現在神經生物學的發展更多的是工具推動還是 idea 推動的？或是某一時期是工具/idea 推動為主？

11-17

現在神經生物學的發展的瓶頸貌似在於工具。比如更高解析度的成像工具。idea反而顯得沒那麼重要。如何看待工具和idea在神經生物學（或是生物學）發展中的作用？

謝謝提問者@行行。對於任何一個認真接觸過神經生物學的人來說，這絕對是一個嚴肅的問題。我試著回答一下。在這個回答裡面，只涉及基礎研究，不涉及疾病相關的研究。

先擺明觀點：現在神經生物學的發展更多是工具推動的。大的問題都擺在那裡，但是因為沒有合適的技術，都不知道如何下手。

直到現在，生物學的主要研究手段依然是以還原論為指導思想。對於多數的組織器官，其組成細胞的功能都是類似的。比如肌肉細胞，其功能都是把化學能轉化為機械能，沒有什麼本質區別。

但是神經系統完全是另外一回事：看起來很類似的細胞其功能可能完全不一樣。

最近有一個很驚艷的實驗，叫做brainbow，可以利用thy1啟動子轉熒光蛋白基因，使神經元看起來像彩虹一樣五顏六色。見下圖

但其實科學家自己是做不到讓大腦五顏六色的，科學家能做到的只是把基因轉進去，至於表達哪幾種熒光蛋白，那是神經元自己的事情。顏色的不同，代表了神經元對於thy1基因的表達調控不同。如果對基因的調控不同，那麼是不是功能也不同呢？

這個真的很難做到，因為這些神經元都長在一起，很難分開研究。但是，還真的有人做到了。

在2011年， Pico Caroni（在神經發育領域我很佩服的一個牛）用了很巧妙的方法（這個巧妙是idea的巧妙，不是工具的巧妙），和超大的工作量（這個涉及了多種工具），發現對兩種thy1基因調控不同的神經元，其在發育中的功能也不同。

那麼，單一個基因的調控，就可以把看起來非常類似的神經元區分為那麼多種，那麼其它基因的調控還能繼續細分成多少種啊。

上面只是講基因表達調控的方面，順便放了個炫圖。然後再講講功能。

在海馬裡面，有一類細胞叫做place cell，當動物跑到特定地方的時候，這個細胞就會放電。就是下圖這個樣子。

在圖中，這四個細胞分別在不同的位置放電，因此功能完全不同。但是，在結構上，這4個細胞沒有本質區別，都是興奮性錐體神經元。而且除了place cell，還有對鼠窩反應的細胞，還有對時間間隔反應的細胞。如果你肯在成千上萬個細胞中去搜尋的話，肯定還有各種各樣的細胞。但它們的形態都大體相似，同時隨機的和其他神經元攪在一起，讓你沒法下手去研究。

那麼是什麼決定了一個神經元具備的功能呢？大家普遍相信，是它所在的環路決定了它的功能。所謂環路，就是神經元之間的連接。那我們怎麼去確定它在哪個環路呢？別想這麼遠，我們先看看神經元的結構吧。在神經科學裡經常會聽到一句高大上的話：structure defines function。但是對於及其複雜的神經系統，了解其精細結構談何容易。

一個典型的椎體神經元是這個樣子的

看那些複雜的枝枝杈杈了吧，局部放大是這樣的。

那些點點的突起叫做spine，一般一個spine對應一個突觸，突觸是神經元接受其它神經元信息的地方。

根據不同研究，一個神經元平均有2000-8000個spine，也就是說，接收數千個不同輸入，然後輸出給數千個spine（一個到數十個到數百個到數千個不等的下級神經元）。

它們的連接方式，可以是這個樣子的

所以想去確定一個神經元所在的環路，難啊。

在2011年，有人利用電鏡連續切片，重構了不到一立方毫米腦組織的全部突觸連接，做了一個3D結構圖。其原始數據量達到了十幾TB，做出來是這個樣子的。而一個人的腦容積大概有1000000個立方毫米。

所以，之前有基因組，然後有蛋白質組。在神經科學裡面，還有個東西叫做腦連接組（見下圖）。不過現在還處於雛形。Human Connectome Project | Mapping the human brain connectivity

Human Connectome Project | Mapping the human brain connectivity

好吧，暫時先想起來這些了。確實很複雜不是？

這是從還原論的角度說的。要在結構上解決這些問題，需要高解析度的顯微鏡。要在功能上區分不同神經元，要用高密度高通量的電生理記錄儀器（那還不把細胞都扎死了）。要得到因果關係，還得特異性的干擾特定神經元的神經活動。

看看現在的灌水最多的神經類的文章，很多都是類似的套路。發現了某個分子通路的改變，同時伴有行為學上的改變，同時發現電生理上（往往是突觸可塑性）的改變，就能給一篇還算不錯的SCI了。嚴格來看，更多是相關，很難驗證因果。行為到環路之間，環路到細胞之間，其gap難填的很。

在我看來，現代神經科學除了急需各種高精尖的技術，同時還缺少紮實做數據的人。不要過於追求novelty，先把最基礎的數據拿到，就像當年畫線蟲細胞分裂圖譜一樣。這些海量數據可能單憑直覺無法理解，那麼把這些數據丟給那些做神經計算的人，總會有好玩的東西出來的。

*******************************

回復@行雲河

對於初中生來說，詳細了解一個學科前沿的細節並不重要。而且，即使對於科研從業人員來說，要對領域內的所有知識都知其然知其所以然，也是件很不容易的事情。參見另一個問題下的回答http://www.zhihu.com/question/22040591/answer/20669727

若對神經科學或者其它科學有興趣，可以先看看科普著作，如湖南科技的第一推動系列。一方面從書中可以獲取知識框架，而之後遇到的零散知識可以往這些框架里裝。另一方面這些科普書籍也比較有趣，同時也有助於理解學校課內的內容。希望對你有所幫助。

Progress in science depends on new techniques, new discoveries and new ideas, probably in that order.

-- Sydney Brenner （2002年諾貝爾生理學或醫學獎獲得者）

不僅僅是神經科學，生命科學，甚至整個科學，從歷史進程的時間尺度來看，都是技術推動的。但對於處在同一歷史時期的每一個科學家來說，idea、執行力、運氣決定了是他還是別的科學家做出更偉大的發現。

現代科學，更加殘酷/現實了，是錢推動的，經費投入在哪裡，哪裡就能/才能飛速發展，比如人類基因組計劃，比如現在的腦連接組計劃（10億歐元啊）。而經費的投向，一方面與簡單的idea相關，比如上述兩個計劃就是很樸素的idea：測定所有的基因或者大腦細胞和突觸的連接。同時也與技術的推動有關，熟悉人類基因組計劃的同學應該都知道Craig Venter對HGP經費投入的「推動」。而腦連接組計劃的啟動以及今後的跟進投入，與近期技術手段的進展也有很大關係：顯微術的發展，比如電子顯微鏡、亞衍射極限光學顯微術（如STED、PALM、STORM）使得精細的神經突觸連接能被觀察測定；光遺傳學（optogenetics）使得神經元的功能環路更容易被發掘；今年4月份發表的CLARITY技術，讓整個大腦組織變得透明，可以讓光學顯微鏡能看得很深，無疑會大大加快連接組的測定。

基因組計劃的最初的宏偉目的（之一）-- 通過測得所有基因序列，來預測疾病，並未得到實現。而可以預見（個人觀點），腦連接計劃的終極目標，如同Sebastian Seung在TED舞台上宣傳的「I am my connectome」，通過神經元的連接來預測和解釋智能、腦疾病等也未必能實現。但是正如基因組計劃一樣，在這些計劃的推動下，我們的工具會突飛猛進，只要對比一下20年前與現在的測序成本就知道了。

在同一時代競爭的科學家之間，idea是重要的。最經典的例子是Golgi和Cajal，Golgi發明了銀染法，通過染色能觀察到神經細胞的形態，卻堅持細胞之間是之間相連形成網狀結構；Cajal利用銀染法，卻能發現神經細胞之間有間隙，通過後來被命名為突觸的結構聯繫。在當時的技術水平下，這個發現不是很顯然的，以至於1905年兩人同領諾貝爾獎時仍在就此爭吵。

總的來說，我的觀點是，樸素的idea引導了技術發展的方向，而技術的發展決定了整個領域的發展速度及外延，科學家個人對技術的掌握及其idea，決定了他和同時代其他科學家的差距。

前面回答的關於神經生物學的工具方面非常詳細，補充一下關於hypothesis driven research方面，也就是題主所說的idea推動的研究。

首先，題主說的有了高解析度的成像工具，idea就不重要，個人認為是非常非常錯誤的。在@器器的回答裡面講了，「行為到環路之間，環路到細胞之間，其gap難填的很。」，這個gap就是需要idea（或者我們可以說theoretical work）來推動的。具體原因是，無論將來成像工具（甚至任何工具）多麼強，想要靠單純的記錄實驗數據來歸納理解神經系統的工作是不可能的。假設你可以simultaneously的觀察到所有神經鏈接的活動狀態，你能看到任何resolution下動作電位的傳導和信號分子的傳遞，你始終無法回答一些神經科學中的基礎問題，比如意識是如何產生的。我所說的無法回答意識如何產生的意思是，你可能可以找到某些pattern可以產生意識或者跟意識相關。但是你無法理解為什麼。也就是你沒辦法mechanistically understand。這部分gap，是受限於理論的缺失。關於缺失的理論，如果題主關注不僅僅是神經生物學方面的研究，你會發現，有很多很多做數學研究的，物理研究的都在研究相關的領域。但是目前來說，應該是沒有足夠強大的數學工具來指導理論方面的研究，個人認為主要是非線性數學工具和複雜系統理論方面的研究一直都沒有特別大得進展。（我才疏學淺，這只是我個人的淺薄之見）。

如果回溯科學史，可以看到工具不斷的在推陳出新，但是你要研究的問題始終都在那裡，更不要說在研究過程中會出現新的問題，需要新的理論來不斷的完善知識體系，而不是單純靠堆數據就能來完善你的知識體系。而且你如果看那些大多研究做得一直很好的人，大多是技術和工具做得很好，hypothesis-driven 的研究也做得很好。

但是除去理論研究，還有另外的idea推動的研究，就是靠計算的手段來研究，比如EPFL近幾年開始的 Human Brain Project 和 Blue Brain Project，不得不說這個項目雄心不亞於Human Connectome Project | Mapping the human brain connectivity ，這個 Human Brain Project 得到歐盟大約 11.9 億歐元的資助（尼瑪！一點也看不出像是有歐債危機的樣子！）。我很期待十年或者二十年的時間裡會有更大突破。另外，對於@方非同學所說的這個腦連接組計劃的idea很樸素/簡單，我保留意見。基因組計劃確實是很簡單，因為當時生物學家們覺得知道基因序列了就理解生物系統是怎麼工作的了，呵呵。腦連接組計劃和 Human Brain Project 雖說是為了獲取神經連接的信息，但不止於單純的為了獲取連接，其實是為了了解神經系統的 collective behavior 和 emergence phenomena ，簡單來講，就是如果單純的看單個連接，確實很簡單，但是當太多連接組成一個很大的網路以後一起活動的時候，整個系統會出現沒辦法理解和預測的現象。這個問題如果能被解決也許可以回答意識如何產生的問題吧（我只是說也許）。

當然，這些idea推動的研究沒辦法不依賴於很多基礎實驗得到的數據。但是並不是說你拿到數據以後你就解決了這些基礎問題。當然數學工具也算是工具，你可以說還是工具為先，但最終還是要回歸理論和idea上來。BTW，很多研究確實是進入了不需要什麼理論和hypothesis也可以做下去的地步，我覺得也是非常無聊的，比如structure biology行業（堅持黑結構生物學一百年不動搖！）。

關於你說的工具和idea，很明顯這兩者是相互促進的，新的理論不斷催生出更好更先進的工具，更先進的工具可以幫助完善理論體系，但是不能說只有工具就可以了，或者只要理論就行了。不僅僅是神經科學領域，任何科學技術領域都是如此，包括社會科學領域，比如經濟學和社會學。

神經生物學說小了整個微觀生物學（分子生化細胞免疫神經等等等）現在都是技術驅動的多。
近些年的諾獎的實驗也都難看到孟德爾，扎克伯那樣的精巧思路了。
為何？感覺現在容許一個人5到10年不出PAPER的機構太少了。新技術拿來套一下解決或者驗證一些結果發個高分然後拿下一個FOUNDING成了大家的習慣了。

idea是引導，工具是推動力

這不該是個問題。所有的作為，不論是technique的發展還是idea的產生，都是problem-driven。作為一群在graduate school耗費了多年青春又在postdoc的路上漸行漸遠的young scientists，最最重要的能力，可能不是考過所有的考試或者發了幾篇paper，而是ask the right question。如何在一個big picture之下，去發現去尋找一個有趣且重要的問題來回答，可能才是關鍵。我個人對tool-builder和biologist的認同感是一樣的，誰都不會比誰更重要，誰都不會比誰貢獻更大，只是路徑不同罷了。新技術的產生同樣也是great ideas的實現，相輔相成互不可缺。永遠重要的，是問題。

P.S. 上面提到的做電鏡連續切片的研究指的是Clay Reid實驗室的研究吧。Reid已經去Allen Institute干他的大事業去了，在哈佛的實驗室留給了之前手下的一個台灣postdoc，名叫李偉忠（音譯）來管理。今年五月我聽過他的報告，事實上他們的工作是將calcium imaging和EM結合，從結構出發去對應功能性。這其實就是一個technique和idea的雙重結合。圖中不同顏色的神經元代表不同狀態或功能。他們的海量分析工作還在繼續，而神經生物里，也還有更重要的問題，等著我們去ASK。

P.S. 之所以選擇回答這個問題，是因為看到那張滿是spine的圖很興奮。我對spine的熱愛溢於言表。感謝分享。

對這個問題我覺得應該是互為推動，但是在很長一段時間內應該是技術推動為主導的。

比較功利的角度來看，這兩三年中Nature系發表了很多文章光遺傳學技術的文章，這些研究的內容其實並沒有特別大的新意，很多就是將之前已經知道的神經環路或者腦區的作用加以了證實。

個人感覺現在人類對於神經科學已經有了一個大致的框架，現在主要問題是每個point之間有很多很大的gap，對於這些gap之間是什麼，我們可以有很多的idea去猜測他的原理是什麼，但是沒有技術的支持，哪個idea也沒法得到證實，還是在原地踏步。

個人感覺，idea已經有很多，需要的是技術來支持idea的證明，隨後才會在這個的基礎上那個出現新的idea。

所以，我傾向於是技術支持為主導，起碼在未來的比較長的一段時間內是這樣子。

作為一個只有瓶底有一兩滴水珠的業餘愛好者，我來八卦一個歷史

將長時記憶和蛋白質聯繫起來的那個得了諾貝爾獎的坎德爾，有段時間做神經之間的信號傳輸然後發現了????（我忘了，似乎是電信號的傳輸？）
當時測電壓的針頭插不進人類生物的神經細胞，鼠類之類的常見生物也不行。於是他去找了海兔，該生物的神經細胞巨大然後可以插針。他假設海兔神經細胞的信號傳導和人類之類差不多然後準備先做海兔的實驗然後找方法驗證人類之類是怎麼回事。
然後果然海兔和人類差不多

啊啊啊啊，似乎『追尋記憶的痕迹』我幾乎忘光了。我忘了他如何發現蛋白質在長時記憶中的作用了。

感覺目前為止，主流的神經生物學依舊在停留在一個套路化的階段，即使目前有了光遺傳、化學遺傳、grin lens等技術，但是一打開neuroscience相關的文獻，撲面而來的套路感，文章簡直一摸一樣，我不知道這種現狀還會持續多久，但是新技術的開發是急需解決的問題。然而，至少目前在國內的研究當中，並沒有多少人專註於技術的開發，而是看著主流雜誌中的文獻思路，依樣畫葫蘆，病毒示蹤、興奮、抑制、電生理驗證、行為學驗證。。。永遠逃不脫這些過程，感覺那些個文獻彷彿是從生產線上下來的，千篇一律，就看那個實驗室做得快

通常，研究開始於一個你感興趣的問題，比如在人被麻醉時，意識是如何消失又出現的？

idea.idea可以創造工具。

技術和idea么，打個粗俗點的比喻，脫離了idea談技術的都是在純打手槍，脫離了技術談idea的都是看a片還不打手槍。又有技術又有idea，恭喜你，你肯定是有妹子了。
以上諸位大神的解釋都很詳盡了，雖然不懂神經生物學，但是看到提到了HCP（Human Connectome Project）和functional connectivity，還是忍不住要插一腳，向諸位大神討教。
和@LifeWorks的觀點可能比較像（寫完之後看著好像只是重複了一遍…………算了，還是發出來吧，就當補充吧，別介意………………）。
個人是比較偏重於idea的，也認同@方非的說法， idea是要建立在對技術的把握上的，而產生新技術的idea也來自於對目前技術以及目前相關領域內發展的把握。技術的出現都是順應研究的需要。
我覺得對於現在的神經科學來說，如何構建從神經環路到皮層功能之間的聯繫，可能更需要一次idea上的革新。關於細胞——環路——腦——行為之間的gap上面都有人提到過了，這裡再強調一次，問題是能否用神經元間突觸連接的描述來達到對人類複雜行為甚至是意識的描述？不了解神經生物學裡面對還原論的倚重程度。但至少從腦這個層面來看，我覺得還原是無法完成對大腦功能的解釋。
個人的理解，現在對於大尺度腦網路的研究很多，是因為單純靜態的去看區域間/內的神經纖維連接或者更底層的神經元間突觸連接不足以解釋複雜腦網路功能的實現。

舉個例子，對於一個機器，你可以列舉出所有的零件數量，可以列出所有零件的規格，可以畫出所有零件的位置，但是這樣能說你就理解了這個機器的功能了嗎？至少來說，兩個零件組合成一個新的部件，作用可能和之前單個零件都不相同應該是會存在的吧？
貼一篇文章，我覺得裡面的觀點可以讀一讀How the Obama Administration Should Try to Map the Mind : The New Yorker（不知道在知乎里貼new yorker是不是顯得逼格不太夠啊）
裡面提到如下觀點，「To connect brain to behavior, we don』t need to build a whole brain, as the E.U. aims to do; we need to understand how the brain』s parts work together. And new techniques, like optogenetics(which allow experimenters to control brain activity—and hence an animal』s behavior—by exposing neurons to light) and fluorescent imaging (which makes it possible to monitor the responses of thousands of neurons simultaneously in awake, behaving animals), make addressing such questions potentially feasible for the first time. 」
當然這是該作者的看法，認為（像歐盟那個項目一樣）單單描繪出靜態的腦連接意義不大，最後補充了某 advicer的意見「 the key goal of the project is not to map what neurons are connected to which other neurons (yielding a static 「connectome」), but to visualize the action of all the individual neurons in a given organism simultaneously, as organisms behave, akin to the difference between a snapshot and a high-resolution video.」
證明奧巴馬這個投資並不是想要簡單的勾勒出神經元的連接情況，而是試圖描繪這些「元素」在某特定組織內如何共同發揮作用，是一個動態的過程！
我想說的就是，mri是一個技術手段，沒有mri你什麼都做不了，有了這個手段，你要來做什麼事情也很關鍵。當初圖論引入到腦成像研究中也算是引爆了目前這數年中最為火熱的方向，但是第一個想到這麼做的人，就是idea在發揮作用了。同樣，在開發新的序列或者高場強mri的過程中，雖然是技術在發展，但是決定技術發展方向的還是idea。
其實在我看來，腦連接組計劃這個idea一點都不樸素，可能光就目標而言，看起來是很簡單，但是其中作出的東西，我得說，idea真他媽牛逼。
個人看法，idea重要的原因是告訴你如何用這些手段去實現目標，像你所說的，即使「現在神經生物學的發展的瓶頸貌似在於工具。」那也是因為沒有恰當的idea來決定工具發展的方向，或者沒有足夠的idea來開發出適合方向的工具。