2016 年，神經科學領域出現了哪些極具發展潛力的研究方向？

01-05

本題已收錄知乎圓桌 ? 2016 年度盤點，歡迎大家一起回首這一年讓人印象深刻的熱門事件和人物，聊聊所處行業發生了怎樣的變遷，也一同分享自己的變化與成長。

新的動物行為模型和行為分析範式。

今年 SfN 跟人聊天的最大感受就是動物行為學 (ethology) 正在復甦。在很長一段時間裡（過去的5~10年？），神經科學界的注意力集中在基因模型動物身上，因為各種工具如光遺傳學、雙光子成像、基因控制等等，確實好用。小鼠作為哺乳動物的基因模型，得到了極大的關注，也作出了很大貢獻。

但現在人們開始意識到除了先進的技術，研究對象的行為本身同樣重要。

下面憑印象寫不一定準確。蝙蝠會學習叫聲（一個新建立的實驗室只用一年就在蝙蝠身上實現了 ephys, opto, imaging）；一種鳥 (starling?) 可以分辨叫聲序列的轉換概率；另一種鳥有極強的空間記憶力（儲藏食物）；等等。當然這些都不是什麼新發現。但是人們正在越來越重視各種不同動物自然產生的複雜行為。arxiv有一篇文章就試圖量化不同行為（任務）的維度上界，並認為行為維度低時同時記錄的神經元再多也無法揭示神經系統的維度（特別是在運動控制領域）[1]。Gordon Berman 用降維演算法 t-SNE 描述動物行為可能是行為學與大數據分析方法結合的開始 [2]。

厲害的技術+簡 wu 單 liao 的行為是基因技術時代開端的低掛果 (low hanging fruit)，已經被摘得差不多了。

[1] https://arxiv.org/abs/1503.08779

[2] Mapping the stereotyped behaviour of freely moving fruit flies

參見 t-sne數據可視化演算法的作用是啥？為了降維還是認識數據？ - Mon1st 的回答 - 知乎

沒有，或者說根本沒法看到，也不可能這麼快就看到。如果是一個類似Optogenetic,Clarity,2p,image,array或者Gene manipulation方法改進的技術突破，會很快被看到，然後出一堆新方法，新文章，似乎有個趨勢。但解決了什麼大的科學問題，真正科學理論上的革新，不會是一兩年之內出現的事情。老的領域都還在那裡，換換方法，十幾年時間才有可能積澱出新理論。而且真正革命性的新理論，都不容易那麼快被接受，要以十年為單位看這個問題。

昨天朋友圈刷屏那個LED治療AD的不是嗎？

Editorial overview: Computational modeling: After the Middle Ages of computational neuroscience

Historically, the Middle Ages in Europe ended in the Age of Discovery. We might hope for the same for computational modeling, with its foundations bolstered and elaborated by the new conceptual analyses, its expansion into adjoining territories secure, and its importance in neuroscience reflected in the structure and composition of programmes such as the US Brain Initiative and institutions such as the Bernstein Centres in Germany. Of course, a sceptic might note that by the Copernican principle [3], fields actually remain permanently in their middle ages–only time will tell.

直布羅陀海峽？好望角？新大陸？Peter Dayan的文章似乎是說，對於計算神經科學，我們還處在中世紀，或許很快就會看到曙光。

可能是，禮來研究阿爾茲海默症藥物失敗，LED可以治療阿爾茲海默症。PUMA基因與神經凋亡聯繫很大！南方科技大學神經期末考試，可能會掛所有人！

單細胞測序

瀉藥，先佔個座，有時間整理一下。

醫治恐怖記憶的技術

in vivo cell reprogramming

工作記憶算一個。

人工智慧

深度學習算嗎

只有我的第一反應是機器學慣用的那個神經網路嗎。。。