2025年，神經(jīng)科學中各個研究趨勢究竟產(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世紀的興衰。

?圖1：從 1975 年至 2024 年發(fā)表的與神經(jīng)科學相關(guān)的研究中提取的前 500 個主題。地圖上術(shù)語之間的距離由這些術(shù)語在文獻中共同出現(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)科學領(lǐng)域三宗“最”（如圖2所示）。那么，這個神經(jīng)科學領(lǐng)域發(fā)生了什么呢？

?圖2：2024年間，神經(jīng)科學研究中最常出現(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）主題在文獻中的出現(xiàn)率在過去五年中增加了 1.7 個百分點。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）主題在文獻中的出現(xiàn)率在過去五年中增加了 1.7 個百分點。而最新出現(xiàn)的新冠在2020年之后熱度迅速下降。

神經(jīng)科學發(fā)展趨勢

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

（1）研究者得以比以往任何時候都更全面、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算方法正在幫助解析這些數(shù)據(jù)集。

（2）計算神經(jīng)科學的發(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，對細胞類型和膠質(zhì)細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)元細胞類型對神經(jīng)回路和行為的貢獻。

（3）隨著神經(jīng)科學日益跨學科化，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，同時向非科學家解釋基礎(chǔ)研究價值的需求也日益增長。

更全面的記錄物理基礎(chǔ)

（1）計算和數(shù)學方法對于分析和理解數(shù)據(jù)至關(guān)重要

我認為，對大腦構(gòu)建更強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)絡模型，對腦活動進行預測，其預測能力遠超以往人們構(gòu)建的任何模型。

——Samuel Gershman，哈佛大學心理學教授

諸如CEBRA這類計算工具，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

我認為，幾何/拓撲機器學習理論的發(fā)展是通往開發(fā)一個更加豐富圖景的關(guān)鍵，不僅包括大腦能夠表征和學習的全部豐富性，還提供了在數(shù)學層面上關(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)假設和真實機制。

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

更復雜的統(tǒng)計模型、機器學習模型等技術(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。現(xiàn)在，這些技術(shù)導致了一個問題：有時你實際上不知道如何從機器學習或人工智能中獲得答案。它只是給你一個答案。因此，這導致了另一個問題，這也是人們預期的，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)實際上告訴我們什么？我們的理論同時是如何發(fā)展的等問題的直接。所以，技術(shù)的發(fā)展速度遠遠超過了我們的理解速度，某些技術(shù)的發(fā)展速度遠遠超過了相應的腦功能與功能障礙的理論。

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

我認為，在行為計算分析、數(shù)據(jù)分析的計算方法已經(jīng)取得了巨大的突破。我認為最近最有潛力的研究熱點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, 猶他大學生物學教授

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

——Jimmy Singh, 猶他大學博士后研究助理

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

——Michael Stryker, 舊金山大學生理學教授

（2）自動化行為跟蹤與分析

使用多個攝像頭同時自動追蹤所有動物的行為。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?！?/p>

——Bing Wen Brunton, 華盛頓大學生物學教授

DeepLabCut的影響力很大。這是一種機器學習技術(shù)，允許人們使用普通視頻攝像機追蹤動物的運動。這項技術(shù)具有革命性，因為現(xiàn)在非專業(yè)實驗室，即使不是嚴肅的機器學習實驗室，也能進行行為實驗并獲取定量數(shù)據(jù)?！?/p>

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

使用多個攝像頭同時自動追蹤所有動物的行為。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?！?/p>

——Bing Wen Brunton, 華盛頓大學生物學教授

DeepLabCut的影響力很大。這是一種機器學習技術(shù)，允許人們使用普通視頻攝像機追蹤動物的運動。這項技術(shù)具有革命性，因為現(xiàn)在非專業(yè)實驗室，即使不是嚴肅的機器學習實驗室，也能進行行為實驗并獲取定量數(shù)據(jù)?！?/p>

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

（3）高密度神經(jīng)元記錄

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

——Joshua Dudman, 高級團隊負責人，Janelia 研究園區(qū)，Howard Hughes醫(yī)學研究所

高密度記錄方法——例如 Neuropixels探針——可用于記錄活動動物中成千上萬個神經(jīng)元?！?/p>

——Johannes Kohl, Francis Crick 機構(gòu)小組負責人

Neuropixels探針的采樣便捷性和密度，以及實現(xiàn)小尺寸的多點記錄，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)科學發(fā)現(xiàn)與每個區(qū)域的關(guān)聯(lián)性，并更準確地評估了區(qū)域間通訊。電壓染料（voltage dyes）在真正成熟時，會將把這些特性推向下一階段。

—Samuel Levy, 斯坦福大學生物學博士后研究員

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。標準化和商業(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，且能同時記錄數(shù)百至數(shù)千個神經(jīng)元的活動。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Feinberg 醫(yī)學院眼科學、神經(jīng)科學和神經(jīng)生物學教授

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

—Jimmy Singh, 猶他大學 Christopher Gregg 實驗室的博士后研究員

“大規(guī)模記錄性能越來越好，越來越有可能長時間保持記錄，以追蹤同一細胞隨時間的變化。這相當新?！?/p>

—Michael Stryker, 舊金山大學生理學教授

（4）先進的神經(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。這可能是一個不受歡迎的觀點。在我讀研究生的時候，我們只有10個細胞，現(xiàn)在我們有10,000個。這聽起來很多，但它只是哺乳動物大腦的一小部分。從數(shù)量級更多的細胞進行記錄能教會我們新東西，或是只是證實了我們已經(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個細胞只是很小一部分，但如果技術(shù)能讓我們從整個皮質(zhì)表面進行鈣成像記錄，那將使我們能夠做新的事情。

—Bing Wen Brunton, 華盛頓大學生物學教授

我對清醒動物中的三光子成像技術(shù)感到非常興奮。該技術(shù)能夠深入皮層進行成像，其時空特異性對于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，我很期待同時進行經(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)活動是如何變化的。當然，我還需要提及更高磁場強度的開發(fā)，例如荷蘭的14特斯拉人體MRI系統(tǒng)。

—Martijn Cloos, 昆士蘭大學生物工程學副教授

腦組織膨脹。所以，如果將某些聚合物放入組織中，而當它們接觸到適當?shù)娜軇r就會膨脹。這樣你可以將腦組織膨脹10倍，這時你就可以用標準的顯微鏡來觀察，而不需要使用電子顯微鏡。這相當重要。但真正的重點是，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。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)域更好地學習如何處理這些聚合物的化學性質(zhì)，許多技術(shù)仍在不斷改進。組織學在神經(jīng)科學中一直很重要。擴張，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。

—Joshua Dudman, 高級團隊負責人，Janelia研究園區(qū), Howard Hughes 醫(yī)學研究所

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分辨神經(jīng)元記錄鈣動態(tài)。

— Johannes Kohl， Francis Crick 機構(gòu)小組負責人

影像技術(shù)無疑對神經(jīng)科學產(chǎn)生了革命性的影響。一些重大創(chuàng)新始于20世紀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)確實為我們提供了更詳細的信息，并能夠?qū)⑸窠?jīng)系統(tǒng)分解為更小的部分，同時又能收集整體數(shù)據(jù)。例如，可以測量整個大腦的血流量或整個大腦的鈣含量。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大學神經(jīng)科學與神經(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，不必只觀察一個區(qū)域或進行數(shù)字切片，而是獲得整個組織的全貌?！?/p>

— Steven Proulx，Bern大學小組負責人

“一些光學組件的小型化，這樣你可以進行雙光子顯微鏡觀察，在老鼠跑動時看到其大腦深處的細胞，因為他們將顯微鏡做得只有 2 克左右，可以裝在它們的頭上。這相當令人印象深刻?！?/p>

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

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)的細胞類型

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

—Michael Stryker, 舊金山大學生理學教授

單細胞測序在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。我認為在未來五年內(nèi)，空間信息將變得非常重要。轉(zhuǎn)錄組學，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地了解疾病和細胞狀態(tài)?！?/p>

—Benjamin Deneen, 貝勒醫(yī)學院教授

"過去五年中，單細胞測序確實極大地增進了我們對哪些細胞類型構(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大學小組負責人

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

— Jason Shepherd，猶他大學生物神經(jīng)學教授

單細胞測序技術(shù)。另一種變革性工具是'空間轉(zhuǎn)錄組學'，我總是喜歡加上引號，因為它只是在原位進行多重檢測，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胞類型在空間上的基因表達。

— Anne West，神經(jīng)生物學教授，杜克大學醫(yī)學院

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

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

—Joshua Dudman, 高級團隊負責人，Janelia 研究園區(qū)，Howard Hughes醫(yī)學研究所

高密度記錄方法——例如 Neuropixels探針——可用于記錄活動動物中成千上萬個神經(jīng)元?！?/p>

—Johannes Kohl, Francis Crick 機構(gòu)小組負責人

神經(jīng)科學中最快增長的領(lǐng)域有哪些？

（1）計算神經(jīng)科學與人工智能

綜合數(shù)據(jù)集建模的進展最快。我們可以利用機器學習和人工智能，以之前無法實現(xiàn)的方式對現(xiàn)有生物的連接組進行建模。

—Bing Wen Brunton, 華盛頓大學生物學教授

計算神經(jīng)科學，NeuroAI神經(jīng)人工智能。

—Vinicius Rezende Carvalho,，奧斯陸大學博士后研究員

NeuroAI, 腦機接口，類器官。

—Renato Duarte, Coimbra大學助理研究員

神經(jīng)科學與人工智能的交叉領(lǐng)域確實發(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)科學家利用人工智能的思想來指導他們的理論，還是在人工智能領(lǐng)域內(nèi)的人們對大腦如何運作感興趣，將其作為一種算法的靈感來源。

—Samuel Gershman,，哈佛大學心理學教授

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

—Jorg Grandl, 杜克大學生物學副教授

計算、組學——尤其是空間轉(zhuǎn)錄組學——性別差異研究。

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

測量整個大腦的技術(shù)發(fā)展迅速，我們正越來越接在單個生物體中測量大腦中的每個元素這一愿望。當然，計算建模的演變將涵蓋人工智能的各個方面，這確實在整個神經(jīng)科學的各個領(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，也強調(diào)了真正建立強大開放科學平臺的重要性。

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

機器學習行為分析。我認為許多人已經(jīng)放棄了昂貴的影像方法，并將工具應用于視頻記錄。

—Adam Naples, 兒童研究中心助理教授，耶魯醫(yī)學院

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

—Jan Wessel, 愛荷華大學心理與腦科學教授

增長最快的領(lǐng)域無疑是與人工智能相關(guān)的一切，因為它正迅速從無到有。在我看來，我們目前還不知道人工智能將如何影響神經(jīng)科學研究以及影響的方式。人工智能將使人們更容易進行編碼。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)活動或如何思考記憶相關(guān)問題有哪些連鎖反應，我認為還沒有人知道。

—Anne West，杜克大學醫(yī)學院神經(jīng)生物學教授

（2）膠質(zhì)神經(jīng)學和神經(jīng)免疫學

我可能存在偏見，但在星形膠質(zhì)細胞領(lǐng)域，了解它們?nèi)绾翁幚砗陀嬎阈畔ⅲ⑵渥鳛榕c神經(jīng)元交流或調(diào)節(jié)回路的方式，確實令人興奮。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。

—Benjamin Deneen, 貝勒醫(yī)學院教授

我認為對支持細胞如小膠質(zhì)細胞、星形膠質(zhì)細胞、少突膠質(zhì)細胞的關(guān)注越來越多。從這些細胞及其與神經(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，這是一個仍然非常活躍的領(lǐng)域，我認為我們還需要進行更多研究才能真正理解它。

—Steven Proulx, Bern大學小組負責人

我認為神經(jīng)免疫學是近年來發(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為是不可能的。傳統(tǒng)觀念認為大腦只是獨立的實體，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,猶他大學生物神經(jīng)學教授

（3）自然行為和系統(tǒng)生物學

自然主義行為系統(tǒng)神經(jīng)科學

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

系統(tǒng)神經(jīng)科學。

—Richard Courtemanche, Concordia 大學健康、運動科學和應用生理學教授

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

—Benjamin Deneen, 貝勒醫(yī)學院教授

五年前，研究重點在于全腦/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)應用于一系列問題。我認為，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蘇。這些領(lǐng)域存在許多開放問題。

—Joshua Dudman, 高級團隊負責人，Janelia 研究園區(qū)，Howard Hughes醫(yī)學研究所

（4）人體神經(jīng)元記錄

人類神經(jīng)元記錄。

—Matteo Carandini, 倫敦大學學院視覺神經(jīng)科學教授

增長最快的領(lǐng)域之一是面向人類的神經(jīng)科學——它的發(fā)展得益于對人類大腦進行靶向操作的潛力。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、攻擊性等動機及其神經(jīng)基礎(chǔ)的闡明已取得了成績，這些都將對精神病學產(chǎn)生重大影響。

—Michael Stryker,舊金山大學生理學教授

回顧2025年神經(jīng)科學

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

在The Transmitter這些年度綜述中（參考文獻1），有一篇針對神經(jīng)科學正在變得越來越分裂還是整合成一個學科，對于該問題，頂尖學者也各執(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課題，而是全面的認識整個領(lǐng)域，不僅可能交叉碰撞出更多的研究思路，還能讓整個神經(jīng)科學距離一個整合的學科更近一步。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)細胞，自然行為，高密度神經(jīng)元記錄等眾多項，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)科學和人工智能領(lǐng)域年度突破和進展。

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..