欢迎点击「科学网」↑关注我们！
科研问题很多都不是浮在表面上的，隐藏在科研现象背后的很多“小”问题才是有可能触及深层次问题的关键。对待这样的关键问题，不是以从事研究人员的多寡、也不是以其能否发高影响因子文章作为其“关键”的标志，而是以人们到目前为止能否有完善的解决方案作为标志的。
为什么这么说呢？就像电磁场的麦克斯韦方程组那样，电磁学发展到一定程度，这组方程就成了关键：有了这组方程，电磁学就变得完善了。在没有找到完善的解决方案之前，电磁波的诞生就是不可想像的事情。没有SCI发表的压力和生活上的重担，麦克斯韦这个方程组的诞生完全是科学研究水到渠成的事情，在条件不成熟的时候是不可能产生的。我们中国曾经经历过“人有多大胆，地有多大产”的年代，以为只要苦干，一定会“人定胜天”。现在这个时代离开我们还不遥远，中国科学界还依然有人迷信这样的“信条”：只要想做就没有做不出来的！这哪是搞科研，分明是科技界的“浮夸”和“大跃进”。这不是科学的信条，也不是为了科学，实在是为了“面子”而害了科学。经过十多年科技的“大跃进”，现在终于有明白人搞懂了什么叫“十年磨一剑”：完善对基础研究和原创性研究的长期稳定支持机制（《2017年政府工作报告》）。
科学研究发源于欧洲，让我们来看看我曾经的德国同事是如何“十年磨一剑”的吧。
Spike Sorting，中文是“脉冲分离”的意思，是神经科学（又称“脑科学”）研究中对神经细胞动作电位分离的一种处理过程或方法。作为脑的功能单元的神经细胞，是通过电和化学递质进行相互通讯和交流的。作为一种电的“语言”，动作电位就是神经细胞之间的“窃窃私语”，要想知道它们在谈论什么，就必须在它们当中放置一个小小的“窃听器”——微电极，监听它们的交谈。但是，就像谈话的人多了声音就变得嘈杂一样，如果周围的神经细胞都在“高谈阔论”，这么一个小小的“窃听器”就无能为力了，因为它无法区分出是“谁”（神经细胞）在谈论“什么”（编码），因此，“脉冲分离”就是为了解决这个问题而产生出来的方法。只有区分出谈话者，我们才会知道它“谈”的是什么内容。这对于我们了解大脑的“语言规则”（神经编码的规律）极为重要。但是，就是这么一个极其重要的“区分谈话者”的方法，竟然一直被神经科学界视为“小”问题：一是因为研究者少，二是研究它们的门槛并不低，三是一直以来科学界都找不到比较完善的解决办法，大多数相关的研究都是在算法上“打补丁”而已，所发表文章的杂志的影响因子一直不高，因此，在中国，自然就不会有什么人对此感兴趣。于是，这么关键的一个科学问题在中国就变成了一个“小”问题。
现在来说说这个科学问题之所以困难的具体原因，然后再看看我曾经的德国同事是如何对待这个问题的。
动作电位（Action Potential，简写为AP）的波形是一个尖峰脉冲波，不同的神经细胞可以产生不同的AP波形，波形幅度的高低、波的宽窄除了和胞外记录电极的距离（平方反比）有关以外，主要是和产生AP的神经细胞膜上的离子通道的特性有关。因此，在神经细胞外记录的AP波形就成了区分神经细胞的重要特征，也就是说，可以根据AP波形区分是哪些神经细胞在“交谈”，然后才可以了解其交谈的具体内容。但是，事情远没有那么简单，一是，记录AP信号的微电极和神经细胞只是“相对静止”的，大脑在心脏、脑血管的作用下在颅腔内轻微地搏动，因此，微电极上记录到的AP波形的幅度随时都会发生或大或小的变化，再加上背景噪声（主要是远离微电极的其他神经细胞的电信号）的干扰，AP的信噪比不恒定，所以一般的研究人员只选取信噪比高的信号加以记录，但由于电场叠加的存在，即使是高信噪比的AP信号有时候也难免受到其他低信噪比AP同时出现的影响导致波形失真（“AP重叠”）。如果AP发放的频率较低，干扰AP的其他因素不多，则AP的分离就很容易，反之，如何区分多个AP信号就非常困难了。通常，神经细胞AP的多少是由我们所研究的脑区决定的，神经细胞越密集的区域，AP信号越难区分。
在微型计算机（又称“个人计算机”，简称PC）产生之前，神经科学家只能用电子学的方法检测波幅高低或是给波形加上电子窗口等办法在线实时分离AP信号，这限制了脉冲分离的能力，一般不会多于3种脉冲波形。PC机诞生后，人们就可以通过模数转换将神经信号数字化，再使用数学的方法进行在线或离线的AP分离，这样可以获得更多种类的脉冲波形。所以，对于现在想要做AP信号分离的研究人员来说，除了需要了解神经科学的知识以外，数学和信号处理等也是必备的知识，并且计算机编程的能力也是必不可少的。当年作者在德国做访问学者的时候，利用他们的数据开发出了这样一种自动+手动AP分离的软件。通过对他们的数据仔细分析和与同事们讨论之后，我提出，必须采用细胞内、外同时记录AP信号的方法才能确认分离AP信号重叠的数学算法是否正确。虽然德国同事Matthias Munk非常希望与我继续合作，但遗憾的是，笔者2006年回国后就身不由己了，我们的合作因此而中断。
但是，这个问题一天不解决，我们就推迟一天理解大脑的“语言规则”。于是，Matthias在我回国后就一直在德国国内努力寻找在这方面可以进行合作研究的人和实验条件。最终，他成了！在2010年和2015年他与Felix Franke合作发表了两篇这方面的研究文章【见文后】，尤其是2015年的文章，采用了当年我和他一起讨论的方法，用令人信服的神经细胞内、外同时记录的AP数据验证了将重叠的AP信号较好分离的方法，是Spike Sorting研究中一次相当大的进展，也是我回国9年后看到的极其令人高兴的研究成果！
如果单从SCI影响因子的角度来看2015年的这篇文章，也许不算什么，但是，从科研关键问题的角度来看，这是非常重要的研究成果。当时我提出，数学算法不是解决Spike Sorting的关键，因为AP数据受到了微电极物理条件和生物学实验的限制，只有使用多通道胞外电极并同时在神经细胞内、外都记录AP信号的条件下才能够判断哪种脉冲分离的方法最合理并验证分离重叠AP信号的方法是否可靠。虽然当时的实验条件还不成熟，可是Matthias Munk对这个问题的坚持不懈令我感动，也正是因为德国人执着的精神，2015年的那篇文章才给我以很大的震撼。这是真正的“十年磨一剑”！
参考文献
1．Franke F, Pröpper R, Alle H, Meier P, Geiger JRP, Obermayer K and Munk MHJ (October-2015)
Spike Sorting of Synchronous Spikes from Local Neuron Ensembles. Journal of Neurophysiology. 114(4) 2535-2549.
2．Franke F,Natora M, Boucsein C, Munk MHJ and Obermayer K (August-2010)
An online spike detection and spike classification algorithm capable of instantaneous resolution of overlapping spikes.
Journal of Computational Neuroscience. 29(1-2)127-148.
转载本文请联系原作者获取授权，同时请注明本文来自陈南晖科学网博客。
链接地址：http://blog.sciencenet.cn/blog-2469974-1049306.html
