玻尔百科人脑最显著的特征是其布满深邃皱褶的表面，一个由隆起的脑回（gyri）和凹陷的脑沟（sulci）构成的复杂地貌。虽然这看似混乱，但这种错综复杂的折叠是生物工程学的杰作，是我们高级认知能力的基础。然而，这种形态背后的目的及其形成机制并非显而易见。本文旨在揭开大脑折叠结构的神秘面纱，解答我们的大脑为何以及如何形成皱褶这一关键问题。文章提供了一个全面的概述，将发育生物学与临床应用联系起来。第一章“原理与机制”深入探讨了塑造大脑皮层的进化压力和物理力量（如机械屈曲）。第二章“应用与跨学科联系”则探索了这些解剖特征如何成为神经科学的重要图谱，为计算分析提供支持，并指导挽救生命的医疗干预。总而言之，这些章节揭示了大脑的结构如何与其功能密不可分地联系在一起。
想象一下，你有一张大而详细的地图，需要把它塞进一个小的手套箱里。你不会直接把它硬塞进去，而是会把它折叠起来。你会小心地制造一系列折痕和褶皱，将巨大的表面积压缩成紧凑的体积，同时理想地使相关位置彼此靠近。大自然以其无穷的智慧，在设计人脑时也面临着类似的挑战，并且得出了完全相同的解决方案。人类大脑皮层那壮丽而布满皱褶的景观，连同其山丘和山谷，正是这种优雅封装策略的产物。这些“山丘”被称为脑回（单数：gyrus），而“山谷”则被称为脑沟（单数：sulcus）。
如果你观察老鼠的大脑，你会发现它的表面几乎是完全光滑的。神经解剖学家称之为平脑的（lissencephalic，源自希腊语 lissos，意为光滑）大脑。与此形成鲜明对比的是，人脑是一个由折叠构成的迷宫；它是回状脑的（gyrencephalic，源自 gyros，意为环或圈）。这不仅仅是装饰。这种折叠是对一个基本几何问题的绝妙解决方案：如何在坚硬颅骨的限制内，最大化大脑皮层——我们高级认知功能的所在地——的表面积。
为了理解这种封装的巨大规模，科学家们使用一个简单而有力的测量指标，称为脑回指数（Gyrification Index, GI）。它是皮层总表面积（如果你能 painstakingly 地将其完全展开）与它暴露在外表面积的比率。一个完全光滑的大脑， 将为 1。那么人脑呢？想象我们使用 MRI 来测量其表面。我们可能会发现其皮层总面积 约为 ，但其暴露面积 仅为 。脑回指数将是：
为 2 蕴含着一个惊人的事实：我们看到的大脑表面每一平方厘米的皮层，都对应着另一平方厘米隐藏在脑沟深处的皮层。你大脑皮层的一半都埋藏在这些褶皱里！这个简单的数字揭示了大自然折叠策略的非凡效率。这不禁让人发问：是什么强大的进化力量驱使我们的大脑发展出如此复杂的地形？
答案在于一场争取认知能力的进化“军备竞赛”。数百万年来，灵长类动物进化的引擎一直是 cerebral cortex 的扩张。更多的皮层表面积意味着更多的神经元，而更多的神经元意味着更强的计算能力——用于语言、工具使用和社会交往。
让我们想象一个假想的灵长类动物谱系，在几百万年间，其皮层神经元的数量增加了三倍。由于皮层的厚度及其表面神经元的密度变化不大，这意味着所需的皮层表面积也必须增加三倍。但是，保护大脑的骨质穹窿——颅骨，不能无限增长。它受到出生力学和承载沉重头部的能量成本的限制。在我们的假想情景中，假设颅骨的半径只增加了 1.2 倍。一点几何学知识告诉我们，这个稍大颅骨内的可用表面积将增加 倍，体积则增加 倍。
这里我们面临一个剧烈的尺度不匹配。进化要求皮层面积增加 3 倍，但其所处的“房屋”只提供了 1.44 倍的表面空间。这就像试图在一个 144 平方英尺的房间里铺设一张 300 平方英尺的地毯。唯一使其适应的方法就是折叠。脑回化是大脑对这一关键尺度问题的解决方案。
但封装只是故事的一半。折叠还带来了另一个深远的优势：它最大限度地减少了布线。大脑是一个网络，通信速度至关重要。通过折叠皮层薄片，原本在平面地图上相距遥远的区域在三维空间中被拉近，就像山脉两侧的两个城镇通过隧道连接起来一样。这使得轴突连接更短、更快、代谢成本更低，确保我们急剧扩张的大脑仍然是一个高效且整合的处理单元。
所以，进化需要大脑进行折叠。但究竟是什么物理机制真正创造了脑回和脑沟？这个过程并非由每个褶皱的精确基因蓝图所指导。相反，大脑错综复杂的模式源于一个简单而优雅的物理原理：机械屈曲。
想象一张薄而有弹性的薄片（皮层的灰质）粘合在一个更厚、更软的基底（下方的白质）上。现在，如果这张薄片切向生长，向外扩张的速度远快于它所附着的基底，会发生什么？这张薄片会发现它的面积超出了分配给它的空间。它被自身的生长从四面八方挤压。这种压缩应力的累积是关键。任何物理学家都会告诉你，当你压缩一张薄片时它会怎么做：它会屈曲。它会弹出平面以释放应力，形成一个皱褶。
这正是大脑发育过程中发生的事情。由迁移神经元构成的外部皮层层，其扩张速度快于主要由轴突连接构成的下层白质。这种差异性生长在整个皮层薄片中产生巨大的压缩力。当这些力达到一个临界阈值时，皮层别无选择，只能屈曲，从而产生了最初的脑回和脑沟。物理学家可以完美地模拟这个过程，表明触发屈曲所需的临界应变（）取决于皮层的厚度（）和区域的跨度（），遵循诸如 的关系。这证明了科学的统一性：支配着冷却苹果起皱或桥梁屈曲的相同物理定律，也塑造着我们意识的器官。
当然，科学在辩论和检验替代性观点中蓬勃发展。多年来，一个与屈曲模型竞争的有力替代理论是轴突张力假说。该理论提出，褶皱是由连接不同皮层区域的数十亿根微小轴突线的机械张力主动拉扯到位的。想象一下，一张被子被缝入其中的巨大线网拉扯出褶皱；在这种观点中，这些“线”就是大脑的白质束。
我们如何区分这两种观点？我们可以做出预测并进行检验。例如，屈曲模型预测了皮层厚度（）与褶皱波长（，或尺寸）之间的特定关系。数学分析表明，在其他条件相同的情况下，波长应与厚度成正比（）。如果我们进行一个假设性实验，将皮层厚度加倍，屈曲模型预测褶皱应该变得两倍宽。相比之下，一个简单的张力模型并不必然预测这种关系。当在比较解剖学中模拟或观察这类实验时，结果强烈支持屈曲模型是决定褶皱尺寸的主要驱动力。
这是否意味着轴突张力不起任何作用？完全不是。一个更深层次的综合理论揭示了两种机制之间美妙的相互作用。虽然差异性生长和屈曲的物理学可能设定了褶皱的基本尺度，但来自下方白质“高速公路”的各向异性张力似乎引导了它们的方向。有证据表明，主要的脑沟通常与它们下方的优势纤维束平行。这完全合乎逻辑：薄片在拉紧的轴突纤维方向上“更硬”，使得屈曲更容易发生在与该方向垂直的方向上（意味着褶皱的顶峰与纤维平行）。因此，物理学为折叠提供了力量，而大脑自身的连接模式则帮助雕塑出最终的杰作。
驱动这整个过程的“生长”并非某种抽象的力量；它是生物学中最惊人的迁移之一的直接结果。在发育过程中，新神经元在大脑深处、靠近脑室的地方诞生。然后，它们必须踏上一段艰苦的旅程，沿着一种称为放射状胶质细胞的特殊细胞支架向外爬行，以找到它们在皮层中的正确位置。这发生在一个非凡的“由内而外”的序列中：最先到达的神经元构成皮层的最深层，而每一波后续的神经元都必须迁移过所有先前的神经元，以形成更表面的层次。
这种细胞长途跋涉是分子工程的奇迹。神经元利用其内部的细胞骨架——一个由包括微管在内的蛋白质丝构成的动态网络——来拉动自己。这种运动的力是由分子马达产生的，其中最著名的是一个名为dynein的蛋白质复合物，它沿着微管轨道“行走”，将细胞核向前拉动。
如果这个复杂的细胞机制失灵会怎样？悲剧性的答案见于一种名为无脑回畸形（lissencephaly），即“光滑大脑”的疾病。编码调节 dynein 马达和微管稳定性的关键蛋白质的基因（如 LIS1 或 DCX）发生突变，会削弱迁移过程。神经元在旅途中停滞不前，无法到达其指定的层次。有序的“由内而外”分层结构陷入混乱，导致形成一个厚的、无组织的皮层板，其结构为原始的四层，而非正常的六层。
至关重要的是，由于这种有序的细胞扩张被破坏，产生压缩应力的差异性生长从未正常发生。屈曲的物理触发因素缺失了。结果，大脑保持着悲剧性的光滑。无脑回畸形为微观与宏观之间的深层联系提供了最终且令人警醒的证明。促成人类思维的壮丽褶皱不仅仅是一个解剖学特征；它们是物理学和进化的一种涌现属性，建立在无数次完美协调的细胞旅程的基础之上。
乍一看，人脑表面似乎是一片混乱的皱褶，一个由山丘和山谷构成的杂乱地貌。人们很容易将这些折叠——脑回（山丘）和脑沟（山谷）——仅仅视为节省空间的技巧，是大脑将巨大的计算组织片塞进有限颅骨的聪明方式。虽然这确实如此，但这仅仅是故事的开始。将这些折叠仅仅看作是填充材料，就好比看着一张详细的世界地图却只看到一张揉皱的纸。实际上，脑回和脑沟的复杂地理是理解大脑的关键。它是书写大脑结构、功能甚至病理的语言。学会阅读这片地貌，我们就能在心智中导航，比较不同的大脑，并以惊人的精度引导外科医生的手。这是一段从纯粹的解剖学进入一个医学、数学和计算机科学交汇的丰富跨学科世界的旅程。
早在我们拥有能够窥探工作中的大脑的机器之前，解剖学家就认识到大脑的折叠并非随机。它们构成了一幅惊人一致且可靠的地图，一个大脑皮层的自然坐标系。就像地理学家使用河流和山脉来定义区域一样，神经解剖学家使用脑沟来定义脑回。例如，在额叶的侧面，三个巨大的平行隆起——额上回、额中回和额下回——被垂直走向的脑沟所分隔，形成了一个可预测的网格状组织，这成为定位从抽象思维到运动控制等一切功能的基础。
这种地理秩序不仅仅是为了好看；它与大脑的功能密切相关。一块皮层的解剖学地址往往能告诉你很多关于它的工作。一个绝佳的例子位于颞叶，我们听觉的家园。在这里，一叠相似的脑回——颞上回、颞中回和颞下回——充当了处理声音的支架。位于巨大的外侧裂（Sylvian 裂）下方的颞上回，包含用于理解复杂声音的高级听觉皮层。但当你稍微向下移动，进入颞上沟（STS）的两岸，你就进入了一个整合不同感官的繁忙枢纽。这是大脑将听到的内容与看到的内容相结合的地方，这一功能对于理解视听语音或感知生物的流畅运动至关重要。脑回与脑沟的病变或活动会产生完全不同的功能缺陷，而这种区分正是由这些清晰的解剖学标志所实现的。
这一原则贯穿整个大脑。再往后，在顶叶，我们发现了一些优雅的脑回，它们的形状本身就是由它们如何环绕其他主要脑沟的末端来定义的，就像一条环湖公路。缘上回覆盖了 Sylvian 裂的末端，而紧随其后的角回则覆盖了颞上沟的末端。它们共同构成了顶下小叶，这是一个处理语言、抽象推理和我们在空间中的自我感的关键十字路口——这证明了功能是如何优雅地嵌入在大脑的折叠形式之中的。
这就给我们带来了一个深刻的挑战：如果脑回图谱如此重要，我们如何比较不同人之间的图谱？你的大脑和我的大脑遵循相同的总体蓝图，但每个褶皱的确切大小和形状都是独一无二的，就像指纹一样独特。我们怎么能说你大脑中的一次活动闪光对应于我大脑中的同一区域呢？为了解决这个问题，神经科学家们发展出一种融合了解剖学、几何学和计算机科学的美妙方法。
第一步是创建一个标准化的地图，或称为脑区划分（parcellation），将连续的皮层表面划分为一组命名的区域。这不像在图片上画线那么简单。一种经典的方法，细胞构筑学（cytoarchitecture），涉及一丝不苟地绘制细胞的微观排列。但对于现代神经影像学来说，一种更实用的方法是基于脑回的分割（gyral-based parcellation），它使用宏观折叠模式本身作为地图的基础。这催生了可以自动应用于任何个体大脑扫描的数字大脑图谱。一些图谱比较粗略，只定义了主要的脑回体，比如广泛使用的 Desikan-Killiany 图谱，每个半球大约有 34 个区域。另一些则详细得多，比如 Destrieux 图谱，它不仅细致地标记了脑回，还将脑沟作为独立的实体进行标记，提供了一个大约每个半球 74 个区域的更精细的地图。
但是，你如何将一个标准图谱应用到一个独一无二的大脑上呢？你不能只是僵硬地把它盖上去。解决方案是一个巧妙的过程，称为基于表面的配准（surface-based registration）。想象你有两张揉成一团的世界地图。要对齐它们，你首先会小心地将每张地图在一个球体上抚平。这消除了它们被揉皱方式的外在差异，但保留了大陆之间的内在关系。神经科学家们也做了类似的事情。他们取个体的复杂卷积的皮层表面，并使用计算算法将其膨胀成一个光滑的球体。这个过程保留了拓扑结构——没有撕裂或切割——所以折叠皮层上的邻近点在球体上仍然是邻近点。在这个球体上，原始的折叠模式被表示为一种曲率模式。主要的脑沟形成一个深邃的“山谷”网络（高负曲率区域，），而脑回则形成“山脉”（高正曲率区域，）。然后，算法可以扭曲一个人的球体，使其曲率模式与模板球体对齐，从而有效地将脑回与脑回、脑沟与脑沟匹配起来。一旦对齐，这个过程就会反向进行，标准图谱的标签被投射回个体独特的折叠大脑上。这种强大的技术是现代神经科学群体研究的基础，使我们能够比较数千人的大脑结构和功能。
有了可靠地对大脑进行区域划分的能力，我们可以提出更深层次的问题。我们可以从仅仅绘制地形转向规划高速公路。这就是连接组学（connectomics）的领域，即研究大脑的布线图。在这个框架中，我们从脑回图谱中得到的区块成为一个巨大网络的“节点”，而它们之间的解剖学（白质）或功能（相关活动）连接则构成“边”。
图谱的选择深刻地影响了我们对这个网络的看法。使用具有更小区块的更精细图谱会揭示一个更详细的网络，但也可能更容易受到噪声的影响。至关重要的是，脑区划分的准确性——区块边界与真实功能单元的吻合程度——对我们测量的网络属性有巨大影响。当区块定义良好且功能同质时，大脑系统（如视觉系统）内部的连接显得强大而密集，而不同系统之间的连接则稀疏。这导致了高的“模块化”，这是高效网络的一个关键特征。相比之下，一个选择不当的脑区划分会在其区块内混合来自不同系统的信号，产生虚假的连接，并模糊大脑网络的真实社群结构。沿着脑回和脑沟绘制边界这个简单的行为，是揭示心智网络优雅架构的第一个也是最关键的一步。
几何与功能之间的这种相互作用甚至更深。一些证据表明，皮层的物理曲率可能会影响其电学特性。例如，深部脑沟中的细胞排列可能与暴露的脑回冠上的细胞不同，这可能会影响我们用脑磁图（M/EEG）等技术测量的信号。通过将解剖学先验知识——例如，认为脑沟中的源可能与脑回上的源行为不同——整合到我们的数学模型中，我们可以提高我们精确定位大脑信号来源的能力，这一概念将皮层解剖学与高级信号处理和贝叶斯统计学联系起来。
这种皮层地理学的实际重要性在临床上表现得最为淋漓尽致，它甚至可能意味着生与死的区别。
想象一下，一个病人在摔倒后被送进急诊室。一张非增强 CT 扫描显示大脑周围有出血。这是急性硬膜下血肿，即血液聚集形成光滑的新月形，向内压迫大脑吗？还是创伤性蛛网膜下腔出血，即血液进入了直接浸润大脑的空间？答案就在脑沟里。因为蛛网膜下腔跟随大脑表面的每一个角落和缝隙，其中的血液会形成一个惊人清晰的脑回样模式，高密度（明亮）的线条像墨水填满雕刻一样描绘出脑沟的山谷。放射科医生看到这种模式，就能立即知道出血的确切解剖位置，这一诊断之所以成为可能，是因为理解了充满液体的空间是如何被脑回和脑沟塑造的。
脑回和脑沟的图谱在手术室中同样至关重要。神经外科医生计划切除肿瘤时，不仅必须切除病理组织，还必须保护健康的大脑及其重要的血液供应。主要的大脑动脉——ACA、MCA 和 PCA——各自供应皮层的不同区域。通过将患者的血管造影图（他们的血管地图）与其独特的脑回解剖结构进行配准，手术团队可以创建一个详细的、个性化的地图，显示哪条动脉供应哪个脑回。这使他们能够识别关键的“分水岭”区域——两个动脉供应区之间的脆弱边界区域——并规划一条手术路径，以最大限度地减少引起毁灭性中风的风险。
再考虑一下癫痫手术的挑战。对于患有耐药性癫痫的儿童，一种可能的治愈方法是切除癫痫发作起源的那一小块脑组织。但首先，你必须找到它。这通常需要在脑表面或内部直接放置电极。技术的选择取决于脑回的地形。如果疑似的癫痫灶位于脑回冠上，那么在表面上铺设一个硬膜下电极网可能就足够了。但如果问题被认为起源于脑沟深处，或在岛叶的隐藏皮层中，电极网就毫无用处了。在这种情况下，外科医生必须使用立体定向脑电图（SEEG），这是一种将细长的深度电极精确引导穿过大脑，以从脑沟的三维深度中采样活动的技术。在这些各有风险和益处的侵入性策略之间做出决定，从根本上说是一个皮层地理学的问题。
从一个简单的解剖特征，一个美丽而复杂的故事就此展开。皮层的折叠不是一个缺陷，而是一个特性——生物设计的一堂大师课，它为功能提供了一个坐标系，为计算模型提供了一个蓝图，并为医学提供了挽救生命的指南。理解脑回和脑沟，就是开始理解大脑本身，理解其所有错综复杂而又优雅的复杂性。