Alex Williams 是纽约大学的助理教授，也是熨斗研究所计算神经科学中心的副研究科学家和项目负责人。在大脑的经典观点中，神经元在我们学习时被分配了特定的任务。当我们听到狗叫声时，某些神经元会被激发，当我们认出一朵花时，会触发另一组神经元。但神经科学家正在了解到这是一种简化的观点。实际上，特定的刺激并不总是激活相同的神经元。
我们神经网络的这种可变性是纽约大学 (NYU) 助理教授、熨斗研究所计算神经科学中心 (CCN) 副研究科学家和项目负责人 Alex Williams 关注的焦点。在他的工作中，威廉姆斯使用统计模型来计算神经连接如何随时间变化。
在加入熨斗研究所之前，威廉姆斯曾在谷歌大脑、桑迪亚国家实验室、索尔克研究所和布兰代斯大学工作。他获得了神经科学博士学位，并在斯坦福大学完成了统计学博士后研究。
威廉姆斯最近向西蒙斯基金会讲述了他对沙鼠的研究以及我们大脑的神经回路如何随时间变化。为清楚起见，已对对话进行了编辑。
神经回路的可变性意味着什么？
我们都有过这样的日子，我们的大脑似乎没有充分发挥作用。也许你感到困倦，或者当有人问你一个难题时你找不到合适的词。然后有些日子你会感觉敏锐并且从容应对一切。在这些日子的每一天，你的大脑或多或少都以相同的方式配置，但你会体验到非常不同的表现水平。
我们知道其中一些与环境或行为因素有关，例如您获得了多少睡眠，或者您是否因完成任务而获得奖励。但是，随着时间的推移，神经回路中也存在一定程度的自然变异性。虽然在外部看起来似乎只有一种方法可以完成一项任务，但实际上你的大脑可以采取许多不同的方法。你有近一千亿个神经元和数万亿个突触连接。您的大脑可以采取多种途径来获得正确的解决方案或响应。电路配置中的良性变化形式会随着时间的推移而增加。这种可变性称为代表性漂移，这是我们正在尝试研究的另一种现象。
有没有关于什么导致代表性漂移的理论？
一种理论是这种漂移的发生是因为随着碎片变老、死亡和被替换，你的大脑会不断地得到维护。例如，你的脑细胞用来相互连接的蛋白质会在几天内翻转。这可能会导致您的神经配置随着时间的推移而缓慢变化。但在一些初步研究中，我们看到在较短时间尺度上的代表性漂移，因此可能还有其他事情发生。
您目前正在从事哪些项目？
我现在在两个领域工作。第一个是与我在纽约大学神经科学中心的实验同事 David Schneider 和 Dan Sanes 的一次大型合作。我们一起研究了一种啮齿动物——蒙古沙鼠，以了解它们的自然行为和交流方式。
这些动物具有高度复杂的社会行为和家庭社会结构。一个月来，我们一直在观察它们的行为，因为新幼崽长到青春期并学会与家人和其他沙鼠互动。沙鼠的社会结构是建立在声音交流的基础上的，我们目前正在研究它们是否能够识别家庭成员的声音。为此，我们将探索他们的大脑对家庭成员和非家庭成员的反应有何不同。为此，我们正在记录来自沙鼠听觉皮层的神经信号，并从它们的笼子里拍摄视频和麦克风录音。
目前，我们正致力于通过统计分析来表征行为和发声。沙鼠有非常复杂的声乐曲目。一个家庭每天可以发出 10,000 次发声。我们希望能够预测沙鼠对另一个家庭成员的口头呼叫的反应。借助来自 24/7 全天候视频和麦克风录音的数 TB 数据，我们正在构建一个统计模型，该模型可以自动识别谁发出了哪种声音。这将使我们能够分析家庭的互动，以预测会发出什么样的声音作为回应。这只是这个项目的第一阶段，我期待看到我们在未来通过这个项目有什么发现。
我的第二个项目是开发处理神经回路数据的新模型，特别是用于分析表征漂移的数据集。例如，这些数据集可以是来自在迷宫中导航的鼠标的神经数据。当动物在迷宫中导航时，我们期望每次执行任务时都有相同的神经回路活动。取而代之的是，神经回路存在可变性，这不能仅通过物理完成任务的差异来解释，例如鼠标有一次走的路径略有不同。我们试图通过开发新的数学和统计方法来处理数据来找出可变性的来源。
像您这样的统计方法在今天的神经科学领域扮演什么角色？
与 10 年前相比，今天的统计数据对理论和计算神经科学的影响要大得多。数据集变得更大、更复杂、更丰富和公开共享。因此，强烈推动理论家直接使用实验数据，并推动实验家将他们的结果与复杂的数学方法相结合。来自统计和机器学习的工具——其中许多仍在开发和完善中——已经是许多神经科学研究的核心要素，我认为这些工具的重要性只会从这里继续增长。