2026年诺贝尔生理学或医学奖，授予了 Karl Deisseroth、Peter Hegemann 和 Georg Nagel，表彰他们在光控离子通道和光遗传学方面的开创性贡献。光遗传学今天已经成为神经科学最重要的工具之一，它让科学家能够利用光，在极短的时间尺度上开启或关闭特定神经细胞，从而直接研究某一组神经元究竟如何影响行为、记忆、情绪和疾病。
如果一定要用最简单的话概括三个人的贡献，可以这样说：Peter Hegemann 找到了自然界的“感光机制”，Georg Nagel 把这种机制变成了可以操纵细胞的分子器件，Karl Deisseroth 又把这个分子器件变成了研究大脑的神经科学平台。这三句话看起来很简单，却恰好说明了一项重大科学技术通常是怎样诞生的：先发现自然规律，再把自然规律变成工具，最后把工具变成平台。
故事要从一种极其不起眼的单细胞藻类说起。有些藻类没有眼睛，也没有大脑，却能够感觉光在哪里，并向着合适的光线游动。它们为什么能够“看见”光？这个问题听起来和人类的大脑、精神疾病甚至医学几乎毫无关系，却吸引了 Peter Hegemann 等科学家长期研究。他们最终发现，藻类细胞膜上存在一种特殊的蛋白质。光照到这种蛋白质以后，蛋白质会改变状态，形成一个允许离子通过的通道。离子流动产生电信号，细胞也因此对光作出反应。
这种蛋白后来被称为 channelrhodopsin，通道视紫红质。它最奇妙的地方，并不仅仅在于“能够感光”，而在于它本身同时完成了两件事情：感受到光，又直接控制离子流动。这就相当于自然界已经造好了一个完整的“光控开关”。灯亮，通道打开；灯灭，通道关闭。
而神经元本质上也是依靠离子的流动产生电信号的。于是，一个极其重要的问题出现了：如果把藻类的这个光控开关装到神经元上，会发生什么？这一步，正是整个故事从基础生物学走向神经科学的关键。
Georg Nagel、Peter Hegemann及其合作者在21世纪初证明，channelrhodopsin不仅能够在藻类里工作，把它放进其他细胞以后，也可以通过光来产生离子电流。换句话说，一个从藻类中发现的分子，竟然可以成为一种通用的细胞控制器。Nature对这一阶段的总结是：这些研究证明了channelrhodopsin是一种可以通过基因表达安装到其他细胞中的光控离子通道，为后来光遗传学的出现奠定了基础。
如果把这一步用工程语言来描述，就是：自然界原本只是提供了一种生物现象，科学家把它变成了一个“器件”。而 Karl Deisseroth 真正改变神经科学的地方，在于他进一步问：既然这是一个器件，能不能把它装到大脑里面？2005年，Deisseroth团队证明，channelrhodopsin可以被表达在哺乳动物神经元中。蓝光照射后，神经元迅速放电；光停止，刺激也随之停止。这意味着科学家第一次拥有了一种能够以极高时间精度控制神经细胞的方法。Nature把2005年的工作称为光遗传学发展中的标志性节点。
这件事情为什么如此重要？因为大脑本质上不是一块均匀的组织，而是一个由大约数百亿个神经元组成的巨大网络。不同类型的神经元彼此交织在一起。过去如果用电极刺激某个脑区，电流会同时影响附近很多不同的神经细胞；如果使用药物，又往往影响范围更广。研究者因此经常面对一个根本问题：某个脑区活动和一种行为同时出现，到底只是相关，还是它真正造成了这种行为？
光遗传学第一次大幅度提高了回答这个问题的能力。研究者可以让某一种特定神经元表达光敏蛋白，然后利用光把它们打开或者关闭。如果打开这一组神经元，动物立刻出现某种行为；关闭以后，行为又随之消失，那么科学家得到的就不仅仅是“相关性”，而开始接近真正的因果关系。
因此，光遗传学最大的革命，不只是“可以用光控制大脑”，而是：它把神经科学从大量观察相关性，推进到了主动测试因果关系。这也是为什么它迅速成为研究记忆、恐惧、奖赏、成瘾、睡眠、运动、抑郁以及许多神经系统疾病的核心工具。从这里也能看出 Deisseroth 的真正贡献。
如果他只是做出一次“蓝光让神经元放电”的实验，这仍然只是一个非常漂亮的实验结果。但随后，光遗传学发展出了越来越完整的技术体系：如何只让特定类型的神经元表达光敏蛋白，如何把光送入脑内，如何同时记录神经活动，如何控制不同类型的神经回路。于是，一个实验逐渐变成了一套可以由全世界神经科学实验室重复使用的方法。这时候，它就不再只是一个“工具”，而成为了一个平台。
所以，用一句非常简洁的话描述这三个人的贡献，其实比罗列几十篇论文更容易理解：Peter发现原理，Georg造出器件，Karl建立平台。
当然，真实的科学史永远比这三句话复杂得多。光遗传学的发展还涉及许多其他科学家的重要贡献。但本文的目的并不是把几十年的论文发表史完整复制出来，而是帮助人们看清最关键的结构。而这个结构其实非常漂亮：绿藻告诉人类怎样感受光；科学家从绿藻身上取出这个“开关”；随后又把这个开关装进神经元；最后，一种帮助单细胞生物寻找阳光的蛋白质，竟然变成了研究人类大脑的工具。
甚至它已经开始走出实验室。例如，在某些视网膜退行性疾病中，患者原有的感光细胞已经严重受损，但其他视网膜神经细胞仍然存在。研究人员正在尝试利用光遗传学，让这些原本不负责感光的细胞获得新的光敏能力。已有临床研究显示，一些患者能够恢复有限程度的视觉感知，不过距离恢复正常视力还有很长的路。
但光遗传学真正令人期待的下一步，可能还不仅仅是进入临床，而是与人工智能结合。今天的大模型和AI蛋白设计技术，已经开始改变生命科学研究的方法。过去研究者想得到一个更好的光敏蛋白，通常要从自然界已有的opsin出发，不断做突变、筛选、测试。这个过程很慢，因为可能的蛋白序列几乎无穷无尽，而真正值得实验的只有极少一部分。
AI正在改变这种搜索方式。未来，科学家可以先告诉模型自己想要什么：例如希望一个光敏蛋白对红光更加敏感，需要更低的光功率，开启和关闭速度更快，在细胞膜上表达更稳定，或者只允许某一类离子通过。AI可以先在巨大的蛋白序列空间中进行预测和筛选，再把最有希望的候选交给实验室验证。
也就是说，过去是从自然界找到一个开关，再慢慢改造它；未来则可能变成先定义一个理想开关应该具有什么性质，再让AI反过来设计它。这意味着，光遗传学可能从“利用自然界已有的分子工具”，进一步走向“创造自然界原本不存在的分子工具”。
AI的第二个作用，则是帮助科学家决定：下一次到底应该打开哪一个神经回路？大脑中有数百亿个神经元，无数神经回路彼此交织。光遗传学能够非常精确地控制其中一部分神经元，但问题在于，可能的实验组合实在太多。研究人员不可能把每一种组合都试一遍。而AI特别擅长在巨大数据空间里寻找模式。未来，研究人员可以同时记录成千上万个神经元的活动，让AI分析哪些细胞最可能处于某种行为的因果链条中，再由光遗传学进行定向干预。如果AI预测刺激A组神经元可能改变某种行为，实验就可以立即验证；验证结果再反馈给模型，模型再重新调整判断。
这样就形成了一个新的科学闭环：观察大脑 → AI建立模型 → AI提出最值得验证的假设 → 光遗传学进行干预 → 得到新的实验结果 → 再反馈给AI。这可能比单纯把某一次实验加快几倍更加重要。因为真正决定科学进展速度的，并不仅仅是一次实验需要几个小时，而是从提出假设、设计实验、分析结果到形成下一个假设，需要循环多少次。
过去，这个循环主要依赖科学家的经验和直觉。未来，AI可以同时分析成千上万个可能的假设，筛选出最值得实验的几个，再由光遗传学进行真正的因果验证。两者恰好形成一种非常有意思的互补：AI擅长从海量数据中发现规律、提出预测，但仅凭数据很难证明因果；光遗传学擅长主动干预神经系统、验证因果，却不知道海量可能性中下一步最值得试什么。于是，AI负责寻找方向，光遗传学负责验证现实。
如果再加上自动化实验设备，这个循环甚至可能越来越少依赖人工操作，从而形成一种新的生命科学研究方式：机器提出候选假设，机器设计实验，人类科学家决定最重要的问题和研究方向。
从这个角度看，光遗传学的发展也许还可以再增加第四个阶段：Peter发现了自然的开关，Georg把它变成分子器件，Karl把器件变成神经科学平台，而AI开始帮助人类设计自然界从未存在过的新开关，并决定下一步最值得打开哪一个。
光遗传学因此还告诉我们一个比“大脑如何工作”更广泛的故事。现代生命科学越来越不像过去那样只是观察生命，而是在逐渐学会操纵生命系统。CRISPR让我们能够修改DNA；光遗传学让我们能够控制细胞活动；单细胞技术让我们能够读取过去无法看到的生命信息；人工智能又开始帮助科学家预测蛋白质结构、设计分子和寻找新的生物规律。
在这个过程中，大自然本身就是一个巨大无比的技术库。PCR中最重要的耐高温DNA聚合酶来自生活在高温环境中的微生物；CRISPR原本是细菌抵抗病毒的一套防御系统；光遗传学最关键的光敏蛋白，则来自不起眼的藻类。
这些东西在进化过程中出现时，都不是为了服务人类。藻类产生channelrhodopsin，只是为了寻找阳光。但几亿年甚至更漫长的生命进化，实际上已经创造出了无数精巧的分子机器。人类进入现代生物技术时代以后，才逐渐学会辨认这些机器、拆解这些机器，并把它们重新组合起来。而AI的加入，可能让人类第一次不再只是从这个天然工具箱里寻找现成工具，而开始根据自己的目标，主动设计新的工具。
从这个角度看，2026年的这个诺贝尔奖，真正值得记住的并不仅仅是“人类可以用光控制神经元”。它展示的是，科学技术是一个不断向前推进的路径：自然首先完成发明，科学家发现它，工程师把它变成工具，工具再变成平台，而AI开始帮助人类创造自然界原本没有的工具。
一束来自藻类的光，就这样照进了人类的大脑。而AI，可能正在把这束光照得更远。
一束光，如何打开大脑
青海 (2026-10-05 13:10:24) 评论 (0)2026年诺贝尔生理学或医学奖，授予了 Karl Deisseroth、Peter Hegemann 和 Georg Nagel，表彰他们在光控离子通道和光遗传学方面的开创性贡献。光遗传学今天已经成为神经科学最重要的工具之一，它让科学家能够利用光，在极短的时间尺度上开启或关闭特定神经细胞，从而直接研究某一组神经元究竟如何影响行为、记忆、情绪和疾病。
如果一定要用最简单的话概括三个人的贡献，可以这样说：Peter Hegemann 找到了自然界的“感光机制”，Georg Nagel 把这种机制变成了可以操纵细胞的分子器件，Karl Deisseroth 又把这个分子器件变成了研究大脑的神经科学平台。这三句话看起来很简单，却恰好说明了一项重大科学技术通常是怎样诞生的：先发现自然规律，再把自然规律变成工具，最后把工具变成平台。
故事要从一种极其不起眼的单细胞藻类说起。有些藻类没有眼睛，也没有大脑，却能够感觉光在哪里，并向着合适的光线游动。它们为什么能够“看见”光？这个问题听起来和人类的大脑、精神疾病甚至医学几乎毫无关系，却吸引了 Peter Hegemann 等科学家长期研究。他们最终发现，藻类细胞膜上存在一种特殊的蛋白质。光照到这种蛋白质以后，蛋白质会改变状态，形成一个允许离子通过的通道。离子流动产生电信号，细胞也因此对光作出反应。
这种蛋白后来被称为 channelrhodopsin，通道视紫红质。它最奇妙的地方，并不仅仅在于“能够感光”，而在于它本身同时完成了两件事情：感受到光，又直接控制离子流动。这就相当于自然界已经造好了一个完整的“光控开关”。灯亮，通道打开；灯灭，通道关闭。
而神经元本质上也是依靠离子的流动产生电信号的。于是，一个极其重要的问题出现了：如果把藻类的这个光控开关装到神经元上，会发生什么？这一步，正是整个故事从基础生物学走向神经科学的关键。
Georg Nagel、Peter Hegemann及其合作者在21世纪初证明，channelrhodopsin不仅能够在藻类里工作，把它放进其他细胞以后，也可以通过光来产生离子电流。换句话说，一个从藻类中发现的分子，竟然可以成为一种通用的细胞控制器。Nature对这一阶段的总结是：这些研究证明了channelrhodopsin是一种可以通过基因表达安装到其他细胞中的光控离子通道，为后来光遗传学的出现奠定了基础。
如果把这一步用工程语言来描述，就是：自然界原本只是提供了一种生物现象，科学家把它变成了一个“器件”。而 Karl Deisseroth 真正改变神经科学的地方，在于他进一步问：既然这是一个器件，能不能把它装到大脑里面？2005年，Deisseroth团队证明，channelrhodopsin可以被表达在哺乳动物神经元中。蓝光照射后，神经元迅速放电；光停止，刺激也随之停止。这意味着科学家第一次拥有了一种能够以极高时间精度控制神经细胞的方法。Nature把2005年的工作称为光遗传学发展中的标志性节点。
这件事情为什么如此重要？因为大脑本质上不是一块均匀的组织，而是一个由大约数百亿个神经元组成的巨大网络。不同类型的神经元彼此交织在一起。过去如果用电极刺激某个脑区，电流会同时影响附近很多不同的神经细胞；如果使用药物，又往往影响范围更广。研究者因此经常面对一个根本问题：某个脑区活动和一种行为同时出现，到底只是相关，还是它真正造成了这种行为？
光遗传学第一次大幅度提高了回答这个问题的能力。研究者可以让某一种特定神经元表达光敏蛋白，然后利用光把它们打开或者关闭。如果打开这一组神经元，动物立刻出现某种行为；关闭以后，行为又随之消失，那么科学家得到的就不仅仅是“相关性”，而开始接近真正的因果关系。
因此，光遗传学最大的革命，不只是“可以用光控制大脑”，而是：它把神经科学从大量观察相关性，推进到了主动测试因果关系。这也是为什么它迅速成为研究记忆、恐惧、奖赏、成瘾、睡眠、运动、抑郁以及许多神经系统疾病的核心工具。从这里也能看出 Deisseroth 的真正贡献。
如果他只是做出一次“蓝光让神经元放电”的实验，这仍然只是一个非常漂亮的实验结果。但随后，光遗传学发展出了越来越完整的技术体系：如何只让特定类型的神经元表达光敏蛋白，如何把光送入脑内，如何同时记录神经活动，如何控制不同类型的神经回路。于是，一个实验逐渐变成了一套可以由全世界神经科学实验室重复使用的方法。这时候，它就不再只是一个“工具”，而成为了一个平台。
所以，用一句非常简洁的话描述这三个人的贡献，其实比罗列几十篇论文更容易理解：Peter发现原理，Georg造出器件，Karl建立平台。
当然，真实的科学史永远比这三句话复杂得多。光遗传学的发展还涉及许多其他科学家的重要贡献。但本文的目的并不是把几十年的论文发表史完整复制出来，而是帮助人们看清最关键的结构。而这个结构其实非常漂亮：绿藻告诉人类怎样感受光；科学家从绿藻身上取出这个“开关”；随后又把这个开关装进神经元；最后，一种帮助单细胞生物寻找阳光的蛋白质，竟然变成了研究人类大脑的工具。
甚至它已经开始走出实验室。例如，在某些视网膜退行性疾病中，患者原有的感光细胞已经严重受损，但其他视网膜神经细胞仍然存在。研究人员正在尝试利用光遗传学，让这些原本不负责感光的细胞获得新的光敏能力。已有临床研究显示，一些患者能够恢复有限程度的视觉感知，不过距离恢复正常视力还有很长的路。
但光遗传学真正令人期待的下一步，可能还不仅仅是进入临床，而是与人工智能结合。今天的大模型和AI蛋白设计技术，已经开始改变生命科学研究的方法。过去研究者想得到一个更好的光敏蛋白，通常要从自然界已有的opsin出发，不断做突变、筛选、测试。这个过程很慢，因为可能的蛋白序列几乎无穷无尽，而真正值得实验的只有极少一部分。
AI正在改变这种搜索方式。未来，科学家可以先告诉模型自己想要什么：例如希望一个光敏蛋白对红光更加敏感，需要更低的光功率，开启和关闭速度更快，在细胞膜上表达更稳定，或者只允许某一类离子通过。AI可以先在巨大的蛋白序列空间中进行预测和筛选，再把最有希望的候选交给实验室验证。
也就是说，过去是从自然界找到一个开关，再慢慢改造它；未来则可能变成先定义一个理想开关应该具有什么性质，再让AI反过来设计它。这意味着，光遗传学可能从“利用自然界已有的分子工具”，进一步走向“创造自然界原本不存在的分子工具”。
AI的第二个作用，则是帮助科学家决定：下一次到底应该打开哪一个神经回路？大脑中有数百亿个神经元，无数神经回路彼此交织。光遗传学能够非常精确地控制其中一部分神经元，但问题在于，可能的实验组合实在太多。研究人员不可能把每一种组合都试一遍。而AI特别擅长在巨大数据空间里寻找模式。未来，研究人员可以同时记录成千上万个神经元的活动，让AI分析哪些细胞最可能处于某种行为的因果链条中，再由光遗传学进行定向干预。如果AI预测刺激A组神经元可能改变某种行为，实验就可以立即验证；验证结果再反馈给模型，模型再重新调整判断。
这样就形成了一个新的科学闭环：观察大脑 → AI建立模型 → AI提出最值得验证的假设 → 光遗传学进行干预 → 得到新的实验结果 → 再反馈给AI。这可能比单纯把某一次实验加快几倍更加重要。因为真正决定科学进展速度的，并不仅仅是一次实验需要几个小时，而是从提出假设、设计实验、分析结果到形成下一个假设，需要循环多少次。
过去，这个循环主要依赖科学家的经验和直觉。未来，AI可以同时分析成千上万个可能的假设，筛选出最值得实验的几个，再由光遗传学进行真正的因果验证。两者恰好形成一种非常有意思的互补：AI擅长从海量数据中发现规律、提出预测，但仅凭数据很难证明因果；光遗传学擅长主动干预神经系统、验证因果，却不知道海量可能性中下一步最值得试什么。于是，AI负责寻找方向，光遗传学负责验证现实。
如果再加上自动化实验设备，这个循环甚至可能越来越少依赖人工操作，从而形成一种新的生命科学研究方式：机器提出候选假设，机器设计实验，人类科学家决定最重要的问题和研究方向。
从这个角度看，光遗传学的发展也许还可以再增加第四个阶段：Peter发现了自然的开关，Georg把它变成分子器件，Karl把器件变成神经科学平台，而AI开始帮助人类设计自然界从未存在过的新开关，并决定下一步最值得打开哪一个。
光遗传学因此还告诉我们一个比“大脑如何工作”更广泛的故事。现代生命科学越来越不像过去那样只是观察生命，而是在逐渐学会操纵生命系统。CRISPR让我们能够修改DNA；光遗传学让我们能够控制细胞活动；单细胞技术让我们能够读取过去无法看到的生命信息；人工智能又开始帮助科学家预测蛋白质结构、设计分子和寻找新的生物规律。
在这个过程中，大自然本身就是一个巨大无比的技术库。PCR中最重要的耐高温DNA聚合酶来自生活在高温环境中的微生物；CRISPR原本是细菌抵抗病毒的一套防御系统；光遗传学最关键的光敏蛋白，则来自不起眼的藻类。
这些东西在进化过程中出现时，都不是为了服务人类。藻类产生channelrhodopsin，只是为了寻找阳光。但几亿年甚至更漫长的生命进化，实际上已经创造出了无数精巧的分子机器。人类进入现代生物技术时代以后，才逐渐学会辨认这些机器、拆解这些机器，并把它们重新组合起来。而AI的加入，可能让人类第一次不再只是从这个天然工具箱里寻找现成工具，而开始根据自己的目标，主动设计新的工具。
从这个角度看，2026年的这个诺贝尔奖，真正值得记住的并不仅仅是“人类可以用光控制神经元”。它展示的是，科学技术是一个不断向前推进的路径：自然首先完成发明，科学家发现它，工程师把它变成工具，工具再变成平台，而AI开始帮助人类创造自然界原本没有的工具。
一束来自藻类的光，就这样照进了人类的大脑。而AI，可能正在把这束光照得更远。