(jì)算神經(jīng)科學(xué)。我并不一定指的是人工智能，而是真正試圖使用數(shù)學(xué)概念來理解信息是如何被計(jì)算的。我認(rèn)為這是需要一段時(shí)間來發(fā)展的，但該領(lǐng)域正在迅速發(fā)展。

—Jorg Grandl, 杜克大學(xué)生物學(xué)副教授

計(jì)算、組學(xué)——尤其是空間轉(zhuǎn)錄組學(xué)——性別差異研究。

—Jennifer Mattar, Brigham醫(yī)院神經(jīng)病學(xué)研究員

測量整個(gè)大腦的技術(shù)發(fā)展迅速，我們正越來越接在單個(gè)生物體中測量大腦中的每個(gè)元素這一愿望。當(dāng)然，計(jì)算建模的演變將涵蓋人工智能的各個(gè)方面，這確實(shí)在整個(gè)神經(jīng)科學(xué)的各個(gè)領(lǐng)域都帶來了迅速發(fā)展。其次是更廣泛地使用和理解大數(shù)據(jù)集的重要性。所以這既為研究者帶來了技術(shù)挑戰(zhàn)，他們試圖建立共享大型數(shù)據(jù)集的方法，也強(qiáng)調(diào)了真正建立強(qiáng)大開放科學(xué)平臺的重要性。

—Randy McIntosh, Simon Fraser大學(xué)神經(jīng)科學(xué)與神經(jīng)技術(shù)研究所所長

機(jī)器學(xué)習(xí)行為分析。我認(rèn)為許多人已經(jīng)放棄了昂貴的影像方法，并將工具應(yīng)用于視頻記錄。

—Adam Naples, 兒童研究中心助理教授，耶魯醫(yī)學(xué)院

我確信每個(gè)人都會這么說，但關(guān)鍵在于人工智能以及人工智能與神經(jīng)科學(xué)的融合。無論好壞。我不知道是否有某個(gè)特定領(lǐng)域必然比其他領(lǐng)域增長更快。如果你將神經(jīng)科學(xué)視為四個(gè)子領(lǐng)域（認(rèn)知、行為、分子和計(jì)算），那么計(jì)算神經(jīng)科學(xué)目前增長最快。

—Jan Wessel, 愛荷華大學(xué)心理與腦科學(xué)教授

增長最快的領(lǐng)域無疑是與人工智能相關(guān)的一切，因?yàn)樗杆購臒o到有。在我看來，我們目前還不知道人工智能將如何影響神經(jīng)科學(xué)研究以及影響的方式。人工智能將使人們更容易進(jìn)行編碼。人工智能將使我們能夠提出新的解碼神經(jīng)尖峰的方法，這些信息可以直接轉(zhuǎn)化為對腦機(jī)接口的控制，而無需理解其內(nèi)容。但是，這對我們理解分子層面的神經(jīng)活動(dòng)或如何思考記憶相關(guān)問題有哪些連鎖反應(yīng)，我認(rèn)為還沒有人知道。

—Anne West，杜克大學(xué)醫(yī)學(xué)院神經(jīng)生物學(xué)教授

（2）膠質(zhì)神經(jīng)學(xué)和神經(jīng)免疫學(xué)

我可能存在偏見，但在星形膠質(zhì)細(xì)胞領(lǐng)域，了解它們?nèi)绾翁幚砗陀?jì)算信息，并將其作為與神經(jīng)元交流或調(diào)節(jié)回路的方式，確實(shí)令人興奮。它們是整合來自多種神經(jīng)元的信息的中心，并修改回路和相關(guān)行為的活動(dòng)。

—Benjamin Deneen, 貝勒醫(yī)學(xué)院教授

我認(rèn)為對支持細(xì)胞如小膠質(zhì)細(xì)胞、星形膠質(zhì)細(xì)胞、少突膠質(zhì)細(xì)胞的關(guān)注越來越多。從這些細(xì)胞及其與神經(jīng)元的相互作用中已經(jīng)涌現(xiàn)出許多新知識。具體到我的研究領(lǐng)域，對中樞神經(jīng)系統(tǒng)內(nèi)液體的循環(huán)以及廢物代謝物的清除，存在很多爭論，這是一個(gè)仍然非�；钴S的領(lǐng)域，我認(rèn)為我們還需要進(jìn)行更多研究才能真正理解它。

—Steven Proulx, Bern大學(xué)小組負(fù)責(zé)人

我認(rèn)為神經(jīng)免疫學(xué)是近年來發(fā)展較快的領(lǐng)域之一——免疫系統(tǒng)與大腦對話的想法一直被認(rèn)為是不可能的。傳統(tǒng)觀念認(rèn)為大腦只是獨(dú)立的實(shí)體，但似乎越來越多證據(jù)在證偽傳統(tǒng)觀念。很明顯，免疫系統(tǒng)與大腦之間存在很多正常的相互作用。

—Jason Shepherd,猶他大學(xué)生物神經(jīng)學(xué)教授

（3）自然行為和系統(tǒng)生物學(xué)

自然主義行為系統(tǒng)神經(jīng)科學(xué)

—Ian Max Andolina, 神經(jīng)科學(xué)研究所研究主任，中國科學(xué)院

系統(tǒng)神經(jīng)科學(xué)。

—Richard Courtemanche, Concordia 大學(xué)健康、運(yùn)動(dòng)科學(xué)和應(yīng)用生理學(xué)教授

一個(gè)快速發(fā)展的領(lǐng)域是：在動(dòng)物行為過程中對大腦進(jìn)行實(shí)時(shí)成像，以觀察神經(jīng)環(huán)路如何隨外界刺激或?qū)W習(xí)事件而動(dòng)態(tài)變化與重塑——這不僅令人振奮，而且對幾乎所有學(xué)科都具有根本性的重要意義。

—Benjamin Deneen, 貝勒醫(yī)學(xué)院教授

五年前，研究重點(diǎn)在于全腦/神經(jīng)系統(tǒng)規(guī)模的測序和分子測量。我的印象是，該方向的發(fā)展速度已大幅放緩——我們正開始將那些技術(shù)應(yīng)用于一系列問題。我認(rèn)為，對行為（尤其是更自然的行為）以及全腦規(guī)模記錄的興趣正在復(fù)蘇。這些領(lǐng)域存在許多開放問題。

—Joshua Dudman, 高級團(tuán)隊(duì)負(fù)責(zé)人，Janelia 研究園區(qū)，Howard Hughes醫(yī)學(xué)研究所

（4）人體神經(jīng)元記錄

人類神經(jīng)元記錄。

—Matteo Carandini, 倫敦大學(xué)學(xué)院視覺神經(jīng)科學(xué)教授

增長最快的領(lǐng)域之一是面向人類的神經(jīng)科學(xué)——它的發(fā)展得益于對人類大腦進(jìn)行靶向操作的潛力。隨著大數(shù)據(jù)的整合、多神經(jīng)元記錄及其操控的出現(xiàn)，我們對神經(jīng)遞質(zhì)作用的理解已經(jīng)取得進(jìn)展，而這些在過去幾年中尚不存在。此外，對諸如：饑餓、口渴、性、攻擊性等動(dòng)機(jī)及其神經(jīng)基礎(chǔ)的闡明已取得了成績，這些都將對精神病學(xué)產(chǎn)生重大影響。

—Michael Stryker,舊金山大學(xué)生理學(xué)教授

回顧2025年神經(jīng)科學(xué)

The Transmitter針對2025年神經(jīng)科學(xué)現(xiàn)狀，通過對頂尖科學(xué)家的訪談，給出了概述，分為約10篇，按照研究熱點(diǎn)，研究人員組成，資金資助及產(chǎn)業(yè)化前景四個(gè)方面，分別展開。本文主要圍繞與研究熱點(diǎn)相關(guān)的兩篇進(jìn)行的編譯，之后結(jié)合交互式研究地圖。從事神經(jīng)科學(xué)研究的讀者，可以借此對整個(gè)領(lǐng)域內(nèi)有哪些研究方向正在快速獲得關(guān)注，有一個(gè)全面的認(rèn)識。

在The Transmitter這些年度綜述中（參考文獻(xiàn)1），有一篇針對神經(jīng)科學(xué)正在變得越來越分裂還是整合成一個(gè)學(xué)科，對于該問題，頂尖學(xué)者也各執(zhí)一詞，但該問題的回答在于每一位青年研究者。如果你們能夠有更寬的視野，不止局限于自己正在做的那個(gè)課題，而是全面的認(rèn)識整個(gè)領(lǐng)域，不僅可能交叉碰撞出更多的研究思路，還能讓整個(gè)神經(jīng)科學(xué)距離一個(gè)整合的學(xué)科更近一步。文中列出的方向，不止是常被人提起的人工智能，還有諸如膠質(zhì)細(xì)胞，自然行為，高密度神經(jīng)元記錄等眾多項(xiàng)，這些同樣值得關(guān)注。也請繼續(xù)關(guān)注“追問nextquestion”，我們也將在近期公布，由編輯部評選的神經(jīng)科學(xué)和人工智能領(lǐng)域年度突破和進(jìn)展。

1.https://www.thetransmitter.org/state-of-neuroscience-report-2025/

2. https://www.thetransmitter.org/neuroscience/the-state-of-neuroscience-in-2025-an-overview/

3. https://www.thetransmitter.org/methods/what-are-the-most-transformative-neuroscience-tools-and-technologies-developed-in-the-past-five-years/

4. https://www.thetransmitter.org/neuroscience/what-are-the-fastest-growing-areas-in-neuroscience/

5.https://stateofneuroscience.thetransmitter.org/?_gl=1*16iksdv*_ga*MTM4NzMxOTA1My4xNzYxNTQzMjE5*_ga_BKVX7LHVRB*czE3NjQ3NDczNjUkbzI3JGcxJHQxNzY0NzQ3NzI5JGo2MCRsMCRoMA..