生物體的行為是大腦🏎、身體和環境之間動態相互作用的結果🚂。為了深入理解神經控製機製👨🏼‍🚒，開發數據驅動的整合生命模型模擬生命體的神經系統與行為互作用至關重要🆕🚄。該模型應以實驗數據為基礎➝，整合大腦🩷、身體和環境的各種數據，準確再現生物系統的復雜動態特征，驗證生命機理假設並為實驗提供預測依據。目前👩🏻‍🔧，已有一些模型嘗試模擬動物腦（如小鼠初級視覺皮層^[1]、小鼠紋狀體^[2]和大鼠體感皮層^[3]）或身體與環境以再現行為（如果蠅^[4]🔇、嚙齒動物^[5]模型）。

2024年12月16日，意昂3体育官网未來技術學院國家生物醫學成像科學中心馬雷副研究員課題組在《自然·計算科學》（ Nature Computational Science）期刊在線發表題為 “An integrative data-driven model simulating C. elegans brain, body and environment interactions” 的研究論文🏬，開發了一個全新的基於數據驅動的秀麗線蟲（C. elegans）模型（BAAIWorm）🕘🔭，模擬秀麗線蟲的腦🥇、身體和環境的相互作用，使用目前最精細的線蟲神經系統模型（帶有離子通道和樹突結構）驅動線蟲身體在液態環境中像真實線蟲一樣前行。這項研究不僅在神經科學領域具有重要意義，也為計算機科學和其他跨學科領域提供了新的研究工具和方法。

論文截圖

研究團隊基於線蟲神經元的真實生理特性，構建了一個生物物理層面上的高精度神經網絡模型🤲👦🏽。神經網絡模型中的每個神經元都被表示為一個多艙室模型⏲，模擬神經元的結構和功能部分（如胞體、神經突），以精確復現秀麗隱桿線蟲神經元的電生理特性以及基於實驗數據的精細突觸和間隙連接結構。基於秀麗隱桿線蟲的解剖學🙍🏿‍♂️，身體模型由96個肌肉細胞組成，在四個象限中建模🏊🏽‍♀️，以實現計算對稱性🧾🧑‍🦱。團隊在線蟲身體模型表面模擬了推力和阻力🐋，優化了計算效率🥋，同時反映了生物體在流體環境中的互動特性🧚🏼‍♀️。

圖1. 線蟲模型概覽👝。該模型包含兩個子模型：神經網絡模型與身體環境模型

該工作首次建立了線蟲神經網絡模型與身體環境模型的閉環交互，模擬線蟲通過之字形運動接近食物的行為🧑🏽‍🎓。環境中的食物濃度刺激感覺神經元🌳↕️，運動神經元驅動肌肉收縮，生成協調的運動軌跡。在這一過程中👨🏿‍🦲，研究人員可以通過模擬的方法，實時觀察線蟲的軌跡♻、神經活動以及肌肉信號（圖2）🦔。

圖2. 神經網絡與身體環境閉環系統的行為軌跡與信號示意圖

研究者對線蟲神經網絡模型進行了結構性擾動實驗，包括移除神經突（Neurite）🚢、打亂突觸連接權重和位置等，以探討神經網絡結構對神經活動和行為模式的影響。結果表明👇🏻，神經網絡的結構特性顯著影響其活動模式與行為輸出（圖2）。這一發現為揭示神經網絡如何驅動行為提供了新的視角💇🏽‍♀️。通過閉環的計算模型，研究人員可以更加深入地了解精細的神經網絡結構的作用。

該工作提出的整合線蟲模型為探討神經控製機製提供了一個重要平臺🌆🦉，其高生物相似性和實時模擬能力為進一步研究神經網絡結構如何驅動行為鋪平了道路，也為構建其他數字生命體積累了經驗。未來，該模型有望通過整合更復雜的感知輸入與行為數據，拓展至更多生物實驗場景☝🏽。該工作作為國家生物醫學成像科學中心“數字生命”計劃的早期成果之一📖，將推動生命計算與智能系統的交叉研究👱🏻‍♀️。

《自然·計算科學》期刊同期發表了研究簡報“A simulated C. elegans with biophysically detailed neurons and muscle dynamics”🦜，報道這一成果。期刊資深編輯Ananya Rastogi和倫敦大學學院Padraig Gleeson（本文審稿人之一、OpenWorm團隊）對本工作作出了公開評價。

圖3. 期刊同期發表的研究簡報中對本工作的公開評價（來自期刊網頁）

馬雷為本文通訊作者🕦。北京智源人工智能研究院趙夢迪博士🗼、王寧博士為本文共同第一作者🚒。該研究成果得到北京智源人工智能研究院的資助🪆。

參考文獻：

1. Billeh, Y. N. et al. Systematic integration of structural and functional data into multi-scale models of mouse primary visual cortex. Neuron 106, 388—403. e318（2020）.

2. Hjorth, J. J. et al. The microcircuits of striatum in silico. Proc. Natl Acad. Sci. USA 117, 9554—9565 （2020）.

3. Markram, H. et al. Reconstruction and simulation of neocortical microcircuitry. Cell 163, 456—492 （2015）.

4. Lobato-Rios, V. et al. NeuroMechFly, a neuromechanical model of adult Drosophila melanogaster. Nat. Methods 19, 620—627（2022）.

5. Merel, J. et al. Deep neuroethology of a virtual rodent. In Proc. 8^th International Conference on Learning Representations 11686—11705 （ICLR, 2020）.