作者：[巴西]苏珊娜·埃尔库拉诺– 乌泽尔
出版社：中信出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
最强大脑：为什么人类比其他物种更聪明试读：
前言我们当然特别，难道不是吗
人类真了不起。相对于我们的身体来说，我们的脑子显得不合比例——足足大了7倍。不难理解，这样的脑子经历了极其漫长的演化。相对于整个脑子的大小，人类大脑皮层的面积是最大的，前额叶部分也是最大的。人脑每天消耗惊人的能量，占整个身体全天能量消耗的25%。在演化史上，它的增大过程仅耗费了很短的时间，把我们的近亲类人猿远远甩在身后——它们孱弱的脑子仅是人类脑子的1/3。因此人脑是特殊的，对吗？
错！根据来自我们实验室的新证据（这些你将在之后的章节中有更多的了解），人脑非常卓越，但是并不特殊。它不是演化规则的例外，不能被称作独特。但是，我们似乎拥有这个世界上最有能力的脑子——我们使用它来研究其他生物的脑子，而不是被其他生物作为研究的对象。如果我们的脑子不是演化规则的例外，那么人类的优势体现在哪里呢？
本书希望你抛下长久以来认为人类特别的偏见，以演化和显示人脑独特认知能力不同来源的新证据的视角，重新审视我们的脑子：我们的脑子异于其他生物脑子的原因，不在于我们是演化的例外，而在于演化的基本规则——我们的脑子中有大量的神经元，其数量多到人类之外的任何其他生物都无法负担。我将论证人类的优势在于：第一，我们是灵长类动物，这类动物的脑子是以一种相比于其他动物来说非常经济的缩放规则建造的，这让较小的体积能容纳大量的神经元；第二，作为灵长类，我们的祖先在150万年前学会了一种目前其他生物还无法掌握的新技能——烹饪，这让其后代能负担起快速增长为天文数字的神经元数量；第三，归功于人脑的快速扩张（由于能效提高而节省了能量，丰富得令人眼花缭乱的烹饪技术也支撑了这种扩张），人类大脑皮层拥有的神经元数量冠绝众生，而大脑皮层正是大脑中负责寻找模式、逻辑推理、为最坏情况做好准备、发展技艺并传授给后人等功能的部分。
将人脑与其他大小各异的动物脑子比较是最震撼人心的体验——它提醒我并没有证据支持人类在其演化历史中，或者在任何意义上是“被选中的”这样的说法。我希望，对人脑的重新思考，能让我们作为一个物种，对自己在地球上的位置有更为清楚的认识。虽然我们的大脑并不特别或例外（因为它跟其他灵长类遵循同样的演化规则），但确实在认知能力上极为杰出。而且，神经元数量上的优势给了人类改变自己未来的潜力——无论是好的还是坏的。2015年1月于里约热内卢
第一章 人类统治
似乎是理所当然的，我们人类是特别的——至少大部分神经科学的书本是这样写的。人脑被认为包含1000亿个神经元和10倍于此数量的神经胶质细胞。人类的大脑皮层也大得异乎寻常——150万年以来，大脑皮层的面积增加到最初的三倍。以演化史的尺度来衡量，150万年完全不值一提。在这段时间内，类人猿的脑子体积没有发生什么变化——实际上600万年以来都是如此，这使得如今类人猿脑子的体积变成了人脑的1/3。作为智人的人类曾经与尼安德特人共存甚至混居过，但最终只有我们这一支幸存下来。我们因此统治了世界，不只是掌控其他生物，还能随心所欲地前往地球的任何地方，甚至地球之外。
这些技能的背后是我所谓的“人类的优势”。人类的优势在于我们是唯一研究自己和其他事物，并且在研究的过程中产生知识，完好无损地传播开来的物种；我们能改变自己，用戴眼镜、植入和手术等方式弥补自己的缺陷，从而改变自然选择的规律；我们彻底改变自己所在的环境，使我们能在任何地方居住；我们使用工具制造工具，使工具变得更强大，能解决更多更困难的问题；我们不断寻找更复杂的问题的解决方案，这让我们自己的能力也随之增长；我们创造描述知识的方法，让后人学习知识时不再需要直接的演示——这些都使我们变得特别。虽然所有需要的认知能力都不是人类独有的，我们应用这些认知能力的复杂性和灵活性显然是其他任何物种难以望其项背的。
数十年来，人们认为人类的优势似乎在于人脑的独特性——人脑具有的一些特征让它看起来与众不同。大猩猩的体型是人类体型的两到三倍，但是它们脑子的重量只有人脑的1/3。这样的扩张让人脑每天需要耗费超出合理范围的能量，虽然人脑的重量仅占我们体重的2%。适用于其他物种的规则因此不适用于我们。考虑到我们的成就让我们跟其他物种区别开来，我们卓越的认知能力必然需要一个卓越的脑子——只有如此解释才行得通。
考虑到我们能做的事情，人脑显然是卓越的。但是它真的是非凡（超越规则）的吗？这个问题是本书的核心问题。我们的脑子真的如很多权威人士论断的那样，是由1000亿个神经元和10倍于此的神经胶质细胞构成的吗？它真的耗费了太多的能量吗？如果人脑不是非凡的，那么它为何能够拥有如此卓越的特征呢？
为什么是人类，而不是其他物种，发展出了这样卓越的认知能力？在演化中发生了什么，使我们能统治其他所有物种？生活形式的演进在人类中达到顶峰，这是演化的终极成就吗？
人类至尊：演化的进程
人脑发育到如今被认为特别的水平，是与演化的历史息息相关的，这并不令人奇怪。很久以来，都是解释多而事实少。
生命，自37亿年前首次出现以来，一直随着地质年代演变。这是一个不需要解释的事实，生命随着时间演变，也就是我们所说的“演化”，这是一个200年前才开始出现的名词。从诞生开始，演化的内涵一直在变化：从最初的“向完美进化”到现代的“随时间缓慢变化”。不过，未能清楚认识“演化”从来没有限制人类去认识其特征——通过演化诞生的绝妙的生命形式多样性。
面对多样性，我们的大脑自动地进行了分类，就像书写工具有“钢笔”和“铅笔”，交通工具有“汽车”、“卡车”和“自行车”，人眼所见的生物都被分类了——至少从2300多年前开始，就有了“植物”和“动物”的类别。亚里士多德发展了生物分类，他构想了“存在之链”的概念。在该概念下，所有的自然事物都在阶梯式的分类中有它们对应的位置，从最高阶的“原动者”到最低阶的“矿物质”。动物则按照其“灵魂的完美程度”分布在在自然阶梯上。在这个之后数世纪被广泛接受的概念中，人类排在第二位，仅次于上帝。
直到“演化”这一概念出现之前，自然阶梯的等级一直是固定的，生物在所属类别中的情况过去是这样，未来还将如此，而博物学家则根据亘古不变的自然阶梯来设计他们的研究。18—19世纪时，一些年代地质层中越来越多的化石被发现，不可避免地导致新概念的形成——生命的华章是在时代中逐步书写的。大众熟知的演化概念由查尔斯·达尔文（Charles Darwin）在1859年提出。在演化意义下，自然阶梯在很大程度上变成了演化阶梯——生物在随时间推进的演化过程中不断在阶梯上爬升，由简单变为复杂。自然的伟大阶梯现在不再是固定的了（如图1-1所示）。它向上延伸，这样人类仅出现在最近时代的化石层就可以被合理解释了。图1-1 物种演化阶梯
简化版的脊椎动物进化阶梯（左图），用来显示生物的进化程度。线的交叉（右图），显示当代鸟类跟哺乳类有共同的祖先，而它们的祖先跟爬行类有共同的祖先，再往前跟两栖类有共同的祖先，如此类推，直到地球上的第一种生命形式。该脊椎动物“谱系树”实际上是错误的，见图1–4。
正因如此，德国神经学家路德维希·埃丁格（Ludwig Edinger）被很多人称为比较神经解剖学之父。在19世纪末，埃丁格把大脑的演化视为单向的进化过程：从鱼类到两栖类，再到爬行类、鸟类和哺乳类，到人脑达到最高峰——以智商从低到高排序，根据不同脊椎动物在地球上出现的时间顺序。埃丁格认为，在演化攀登该自然阶梯的过程中，现有的脊椎动物的脑子继承了之前的结构。因此，在演化进程背景下，比较现有动物的脑解剖结构，能在以往物种的脑子中找到新近物种脑结构的起源。以往物种在现代物种脑结构中的证据，与德国胚胎学家恩斯特·海克尔（Ernst Haeckel）在1886年提出的可总结为“个体发育重演种系发生”（意为在发育的过程中重复演化的过程）的重演律相似。海克尔声称新近物种（更高级）在发育过程中经历一系列阶段，这些阶段跟以往物种（低级）的成年态有对应关系。海克尔相信他在物种胚胎发育中看到了这种关系，埃丁格将这种理论扩展到了大脑的发育过程。
在20世纪初，埃丁格认为每个演化过程中新出现的脊椎动物群体都获得了一种更先进的脑分区结构，就像地球的地质层随时间形成一样，新的立于旧的之上（如图1-2所示）。这跟生物从鱼类到两栖类、爬行类、鸟类、哺乳类，最后到人类的演化理论相符，特别是在复杂性和尺寸的逐步变化上。这种分区使人联想到人脑中枢神经系统的分区（脊髓、延髓、脑桥、小脑、间脑、中脑、端脑）也在爬行类动物的脑中出现。被认为是最新形成的、处在顶层的端脑，在不同的物种之间大小差异最大，因此是合理的。端脑的重量占人脑全重的85%（如图1-3所示），是人类非常容易识别的部分。图1-2 埃丁格理论示意图
1908年，埃丁格提出，哺乳动物端脑的卓越性，特别是在人类相比于其他哺乳动物时，是人类在动物中拥有最高演化地位的证据。同时他认为，端脑自身也经历了逐步的演化，比如，端脑中较老的控制本能行为的部分（纹状体），被新的脑区（皮层）紧靠，而该区域控制着学习行为，是人脑中最完备、最先进的部分。鱼类原始的端脑区域皮层很小而纹状体相对较大，爬行类的纹状体和皮层都有所发展。鸟类的纹状体更大，但皮层区域没什么变化；作为对比，被认为最后进化出的，也是最高级的哺乳类，在其旧皮层上还有新皮层。该观点在1936年的一部比较神经解剖学著作中发表后，成了神经科学的主流。图1-3 人脑切面图
虽然人脑的子分区体系跟其他爬行动物的子分区体系相同，但是人类端脑（大脑皮层和纹状体）比其他所有脑区体积之和还要大数倍。
神经解剖学家保罗·麦克莱恩（Paul Maclean）在1964年提出了他的“三位一体大脑”理论，即大脑由爬行类综合体（包括延髓和基底节）、古哺乳类综合体（边缘系统）和新哺乳类综合体（新皮层）构成。这种新皮层是由哺乳动物演化出并覆盖在其他旧皮层上的错误说法非常流行，直到21世纪还有人相信。1997年，卡尔·萨根（Carl Sagan）在他的畅销书《伊甸园的飞龙》（The Dragons of Eden）中提到了这种诱人的说法：爬行类综合体做不到哺乳类新皮层能做到的复杂事情。这种直观（但错误）地将演化等同于进化的说法一下子吸引了媒体的大量关注。
不过，“三位一体大脑”理论只是一种空想。随着蜥形纲（恐龙的学名）化石的不断发现，我们越来越清楚地确定现代的蜥蜴、鳄鱼和鸟类其实是近亲，而哺乳动物则来自在脊椎动物早期就分出去的姐妹群，独立地演化而来（如图1-4所示）。哺乳动物因此不可能是由爬行类动物或鸟类进化来的。哺乳动物的脑子至少跟鸟类和其他爬行类动物的脑子一样老，只不过是沿着不同的演化方向进化的。如今的[1]神经解剖学研究显示，鸟类的纹状体跟哺乳动物的大脑皮层具有相同的组织结构和功能——实际上，这两者有完全不同的架构，只是以非常类似的方式起作用。如果哺乳动物不是爬行动物的后代，它们的脑子就不可能是在爬行类动物的脑子上添加新结构的产物。认为哺乳动物的脑子是在爬行类动物的脑子上添加了新结构，就像看到一对表兄妹时，认为其中一个是另一个所生。即便如此，“爬行类脑子”这一概念还是难以被人遗忘，很多神经科学家直到最近还以一种看待演化史的方式将哺乳类的脑子跟爬行类和鸟类的脑子进行比较。图1-4 哺乳类与爬行类的演化关系
四足脊椎动物基于事实的演化关系的现代观点（右图），对比最初基于自然阶梯随演化时间扩展的观点（左图）。哺乳类（现代兽孔目）和爬行类（现代蜥形纲，包括鸟类）互为姐妹群。因此，哺乳类不可能是爬行类的后代。
埃丁格的大脑进化阶梯在面对演化事实时也解释不通：物种在演化过程中并不是都“进化”到更复杂的生命形式。演化历史上的复杂生物确实随着演化史的推进变得越来越复杂。但更为简单的单细胞生物仍然是占主导地位的地球生命形式，随着演化时间推进，物种变得更小、更简单的例子俯拾皆是，比如微型蝙蝠和细胞内寄生虫。演化不是进化，只是随时间推进而产生的变化。
埃丁格的理论的另一个支撑——演化是对更早物种发展的重演，也被20世纪的胚胎发育研究推翻了。当代的演化发育生物学将成年物种之间的差异归结为其发育过程中的演化改变，也就是种系出现源自个体发育，这恰恰跟海克尔提出的观点相反。当发育过程改变时，新的生命形式就产生了，这里没有先进性的差别，而是有不同性。
通过构建“进化版”的自然阶梯，埃丁格为种系命名法建立了基础，直到今天还影响着大众对大脑演化概念的理解。更重要的是，埃丁格建立了一个将“大脑演化”等同于“进化”的学派，这便是认为人类认知能力相比于其他动物的优越性，主要来源于“人类的大脑，或前额叶皮层，或其发育成熟的时间，或其消耗的能量，比应有的结果更具优越性”这类思想产生的背景。[1]为了与严格的纹状体概念或基底节区别，鸟类的纹状体曾被称为背侧室嵴，现在则被称为皮层，其功能与哺乳动物的大脑皮层相似。
比应有的结果更具优越性的人脑
大型动物，无论是脊椎动物还是无脊椎动物，它们的脑子都可能更大。这种比例关系最早在1762年形成并被熟知。当时，瑞士博物学家阿尔布莱克·冯·哈勒（Albrecht von Haller）提出：更大体型的动物脑子更大，但是其脑子相对于身体的重量比例会变小（如图1-5所示）。这被称为哈勒定律。
大体型动物的脑子相对身体比例更小，这是异速生长（或称生长异率）的一个例子，其意义与等速生长相反，除非大体型动物脑子的相对体重变得更大，使其比率与小型动物的比率一致。异速生长理论中，关于体型和身体各部分随体型变化的规律，可以追溯到17世纪的伽利略·伽利雷（Galileo Galilei）。伽利略认识到，大型动物的身体（特别是其骨骼）不可能是小动物的按比例放大版本，不然的话，其身体将无法承受体重的压力。图1-5 动物体型与脑重量的关系
大型动物的脑子通常更大：老鼠的脑子重2克，比水豚的脑子（75克）小很多；水豚的脑子比大猩猩的（500克）小；大猩猩的脑子比大象的（4000~5000克）小很多。但是，大脑的相对重量，也就是大脑占体重的比例，大型动物的要小一些。当我们把这些动物画成一样大的时候，就显得很明显了（如第二行所示）。
实际上，异速生长这个概念直到1891年才由德国医师奥托·斯内尔（Otto Snell）提出。英国生物学家朱利安·赫胥黎（Julian Huxley）又给出了进一步的解释。在达西·温特沃斯·汤普森（D'Arcy Wentworth Thompson）1917年出版的《生长和形态》（On Growth and Form）一书中，赫胥黎对其中精致的配图里躯干大小和体型的关系给出了数学描述。赫胥黎注意到，异速生长关系通常服从幂律，即一个参数跟另一参数的指数倍呈线性关系（如图1-6所示）。今天被广泛接受的一种形式是身体部位的重量跟体重的指数关系为aY=bX。关于变量X（体重）和Y（身体部位的重量，比如脑子）的关系中，幂律是唯一呈尺度不变性的。以哺乳动物为例，尺度不变性意味着，哺乳动物的体重变大8个数量级时（也就是增长为原来的一亿倍），仍然保持着原来的总体架构。图1-6 异速生长函数
线性刻度下的线性函数（左图），线性刻度下的幂函数（中图，其中异速生长指数a>1），以及线性刻度下的对数变换后的值（右图），对数变换将幂函数转变成了一个线性函数，这使得在计算机时代之前的计算变得非常简单。在异速生长函数中，X为体重，Y通常为某身体部位的重量、体积或表面积。
这也就是说，哺乳动物无论大小怎样，通常很容易被认出是哺乳动物。这意味着，一定有一个通用的定量的生物学规律，或者说尺度不变性规律，适用于所有的身体部位，与脑子的大小无关。这一构建身体的自然法则，就是赫胥黎描述的异速生长关系。
身体（比如脑子）的异速生长指的是当体重变化时，其衡量参数[2]（面积、重量和体积方面的尺寸参数）的变化关系。该关系可定义为体重的异速指数。如图1-7所示，异速指数为1.0时，幂律就变成了线性函数，意味着身体部位与整个身体呈等比例的变化，这是循环中血液体积的情况——血液总量总是跟身体体积保持一定比例。大于1的指数意味着身体部位增长得比整个身体要快一些，这是骨骼的情况，正如伽利略预言的。异速指数小于1但大于0时，意味着身体部位仍然随身体增长，但是速度要慢一些，这样就导致大一些的动物的比例滞后了。图1-7 异速指数的变化
北美神经病理学家格哈特·冯·博宁（Gerhardt von Bonin）在1937年认识到，不同物种脑子重量和身体重量的关系可以被描述为异速指数的幂律形式。这种观点孕育了一个新的学说：对于每个给定体重有一个对应的脑子的重量。这是因为脑子重量异速关系的存在定义了一种幂律，即对于一个哺乳动物的体重值，能得出其身体内脑子的大小，这种关系能预测某一典型哺乳动物在给定体重下应该拥有的脑子的大小。这种预测关系与动物脑子大小的实际情况非常符合（如图1-8所示）。图1-8 脑子重量与体重的异速函数ba
图中直线描绘的是异速函数“脑子重量=X×体重”，该函数由数值点得来，其中每个数值点代表一种哺乳动物。该直线显示了给定某种体重的动物，其脑子重量的预测值。在知道体重的情况下，通过该函数就能得出（预测出）其脑子重量的合适值。但是，我们不时会发现某一物种（实心点）的脑子比合适值轻很多，而另一物种（实心框）则有一个比合适值重很多的脑子。某一物种的脑子比合适值大，可能是因为它的脑子相对于身体太大，也可能是它的身体相对于脑子太小，当然，这是另一个问题了。
这种在某一给定体重值下，脑子应该有的重量跟实际重量的比较研究，是在1969年由海因茨·斯蒂芬（Heinz Stephan）和奥兰多·安迪（Orlando Andy）进行的，他们工作的地方曾是路德维希·埃丁格在德国法兰克福的实验室。斯蒂芬和安迪猜想（在40年后被认为是错误的），今天大多数的胎盘哺乳动物在演化史上都起源于食虫类动物，比如鼹鼠和鼩鼱；今天的小型动物，由于体型的关系，一定也生存于与哺乳动物祖先相似的那个时代。斯蒂芬和安迪以完美的埃丁格方式计算出了他们所谓的“进化系数”，用以衡量如今动物大脑与其原始祖先大脑（以如今食虫类动物的大脑为准）的差距。他们首先以基本食虫类动物（与哺乳动物祖先最相似的物种）为基础，得出脑子大小（或身体部位大小）跟体重的异速关系，再使用该异速关系计算出原始祖先的脑子大小。然后计算其进化系数，也就是该动物脑结构比同体重基本食虫类动物对应脑结构大了多少。该脑结构比同体重基本食虫类动物对应脑结构的合理大小大出越多，其进化程度就被认为越高。
如埃丁格预言的，斯蒂芬和安迪发现在灵长类动物中，新皮层表现出最高的进化程度——这被称为“灵长类爬升率”，而嗅球是唯一相对于“原始状态”出现倒退的，比依体重参数预测出的值小。人类的进化程度非常高，其中人类新皮层的进化程度最高——它偏离依体重参数预测出的值最多。据此，斯蒂芬和安迪认为：新皮层是“通过给定动物的进化情况，划分其所属的最佳大脑的度量标准”。他们的发现似乎证明了埃丁格的正确：“前进式的演化”与新皮层相对于体重和其他脑结构扩大的程度有关，这种程度“在哺乳动物中最高，尤其是在灵长类动物中”，并在人类中达到极值。因此，人类的新皮层相对于原始哺乳动物来说过大了。[2]重量（以克计算）和体积（以立方厘米计算）对大部分三维尺寸的度量是通用的。考虑到动物身体大部分的成分是水，这两者之间的比例是1.036（接近水的密度）。
脑化指数
进化系数的概念创造了历史，但是另一个名词——脑化系数起源于哈里·杰里森（Harry Jerison）1973年的著作《大脑和智力的进化》（Evolution of the Brain and Intelligence）。
杰里森对赫胥黎在《相对生长问题》（Problems of Relative Growth）中描述的异速生长非常感兴趣，并应用该概念研究大脑体积在体重增加时的变化情况。杰里森的工作基于的是荷兰古人类学家欧仁·杜布瓦（Eugène Dubois，直立人发现者）在1987年提出的“头部形成系数”，即脑与体重的比例关系，而后者又是基于奥托·斯内尔1891年提出的物种间脑与体重关系分析。当斯蒂芬和安迪计算基本食虫类动物的异化关系，并扩展到预测灵长类的脑子时，杰里森选择通过计算脑与体重异速关系来预测大量不同哺乳动物混合在一起的样本中的脑子重量。
像图1-8展示的那样，他把预测的脑子重量与各个物种实际的脑子重量做比较。按杰里森的观点，身体重量的增加需要脑子重量随之增加，从而能处理更多的感觉信息，控制自身运动。如果某物种的脑子重量比根据其体重预测（依其他物种适用的关系）的值要大，就意味着在应对自身需求之外，它还有“多出来的”脑子重量。用杰里森的术语来说，它的脑子更“发达”，从而更智能。
通过计算实际测量到的最为多样化的哺乳动物脑子重量跟依其体重预测出的脑子重量之间的差距，杰里森得到了针对每个物种的单维度数据，也就是脑化指数，用以衡量某物种的脑子实际重量比其“应该有”的重量大出的程度。对于杰里森，该指数是人类（通过已经灭绝的人类祖先的估测颅容量计算其脑化指数）以及灵长类和非灵长类动物演化的智能度量标准。按照他的计算，现代人类的脑化指数是7.5，也就是说，现代人类的脑容量是同体重典型哺乳动物脑容量的7.5倍。排第二名的是归类为灵长类的物种，其脑化指数仅为2。这些数据意味着人类的演化就是人类脑化系数的增长过程，这一点与埃丁格的进化观点完全相符。即使我们的脑子不是世界上最大的（大象和鲸鱼的脑子更大），也比依我们体重计算出的合理重量更重，这一点让我们成为人类，把我们的大脑与其他物种的大脑区分开来，并解释了我们无与伦比的认知能力。我们是杰出的，是“大型动物脑子更大”这一规律的例外。我们确实是特别的。
脑化指数的问题
在其诞生后的数十年，脑化指数在比较物种时被广泛地应用，并被认为是比脑子大小更合适的衡量认知能力的工具。“额外的脑子重量”应该能为身体需求之外的功能服务，比如逻辑推理、模式辨识，但是异速关系是从数据点拟合出的直线得来的（如图1-8所示）。因此，如果有些物质脑化水平高（也就是脑容量比预测值大），从数学的必然性关系可以得出，一定有另外一些物种落在了拟合直线的下面，它们是“脑化不足”的——其脑子重量比维持身体操控需要的值小。这些物种存活下来并生活得很好的希望是非常渺茫的。
更成问题的是，认为脑化指数表示智商或者其他关于认知能力的定量描述是一种循环假设，但脑化指数并没有经过实际检验被证明确实与实际认知能力有关。而且，脑化指数与认知能力的相关性并不是广泛适用的——体型很小的卷尾猴的脑化指数约为2，这仅次于人类，理论上应该比类人猿聪明。类人猿的脑化指数小于1，理论上这意味着类人猿的脑子重量不足以支持操控其身体，但是类人猿的行动显然比体型更小但脑化指数更高的卷尾猴和狨猴更为复杂和灵活。杰里森的脑化指数能很好地把人跟其他物种区分开来，却把其他一些物种混在一起。
脑化指数假设所有的脑子都是以同种方式构建的，也就是说，不同物种的相同重量的脑子包含的神经元数量是相同的。在这种定义下，“额外的脑子重量”，比如脑化指数为2，意味着相比于小的脑子，大的脑子有更大的重量，从而有更多的所谓“额外的神经元”。在实际情况中，同样脑化指数的两个脑子，如果一个大而另一个小，就会有更大的脑子认知能力更强的结论。但这是很难被检验和验证的：首先，比较除人类外的不同物种的认知能力非常困难；其次，在那个时期，没有人真正知道不同的脑子究竟有多少神经元。但这重要吗？只要人类的脑化程度最高不就够了吗？
脑化指数在被提出之后的30年里，一直是最常用的比较物种的参数，好像它真的能反映类似智能的某种东西一样。它是唯一能将人类明显区分于其他所有物种的唯一参数——不同于绝对或相对脑子重量这些参数。生物学家洛里·马里诺（Lori Marino）非常拥护这一概念，她发现海豚的脑化指数是3，这个值虽然比人类的小，但是比其他所有灵长类的都高。
但在21世纪前10年，开始有论文质疑脑化指数的意义，系统化地比较非人灵长类动物的广义认知能力，以及哺乳动物和鸟类的自控能力这样的研究也开始出现。这些比较研究共同说明了，简单的绝对脑尺寸参数与认知能力的相关性，比脑化系数与认知能力的相关性要准确很多。这又把问题推回了出发点——如果人脑不是最大的，为什么人脑的能力是所有物种中最好的？
唯一的特别是处处特别
脑化系数与认知能力的相关性在人类之外的动物中并不是最高的。大脑—体重比例最大这个说法，仍然是很多专家，特别是非专家“人类与众不同的原因”的首选。如果大的动物脑子更大，且大猩猩的体型是人类体型的三倍，那么它的脑子也应该比人脑大，但实际上，人脑三倍于大猩猩的脑子。杰里森已经明确证明了，相对于我们的身体，人脑是异常巨大的。
还不够特别吗？考虑一下人脑消耗的能量吧：每天500卡路里。这大概是整个人体消耗总量的25%，考虑到人脑重量仅是体重的2%，这是极为不成比例的。作为比较，老鼠的脑子（占其体重的1%）仅消耗其全身所需能量的8%。
随着越来越多来自不同领域的科学家加入到探寻“人类卓越认知能力的基础”这一问题的队伍中来，人脑的鲜明特点也被越列越多。大型的纺锤体神经元最初被发现位于人脑的前扣带皮层，这一区域负责认知和行为的情绪控制。这种细胞也存在于类人猿的大脑中，但其他灵长类或哺乳动物都没有。纺锤体神经元很快被认为是“人脑的特点”，甚至与意识有关。但是，随着研究扩展到其他物种，其他灵长类的脑子中也发现了这种神经元。
人脑的特殊性并不局限于神经元。南希·安·奥伯海姆（Nancy Ann Oberheim）和她的同事在2009年发现人脑的星形胶质细胞（对神经元间传递信息具有重要作用的胶质细胞）比其他灵长类和啮齿类动物的星形胶质细胞要大得多，这意味着人脑中的星形胶质细胞相比于其他物种能支持更多的突触。不过，因为奥伯海姆和她的同事并没有研究比人脑更大的脑子，可能大象的星形胶质细胞比人类的更大。这一发现并没有排除根本的区别是脑子大小这一因素。尽管如此，人脑的星形胶质细胞看起来确实比啮齿类的“强大”一些：当把人类的神经胶质祖细胞移植到发育中的老鼠脑子时，会使成年老鼠的脑子中含有人类的星形胶质细胞，这些受体动物的学习能力因此变强。
在神经元组建的网络中，人脑被发现不同于位列第二的黑猩猩的脑子。比如，神经毡这种大脑皮层中支持突触连接的结构，在人脑中比在黑猩猩的脑子中大。虽然原因可能在于人脑的重量更大，而不是人脑更特别。一些科学家也发现人脑相比于黑猩猩的脑子而言具有某些特别的脑区，虽然有些科学家对此持反对意见。此外，在像人脑、黑猩猩的脑子甚至鸽子脑这样迥异的脑子中，都有类似的中枢来集中和分布信号，比如前额叶和海马体。
最近，研究的焦点转移到了基因组成上，这些研究发现的人类特有基因数量不断增长。所谓人类特有，意思是人类不同于大猩猩（我们最近的近亲）的部分。这些研究的目的在于希望这些基因能解释我们的特殊性。被发现的基因包括控制大脑尺寸、突触形成、语言发展、细胞新陈代谢以及其他人类特征形态（比如人的手腕和拇指）的基因。
但是在2003年，当我开始对脑的多样性和进化感兴趣时，我意识到，虽然有基因、功能区域和特定细胞类型方面的复杂多样的信息，我们仍然不了解其基础问题——脑子是怎么构建的，每个脑结构中有多少神经元、多少胶质细胞。我们对神经元这一大脑信息处理单元的数量在人脑与其他动物的脑子之间的区别一无所知。除了基因和细胞方面的特殊性，我们拥有无与伦比的优秀认知能力的原因，可能是神经元数量方面的优势吗？
第二章 脑之汤
在我开始对脑子由什么构成以及人脑相对于其他生物大脑的可比性感兴趣时，人们认为它们不可比。因为长久以来数量众多且不断增加的特殊性证据说明，我们是独一无二的。
这让我感到迷惑，在接受了生物学教育之后，我认识到相当多的神经科学家不加质疑地接受了这一人类特殊性论断，甚至赞同和传播这一论断。自达尔文以来，我们一直努力地理解适用于众生的规则——那些所有生物共有的限制性条件。我们认识到，在哺乳动物多样性的背后，存在着根本性、遗传性的基因的组成因素，它们形成了这样的限制，使得树上坠落的苹果目前只能掉在地上。但是，如果这些演化限制也适用于人类，那么为何有且仅有人类的大脑在演化规律方面与其他生物如此类似，又如此迥异？它赋予我们思考自己的物质和形而上起源的能力，而其他动物严格意义上还囿于自己的生存困境。
截至21世纪前10年，在相对尺寸、能量消耗和人脑特定基因组成方面，都面临着解释人脑优秀的认知能力的问题。因为20世纪出现的比较人脑与其他物种脑组织的少量研究工作，一再证明人脑并没有什么特殊之处。由于技术方面的因素，比较不同生物脑组织的方法在数十年间一直限于估测组织区域中神经元的密度：使用显微镜观察该组织可见的神经元数量。只有很少的科学家，其中最重要的有唐纳德·托尔（Donald Tower）和赫伯特·豪格（Herbert Haug），检查过各类哺乳动物的脑组织神经元密度，然而并没有发现人脑有什么优秀之处。在解剖学上，我们的脑组织与其他动物并没有太大的不同。我们的优越性势必在常规考量的因素之外，比如我们具有更大的相对身体而言的脑组织量以及更大的相对能量消耗——我们的大脑就像一台超频的电脑。
或许是因为参与比较的是错误的物种，才使得人脑看起来稀松平常。在唐纳德·托尔和之后赫伯特·豪格的开创性研究中，他们把小鼠、兔子、猫、牛、鲸、猴子和人类的脑子随意地相互比较，不考虑啮齿类动物、食肉动物、偶蹄目动物、鲸目动物和灵长类动物存在的明显的外部差别和一些可能的内部差别，这些差别的影响可能扩展到它们的脑部。哈里·杰里森（Harry Jerison）做的也是类似的事情。这样的比较完全是基于当时潜在的基本假设——所有哺乳动物的脑子的构建方式是一样的，它们在脑尺寸和神经元数量比上有着相同的关系。这样，人脑就与其他哺乳动物的脑子没有区别。整个20世纪，在一般操作中，人们把各物种的脑子不分青红皂白地比较一通，就是希望所有哺乳动物的脑子是在同一张基本蓝图上的放大和缩小。
但如果这一假设不成立呢？
所有的脑子都是以同样的方式构建的吗
让我们把脑形成和能量消耗放在一边，暂时重新考虑最基本的问题。所有的脑子不可能被造成一样的——遵循普遍存在的脑尺寸和神经元数量关系。所有的脑子确实都由神经元构成，神经元是最基本的计算单元，它们处理信息，并将信息在由神经元组成的大规模网络中传递。神经元通过突触接收信息，每个神经元约有10000~100000个突触。这些突触汇集在神经元胞体，接收信息、加以处理并传递给下一个神经元。虽然有更多的突触会增加神经元传递的信息的灵活性和复杂度，但合理的假设是，给定物种的脑子的计算能力应该更多地取决于其神经元数量，而不是突触数量。
如果所有哺乳动物的脑子都是以同样的方式构建的，那么两个同样尺寸的脑子应该拥有相近的神经元数量，并在它们的组织结构中以类似的方式分布。如果认知能力受限于神经元数量，那么脑子都是约400克重的牛和黑猩猩，在认知能力上应该不分伯仲。但是，设计比较不同物种认知能力的方法非常困难。测试方法必须对所测试物种具有生态学意义，也就是说，不仅必须遵从它们的特定习性和身体构造，还要让它们都能理解。在这种意义下，对于我们足够了解的这两种动物，我们有理由推断黑猩猩比牛具有更丰富、更灵活、更复杂的行为技能。考虑到牧场中的牛被养作肉源却安静地成群生活，而动物园中的黑猩猩能设计各种恶作剧来糊弄它的饲养员。显然两个大小相近的脑子不一定有类似的认知能力。
如果所有的哺乳动物的脑子都是以同样的方式构建的，在基本蓝图上根据同样的规则放大或缩小，从而表现为不同的尺寸，那么大的脑子就总是比小的脑子包含更多的神经元。由于神经元是大脑中最基本的计算单元，大的脑子因此比小的脑子具有更好的认知能力。这样就会遇到脑尺寸相关问题中最恼人的部分：人脑不是所有脑子中最大的。至少有13个物种的脑子比人类平均1.5千克重的脑子大（如表2-1所示）。最大的脑子——它属于抹香鲸，重达9千克，是人类的整整6倍。非洲象的脑子重达5千克，是人脑的三倍多。表2-1 不同物种的脑子重量
这些不协调表明，脑子并不是以同样的方式构建的，也不是同一比例的缩放。这让我怀疑，我们根本不知道不同的脑子是怎么构建的。虽然过去有许多脑体积和脑表面积方面的论文，关于大脑皮层神经元密度的文章也不少，但是对神经元数量估测的论文却很有限。我甚至找不到“人脑有1000亿个神经元”这一频繁出现的说法的原始出处。1998年，罗伯特·威廉斯（Robert Williams）和卡尔·赫汝普（Karl Herrup）依据大脑皮层和小脑部分区域的数据估测人脑有“约850亿个神经元”，但自此以后，这一说法被错误引用，从而形成了一个整数说法——人脑有约1000亿个神经元。2003年，我咨询了多位资深的神经科学家，他们中的大多数相信“1000亿个”的说法，但是没有一个能指出原始引文。之后我询问了艾瑞克·坎德尔（Eric Kandel），他是《神经科学原理》（Principles of Neural Science）这本权威教材的作者。该书也给出了这一数据，并补充说明道：“还有10~50倍该数量的神经胶质细胞。”当我问艾瑞克他在哪里找到这一数据时，他把责任推给合著者汤姆·杰舍尔（Tom Jessell）——这一数据所在章节的负责人，但我一直没有机会询问汤姆·杰舍尔本人。显然一个初步估计被当作数量级估计，然后被当作真理。那时是2004年，没人真正知道人脑平均有多少个神经元。
现在看来，“10倍于神经元数量的神经胶质细胞”可能是比“1000亿个神经元”的说法更大的谜团。根据这一说法，如果有1000亿个神经元，必将有对应的10000亿个神经胶质细胞。但在2004年，可以确认在灰质中每个神经元对应少于两个神经胶质细胞，而在小脑中这一比例甚至远小于0.1。这意味着10000亿个神经胶质细胞几乎集中在纹状体、间脑和脑干之中，而它们整体的重量小于200克。如果这是真的话，每一克这些区域的组织就有500万个神经胶质细胞。但是截至2004年，在所有测量过的数据中，神经胶质细胞的最高密度也不到每克组织10万个。“人脑有1000亿个神经元和10倍于该数量的神经胶质细胞”这一说法，看起来是科学家之间“传声筒”游戏的结果。早期少数人接受的数量级估计和神经胶质细胞与神经元比例估计不受控地疯狂传播，演变成更吸引人的整数，然后变成神经科学家和公众脑中先入为主的数据。
全脑细胞数量估计值阙如的一个原因是，唯一可信的计量细胞数量的途径是体视学方法，它使用光学分馏这种最为可信的技术来计算细胞数量。在光学分馏中，我们需要把一个虚拟三维取样器置于薄层组织，从而选出整个组织体的一小块已知部分，然后计算取样器中的细胞数，再外推到整个组织体的细胞数之和。如果组织中细胞的分布比较均衡，或者在某一区域细胞的密度变化比较小，那么这种方法就没问题。但是在人脑中，神经元的分布形式在不同结构中完全不同，这就导致光学分馏方法在计量全脑细胞数量时不可行。神经元密度在脑干和小脑这样的结构中，数量差异超过1000倍。即使是在同一个结构中，不同的层中神经元的聚集密度差异也很大。对于这种情况，在体视学研究中就需要将大脑划分为数百个不同的结构，以让每个结构内的神经元密度接近，然后在各个结构中放置数量非常多的取样器。所需取样器的数量足够让一个设备先进的实验室止步。对于我这个既没有实验室又没有资金支持的人来说，就更不可能了。
没有实验室如何计算细胞数量
刚开始接触细胞计数工作时，我并不是神经解剖学家，体视学远在我的专业领域之外。2003年，我甚至没有实验室，资金支持也比现在少得多。2002年我被里约热内卢联邦大学聘为科学传播助理教授，这是我三年前在里约科学博物馆工作时的专业。在里约热内卢联邦大学作为生物学本科生接受病毒学教育之后，我转到克利夫兰的凯斯西储大学参加了短期的“未来基因学家”训练。我被一位研究生院的朋友引入神经科学领域，在凯斯西储大学的斯托里·兰迪斯实验室接受了两年的周围神经系统发育方面的训练。在这里上研究生课程的时候，我接触到了系统神经科学。之后我转到德国，在法兰克福的马克斯·普朗克脑研究所沃尔夫·辛格实验室工作，拿到了视觉神经生理学方面的博士学位。在决定不再做博士后研究，转而从事神经元振荡反应方面的工作之后，我在里约的生命博物馆找到一份访问科学家的工作，同时也能陪伴我的未婚夫——他刚刚在里约热内卢联邦大学的罗伯托·伦特实验室开始博士后研究。在回到里约最初的三年里，我为参观博物馆的儿童设计了实践活动，建立了一个网站，写了我的第一本面向公众的神经科学书籍，这些活动为我在母校找到工作打下了基础。我最基本的职责是训练科学传播方面的年轻科学家，但是招聘委员会明确指出我有选择从事研究活动的自由。
我很快就接受了这份工作。在博物馆工作时，我产生了一个想法：开始一项直接面向公众的工作的最佳方法是先了解他们对大脑的看法。1999年，我进行了一项名为“你了解你的大脑吗”的调查，收回超过2000份答案。调查问卷包含95个小问题，包括“没有脑子就没有意识”，“药物成瘾是因为它们作用于脑子”以及“意识产生于灵魂，而不是脑子”等。对于每个问题，被调查者需要回答“是”、“否”或者“我不清楚”。其中一个问题是“我们仅使用了大脑的10%”，60%接受过大学教育的里约本地人的答案为“是”，我对此感到非常震惊。我在流行科学杂志甚至宣传片中都看到过这个易使人上当的描述，但是从没预料到它在公众的意识中如此根深蒂固——而且这个说法还是虚构的。我们在任何时候都需要使用整个脑子，我们学习和进步，成就伟大的事业，甚至在睡觉时都使用了100%的脑子，只是使用的方式不同。
那么，有没有可能大脑细胞中只有10%（甚至更少）是神经元呢？《神经科学原理》是这么说的：“我们有1000亿个神经元，还有10~50倍于该数量的神经胶质细胞。”这种说法被神经科学家当作“事实”接受了，在他们的综述论文中，甚至可以不加引用地使用这种说法。对神经科学家来说，这就像“基因是由DNA（脱氧核糖核酸）构成的”一样，是被广泛接受的事实。如果我们有约10倍神经元数量的神经胶质细胞，那么神经元就占全脑细胞数量的约10%。如果神经元是真正在认知方面起决定性的细胞，那么还真有可能我们仅使用了大脑细胞的10%。
但如果这不是真的呢？
在查阅关于“大脑由多少细胞构成”的原始文献的过程中，我越来越认识到我找的东西根本不存在。对于那些看起来已经成为共识的东西，我们实际上连大脑究竟有多少细胞这一根本问题都不清楚，更不用说比较人脑与其他动物的脑子了。
体视学没有给出答案，我自己也负担不起这样的研究。但是如果我不必这样找到答案呢？我读到一些20世纪70年代试图确定大脑细胞数量的论文，它们提出的方案是提取出大脑中全部的DNA，除以每个细胞核中DNA的平均数量，从而得到一个全脑细胞数量的估计。当然，这是可行的。但是，我脑子里想的是：“不，别计量DNA，数细胞核吧！”我有了这个想法——把大脑变成汤。
答案在汤中
对大脑细胞计数的最大障碍在于其内部细胞分布的不均衡性，我能改变这种不均衡性——如果我能通过某种方法只溶解细胞膜，保全每个细胞的细胞核。通过搅拌制造均衡性，我就能把大脑变成细胞核在其中自由浮动的汤，从而只需采样悬浮液中的少量等分进行计数。考虑到人类大脑细胞有且只有一个细胞核，如果我能知道大脑中细胞核的数量，也就知道了其中细胞的数量——如果我有一个实验室可以实现这一想法的话。
当时的联邦大学解剖学系负责人罗伯托·伦特有实验室，但他当时正在写一本名为《1000亿个神经元》的神经科学教科书。当我询问他是否知道这个数字的来源时，正如我预料的，他不知道。“如果我告诉你我知道怎么对大脑细胞计数呢？”罗伯托·伦特不仅倾听了我把大脑变成汤的奇怪想法，还给了我使用他实验室工作台和耗材的权利。
实验室里有一个被遗忘的厨房搅拌器，人脑则可以从大学附属医院的病理科获得。当然，我会从小鼠和大鼠开始，这大概不会用到厨房搅拌器。在开始的几天，每次走进他的实验室，我都会看着那个搅拌器问自己：“未来某一天，我真的会把人脑扔进这个搅拌器，然后把本质上是一个人的东西溶解掉吗？”要溶解人脑这件事一直困扰着我。但是我最终还是说服了自己——本质上，溶解一个大脑跟把大脑切成成千上万片没什么区别，解剖学家常使用这种方法在显微镜下对单个大脑细胞成像。我要做的是把人脑溶解成更小的部分，只有细胞核可见。最终的处理过程绝不会像把大脑扔进搅拌器那样暴力，而是更像制作一道美食：包含切片、切块以及将组织打成糊状这样的过程。
虽然我在最初的尝试中确实使用了一个小的搅拌器。我使用液氮深度冷冻大鼠的脑组织，破坏其细胞膜，然后用一个手持厨房搅拌器打碎这块石头一样坚硬的组织。结果是显而易见的——冰冻大鼠脑组织被甩得到处都是。如果我要将大脑变成汤，就要收集到大脑的每一个神经元。部分冰冻脑组织从汤里飞出来，甚至只是飞进搅拌器盖子里，也是不可接受的。
使用玻璃匀浆器（如图2-1所示）来溶解被轻度固定的组织被证明是一个更有希望的方案。多聚甲醛固定方法将组织中的蛋白质分子交联起来，从而使组织变得机械稳定。由于核膜含有大量的蛋白质，在处理过程中它被仔细固定以抵抗机械压力。初次尝试时我使用的是新鲜的未经固定的组织，结果显示细胞核似乎被破坏了，它们变成了一块块自由DNA，在我用DNA结合荧光染料DAPI（4'，6-二脒基-2-苯基吲哚）可视化处理之后变成了蓝色。固定了几个小时的组织完整保存了大部分的细胞核，但是仍然有很多在处理过程中被破坏了。图2-1 玻璃匀浆器
玻璃组织研磨器，像圆筒研钵和杵一样操作，以均值化脑组织。
使用在固定液中浸泡两周以深度固定的组织让我获得了成功。即便是轻度固定也能保护一些细胞核，使其免受匀浆处理的损害，经过长时间彻底固定之后，组织会变得坚如磐石，这也许能保证每个细胞核都能在这样的处理过程中安好无损。这一想法是成功的关键，也是新方法的核心。在多次使用彻底固定的脑组织进行实验，每次得到的数字都类似时，我知道我找到了一种新的高效计算细胞数量的方法——我成功了。
在处理好一些细节，比如找到搜集细胞核并转移到刻度管的最佳方法以使损失可忽略之后，我设计了一个效果稳定的处理方案。第一步是将深度固定的脑组织剖分为小的、有解剖和功能意义的区域，包括大脑皮层、小脑、嗅球以及剩余脑区。经过称重之后，再将各区域切片和切块，进入离解过程：在匀浆器玻璃壁包围的Triton X-100（聚乙二醇辛基苯基醚，能溶解脂质）洗涤剂中的往复运动使细胞壁溶解，释放出的细胞核完好。再经过20分钟的管内活塞上下扭转处理之后，匀浆器中就得到一柱浑浊无斑的细胞核悬浮液，大脑至此被完全地变成了汤。下一步是确认所有的细胞核都被搜集，我得在匀浆器玻璃管中清洗活塞几次，并使用移液器直接在管底搜集细胞核，然后再清洗管壁数次并收集洗液到一个盛满自由细胞核的容器中。加入荧光DNA染料DAPI，注入生理盐水至量筒上可以直接读出的整刻度值处。最后清洗匀浆器一次，并使用DAPI染料处理，在显微镜下观察以确认匀浆器内没有遗留细胞核（如果还有的话就会被着色），这样就保证了组织细胞中所有的细胞核都被收集到容器中，并被染成蓝色以方便计数。现在需要做的就是搅拌细胞核悬浮液，让其中的细胞核均匀分布，然后采样一些等分计数，从数值推出整个溶液细胞核的数量。
在荧光显微镜下数出细胞核数量不需要什么训练，细胞核在显微镜下呈圆形，并且比细菌和线粒体都要大很多，不大会被看错。我使用血细胞计数板计数，其上有25个蚀刻进玻璃的凹槽，每个容积4纳升，并有滑动盖玻片覆盖。这样我就可以很容易地数出100纳升悬浮液总共有多少细胞核，通过换算，就可以知道总体积的悬浮液中有多少自由细胞核了。整个处理过程仅需要在显微镜下花费10分钟对四等分悬浮液计数。考虑到悬浮液在采样等分之前已经被小心地搅拌均匀，四个等分之间的变异系数通常不到0.1，也就是四个数值的标准差不大于其平均值的10%。在变化很小的情况下，对组织中细胞数量的估计值就可以被认为跟体视学方法的估计值一样可靠了。
在得到全部细胞数量之后，我们可以利用一种抗体，它特异性地跟一种基本上在且仅在所有神经元细胞核中的蛋白质反应，这种蛋白质被称为神经元特异性核蛋白（neuronal nuclear protein，简称[3]NeuN），它于1992年被发现，当时其功能还不为人们所知。重要的是，对于计算全脑细胞数量这一目标，我可以把NeuN作为所有神经元，且只对神经元的优秀标记。NeuN在自由细胞核中的存在则可通过在悬浮液中添加标记为红色的抗体来探测。只需要提取一点悬浮液，然后跟红色染料标记的抗NeuN抗体反应，几个小时之后，把细胞核放到显微镜下观测其中全部细胞核（之前被染为蓝色）中属于神经元（现在被染成红色）的比例。计数500个细胞核（使用显微镜需要大约15分钟时间）就足够计算神经元的百分比了，其置信度是0.2%。将神经元的百分比乘以原结构细胞总数，可以得到其中神经元总数的估计值。再做一点减法，就可以得到其他细胞的数量，推测其中大部分是组织中的胶质细胞。之前我将大脑简单剖分为大脑皮层、小脑和剩余脑区，然后将这些不同区域的结果相加，就得到整个大鼠神经元总数以及其他细胞总数的直接估计，这是前所未有的。整个处理过程还不到一天。
我非常激动，终于知道了当时世界上其他任何人都不知道的东西——大鼠大脑由多少神经元构成。
下一步是判断这个数值是不是好的——在定量神经解剖学领域，“好”意味着跟从体视学方法得到的数据接近。但是对于没有经过体视学检验的结构中的细胞，这样的比较似乎是不可能存在的；毕竟探索体视学方法不能使用的区域，才是创造新方法的意义。幸运的是，文献中有少数关于大鼠大脑皮层和小脑的体视学估计值，而且与我们的结果是相符的。
2004年，凯斯西储大学的卡尔·赫汝普来到巴西卡尚布市参加罗伯托和我组织的关于认识大脑细胞数量重要性的研讨会。卡尔对计算小脑细胞数量感兴趣已久，这是他最喜欢的脑结构。但由于没有合适的方法，他曾放弃了这一想法（在体视学中，小脑是一个特别难处理的区域，其颗粒层小细胞密度极高，准确地区分这些小神经元是做不到的）。当我在卡尚布向卡尔解释我们对大脑细胞计数的方法时，他笑言：“数年以前我就在想类似的方法，我的计划是用流式细胞仪计算组织中释放的细胞，但是我没有再进一步研究。你超越了我，对此我很高兴！”在了解到关于该方法的论文正准备提交时，他立马以《神经科学杂志》编辑的身份决定接收该文。因此，在2005年，经过几轮合理的同行评议，罗伯托和我在本领域最受尊重的杂志上发表了第一篇论文。
虽然将大脑变成汤然后计算其中细胞总数的方法能给出与体视学相符的数据，并且当我们把分析扩展到其他物种时，得出的数据越来越一致，但是我们的方法还是在一些专家那里受到了相当大的阻力，特别是那些自己的理论在新数据面前会被推翻的专家。审稿人和一些批评者一样，也想要看到一些证据——已被大家接受的体视学方法与新方法的比较。我并没有实验体视学方法的条件，因此很多年来我不能验证我的方法。最后，证明我们正确的并不是我们自己。这个方法是由内华达大学里诺分校的克里斯托弗·冯·巴泰勒德（Christopher von Bartheld）以及纳什维尔范德堡大学的丹尼尔·米勒（Daniel Miller）和乔恩·卡斯（Jon Kaas）独立证明的，乔恩在方法被提出之后很快就成为我的合作者——乔恩和我从2006年开始合作，在他的实验室采用一种使用流式细胞仪的更快的全自动方法。乔恩和克里斯托弗证明，我们把脑子变成汤的方法不仅跟体视学方法一样准确，而且更快、更可靠、更容易采用。它在不适宜使用体视学方法的研究中，也能给出数据。
曾有人指出，我们的方法与光学分馏塔的流质形式类似，体视学方法分解组织成片，片被分为块，块又被转化为光学采样样本，然后才进行细胞计数。罗伯特和我认为我们的方法也应该被叫作“分馏塔”。考虑到我们的方法超越了使用光学分馏塔处理组织块，把组织变成最细微的单位——细胞核来计数，我提出应该称其为“超级分馏塔”，但是罗伯托明智地否决了这一提议。由于我们把成分混杂的组织转化成均值的细胞核悬浮液，他提议我们称其为“各向同性分馏”。但我更喜欢把我们数细胞的方法称作“脑之汤”。[3]NeuN随后被发现与特定的RNA序列结合，并调节mRNA（信使RNA）在细胞核中的铰接。奇怪的是，它被发现是一种Fox（Fox全称Feminizing locus On X，X染色体女性基因座）基因同系物，涉及秀丽隐杆线虫性别决定，因此现在也被称作Fox-3。考虑到决定性别的东西不大可能直接涉及神经功能，因此这可能是在演化和发育过程的不同阶段，基因作为功能增选的众多例子之一。
试读结束[说明：试读内容隐藏了图片]