地处西班牙的佩蒂利亚德阿拉贡小镇并没有万豪或凯悦这样的国际连锁大酒店。这座小镇的建筑以中世纪的红瓦房风格为主，镇上大约有30名左右的常住居民，距离小镇最近的酒店，可以容纳一个大型集团，但交通不是很方便，只能沿着比利牛斯山脉南坡的一条蜿蜒曲折的道路行驶大约一个小时的车程到达。

然而，当哥伦比亚大学著名的脑研究专家拉斐尔•尤斯特，以及马德里的卡哈尔研究中心的哈维尔•德菲利普在2005年召集全世界顶尖神经科学家进行学术研讨时，这个小镇就成了最佳选择。因为，在1852年，这里诞生了现代神经科学之父圣地亚哥•拉蒙•卡哈尔。他们希望这是一场“朝圣”之行，同时能够激励参会者解决一个超过百年的争论：如何对被称之为“中间神经元”的各种令人眼花缭乱的脑细胞进行分类。大脑回路的组成部分之一——中间神经元有助于保持大脑活动的自我检查，当它们发生故障时，就会发生诸如癫痫、精神分裂症和自闭症等疾病。

卡哈尔首先鉴别出了现在称之为神经元的细胞，当时他称之为“短轴突细胞”。卡哈尔使用了1872年由生理学家高尔基发明的技术，通过注入硝酸银对细胞进行染色，所以能看到人类大脑皮层中不同的细胞结构，有的看起来像星星，有的像鸟巢、篮子或主轴，卡哈尔分把它们分成几十个亚型。他坚持认为细胞的多样性是产生更高认知功能的关键，他称之为“灵魂的蝴蝶”。

许多研究者追随着卡哈尔的步伐，根据细胞的不同特点，如细胞树枝状的外形，或者神经递质分泌功能，鉴定出新的中间神经元类型，然而，他们很少应用定量的测量或统一的标准。因此，在2005年的西班牙会议期间，出席会议的、来自美国弗吉尼亚州乔治•梅森大学的神经信息学家阿斯科利说：“那次会议上，对神经元的描述是如此混乱，而且用了许多重叠和矛盾的术语，让人难以理解。”

汇聚在卡哈尔家乡的阿斯科利和其他神经科专家本来有信心在会议前就解决这些问题，他说：“我认为，我们都是理性的人，我们都相信数据，我们将创建标签和代码，并且就这些问题达成一致，从而解决这样一个问题。”但是，到了会议第一天中午，他又说：“很明显，这是一项看起来简单却不可能完成的任务。”

神经元的分类不只是对中间神经元进行分类，而是对大脑的所有细胞和整个神经系统进行分类，这是最古老和最具有争议的问题之一。视网膜是个例外，视网膜中大约有60种神经元细胞已经分类。此外，秀丽隐杆线虫中有302种神经元，科学家们未能就其中大多数神经元的识别达成一致意见。英国牛津大学的科学家彼得说：“令成千上万科学家尴尬的是，我们不知道还有多少类神经元存在，在这方面我们还缺乏最基本的知识。”这使得科学家只能尝试用“物种”这一最基本的方法去分类和解释中枢神经系统这样的复杂生态系统。

最近，这一问题已经引起了许多研究机构的兴趣。例如，美国的“推进创新神经技术进行脑研究(Brain Research through Advancing Innovative Neurotechnologies，BRAIN)项目”发起了一项研究，旨在对不同物种的脑组织细胞进行“普查”。许多研究者认为，BRAIN的主要目标是通过记录活动的数十亿神经元来解码复杂的认知过程，如果没有这样的普查，这几乎是不可能的。不过，哈佛大学的分子神经生物学家约书亚•赛恩斯认为：“这样的记录将会是极其复杂的，最终会造成极其混乱的局面。”

赛恩斯说，科学家希望能够确定特定类型的、在神经系统疾病中起作用的细胞，或对某些药物产生应答的细胞。例如，在肌萎缩性侧索硬化等疾病中，某一群有助于控制运动的脑细胞很显然是有问题的。然而，其他疾病，如自闭症和精神分裂症，涉及的神经元仍不清楚。

赛恩斯和许多人深信，在不久的将来，神经元分类会取得突破性进展，因为在这次西班牙会议之后，发展出了很多新方法。例如，可以快速检测成千上万的单个神经元中的基因活性的新方法，揭示了区分细胞类型的模式。然而，有些人认为这种尝试对神经元进行分类的做法很傻。

纽约大学的神经科学家戈登•费雪认为，进化的过程并没有创造新的细胞类型，而是使得神经元的基因活性与它们所处的环境相适应。但也有人认为，神经元的明确身份还有争议，西雅图艾伦脑科学研究中心的艾米•伯纳德说：“当没有正确的数据时，总会发生这样的争论。”

佩蒂利亚德阿拉贡小镇的会议充满了困惑，在大家放弃对于中间神经元分类达成共识之后，与会者想出了500个术语来描述细胞的各种性质，比如长度和树突分支的弯曲度，纽约大学的一位神经科学家说：“这些术语令人乏味。”

这次会议并没有试图解决更深的分歧，追溯到卡哈尔时代，在“主合派”里，往往更注重神经元之间的共性；而“主分派”则主张根据许多细微的差别把细胞分成许多小的亚型；最极端的“主合派”认为只有两种类型的脑细胞，即除了血管、神经元就是神经胶质细胞；极端的“主分派”认为，在大脑中有多少细胞就有多少类型。

艾伦研究所的科学主任克里斯托弗•科赫说：“主合派一直指责经典的神经解剖学家就像集邮爱好者，只是想收集尽可能多的邮票就行了”。哈佛大学医学院的神经科学家理查德说，“主合派”认为卡哈尔是病态的“主分派”。

由于高尔基发明的硝酸银染色技术的染色偶然性很强，只能随机地染到大脑组织的一部分，因此，卡哈尔永远不会知道他所检测到的细胞在哪种程度上代表着哪些神经元。结果，许多科学家都对其进行的大量而又迷人的神经细胞分类持怀疑态度。当今，能证明卡哈尔鉴定的许多细胞亚型的最好的证据来源于视网膜，这一神经元多样性的典型代表。在所有的神经元结构中，卡哈尔认为视网膜最为迷人，他在出版的书里介绍了5个不同层次和数十个不同亚型的细胞。

20世纪70年代的传统认知是，视网膜的结构是相对简单的。当时，大多数科学家认为，只有5种类型的神经细胞：视杆细胞和视锥细胞，它们针对不同波长的光做出反应；神经节细胞，接收视锥和视杆细胞输入的信号；双极细胞，它连接了视锥和视杆细胞；无长突细胞，即视网膜的神经元。

然而，这一认知在20世纪70年代发生了重大的转折。当时的研究者发现，在记录细胞电生理活动时，细胞可以通过基本功能进行分类，比如在神经节细胞中，多组细胞可以根据电刺激的方向或光强度变化的敏感性进行区分。在20世纪80年代的时候，进一步的证据显示，不同的神经元亚群表达不同的神经递质，如乙酰胆碱和5-羟色胺。今天，大多数科学家都接受，视网膜中不是只有5种，而是至少有60种不同的神经细胞类型，而且还应该会更多。

对某些神经元细胞明确的分类是一个良好的开端，更多细胞分类的新方法层出不穷。近些年来，赛恩斯的小组和许多其他实验室已经转向了一些最有希望的细胞识别标志物的研究，如基因活性。2015年5月，赛恩斯和他的同事在《细胞》杂志上发表了他们的研究成果，他们发明了一种检测方法，使得对大量神经元的自动分类成为可能。

哈佛大学的科学家发明了一种“Drop-Seq”技术，能快速检测几千个脑细胞中的信使RNA（messenger RNA，mRNA）来反应某种基因在脑细胞中的表达。这一技术首先要把每个脑细胞装在纳米试管中，并且每个纳米试管中都有纳米大小的油滴包装细胞，在细胞裂解后，每个细胞中的RNA都会标记上独特的“条形码”，之后，基因遗传信息就会批量产生。

“条形码”能让科学家知道每个基因序列来源于哪个细胞。赛恩斯在笔记中写到：“以前，如果你想要一万个细胞的遗传信息，你需要一万个试管。”而在新的研究中，赛恩斯和他的同事在小鼠的视网膜中检测了超过44800个细胞的基因活性，并且使用了机器学习算法来对细胞的基因序列进行排序。通过这种方法，他们确定了视网膜细胞5个主要类别中的39个不同的亚型。赛恩斯说：“这种方法还不完美，计算机的结果显示的细胞种类没有想象中多，但它确实能区分出主要类型。”

其他实验室正在对大脑中某些鲜为人知的区域进行分析，2015年春天，瑞典卡洛林斯卡医学院的斯坦•林纳森使用了一种相关的但比较慢的技术对小鼠大脑皮层内超过3000个单细胞的mRNA进行了分析，其中包括了中间神经元和非神经元细胞比如血管和神经胶质细胞。他们确定了47个不同的亚群，结果发表在《科学》杂志上。林纳森表示：“单细胞RNA测序足够强大而且比较便宜，能同时检测出一块组织中不同类型的细胞。”他期待着这种技术能够迅速应用到大脑的每一个角落。

尽管RNA测序可能是对脑细胞进行分类的最终方式，但研究者也不知道究竟哪些基因是区分神经元细胞的关键。确定这些基因的一个重要方法是追溯神经元细胞的起源，从细胞形成开始就监测基因表达活性，探索究竟是哪些基因在细胞成熟的过程中启动或关闭表达。

例如，在弗吉尼亚，Janelia研究中心的神经学家Tzumin Lee追踪了果蝇大脑中每个神经元的发展。他们对果蝇幼虫的100个神经母细胞或神经干细胞进行了遗传标记，当发生细胞分裂时，遗传标记就会进入细胞子代，从而可以进行进一步追踪。因此，研究者在不同的时间点上收获了果蝇的基因信息。随着昆虫大脑的发育成熟，可以追踪基因表达活性的变化。一旦项目完成，该小组将获得一个完整的基因表达图谱，其中包括约24000个神经元。研究人员表示，这种方法有助于了解神经元细胞产生多样性的机制。

然而，有些学者并不同意这一观点，他们认为，了解了一个细胞的发育轨迹并不意味着就能够对细胞进行分类。好比想修车，并不一定要回到汽车工厂去了解车的每个部分。无论是RNA测序，还是细胞来源的追踪，都没有抓住神经元功能这一重点问题：神经元放电是随着时间而变化的，神经元的特性也是随着时间变化的，很灵活，同时也很可靠。

美国马里兰州贝塞斯达国家心理健康研究所的神经基因组学项目主任安德烈说：“可靠的神经元分类是需要多种数据包括细胞形态、电活动情况以及基因表达活性共同支撑的”，美国国立卫生研究院资助的细胞普查已经开始为BRAIN项目提供支持资金：10个项目中只有一半是关注RNA转录的，而其他项目则着重探索神经细胞的功能变化。同样，艾伦研究中心收集了大脑皮层神经元的各种数据，包括电生理和形态学的测量，以及单细胞遗传数据。这一目标是要看每个细胞是否在一个明确的分类里，就像是93个化学元素一样。

阿斯科利和其他研究人员也希望机器在对细胞自动分类的过程中不产生偏倚。当然，即便这样的分类是可靠的，也依然无法得知大脑是如何工作的，就像目前秀丽隐杆线虫的神经元分类已经完成，但我们还是无法了解其大脑是如何工作的。总之，这是一个复杂的研究项目，但没人能否认，知道自己大脑的构成是一个良好的开端。

(作者：刘元、高石)

参考文献：Science 2015;349:575-577