据15日在线发表在《神经元》上的一项研究，美国杜克大学研究人员通过同时监视几个大脑区域的电活动发现，他们可确定小鼠个体的社交或孤独程度。然后，通过调整这个社交大脑网络中的节点，促使老鼠变得更加合群。该研究可能会带来更好的诊断工具，以了解社交交流障碍患者的大脑如何变化，例如自闭症谱系障碍患者。
神经学家经常一次研究一个微小的大脑区域，但一次只看一个小的大脑区域是一个大问题，霍华德休斯医学研究员、杜克大学精神病学和行为科学副教授拉玛·克里斯南博士说。就像大脑一样，汽车不仅仅是一个东西，而是组装零件一起工作的产物，这些零件因构造而异。
为了弄清楚是什么驱使老鼠进行社交，研究团队首先巧妙地植入了一个记录设备，以捕捉协调社交行为不同方面的8个大脑区域的同步电活动，例如前额叶皮层和释放多巴胺的腹侧被盖区域。
当研究人员聆听老鼠的脑电波时，老鼠可选择与另一只老鼠或一小堆黑色乐高积木互动。令人惊讶的是，没有一个大脑区域的电活动可预测老鼠在任务中的社交程度。
为了帮助收集更清晰的数据图景，研究人员开发了一个新的人工智能系统来理解脑电波数据。重要的是，新的人工智能工具可分析每个大脑区域、数万个脑细胞的所有电活动，并绘制一个新的“社交大脑网络”地图。研究人员由此可通过观察它们社交大脑网络的综合活动来预测哪些动物更喜欢同龄者的陪伴。
有了新地图和社交倾向水晶球，研究团队测试了激活这个社交大脑网络是否会让老鼠更具社交性。为了精确控制这些大脑区域，研究人员使用了光遗传学技术，使他们能够随意地在特定的大脑区域瞬间“轻拂”。点亮前额叶皮层脑细胞会激起已经外向的老鼠更喜欢另一只老鼠，这表明这个社交大脑网络既能感知也能指导社交行为。
作为最后一项测试，研究人员观察了这种社交大脑网络模型是否可检测自闭症小鼠模型中受损的社交行为。当研究团队在小鼠中敲除ANK2(一种与自闭症有关的基因)时，它们的行为混淆了机器学习工具。它不再能够根据其脑电波预测给定小鼠的社交能力，这表明新的机器学习工具擅长检测异常的电活动。
