感覺受器與腦的資訊處理：從轉導動力學到貝氏知覺

從刺激到知覺：感覺轉導的物理化學界面

當光子打在視網膜、空氣壓力波撞擊耳蝸、或一個葡萄糖分子落在味蕾上，神經系統面對的核心問題只有一個：如何把這些異質的物理化學能量，全部翻譯成同一種「通用貨幣」——膜電位的變化與動作電位的時序碼。這個翻譯過程稱為感覺轉導（sensory transduction），是所有感覺系統共享的第一性原理。本篇不再停留在「感覺受器接收刺激」的層次，而是直接拆解受器分子如何放大、量化並編碼資訊，以及大腦如何重建外在世界。

感覺轉導的本質是一個能量轉換器，把不同形式的物理量（光、機械力、化學濃度、溫度）轉成跨膜離子流。其驚人之處在於增益：一個視桿細胞可偵測單一光子，一個毛細胞能感測小於氫原子直徑的基底膜位移（約 0.3 nm）。要達到這種靈敏度，演化發展出兩條截然不同的策略——離子通道的直接機械門控，以及 G 蛋白偶聯受器（GPCR）驅動的酵素級聯放大。

兩種放大策略：直接門控 vs. 級聯放大

機械轉導走的是速度路線。耳蝸毛細胞頂端的纖毛束（stereocilia）由「尖端連結（tip link）」串連，連結蛋白為 cadherin-23 與 protocadherin-15。當基底膜震動使纖毛偏折，尖端連結張力直接拉開機械門控通道（TMC1/TMC2），離子在數十微秒內湧入。這種直接耦合沒有第二信使的延遲，是聽覺能編碼高達數十 kHz 頻率的物理基礎。

光轉導與嗅覺則走放大路線。以視桿為例，一個視紫質（rhodopsin）分子吸收光子後構形改變，活化數百個 transducin（一種 G 蛋白），每個 transducin 活化的 PDE6 又水解上千個 cGMP 分子。cGMP 濃度驟降使 CNG 通道關閉，膜電位超極化。整條級聯的總增益可達 $10^5$ 以上，這正是單光子可被偵測的數學基礎。

級聯反應的動力學可用 Michaelis–Menten 方程式描述酵素步驟的反應速率：

$$v = \frac{V_{max}\,[S]}{K_M + [S]}$$

其中 $[S]$ 為受質濃度，$K_M$ 為達到半飽和速率時的受質濃度。當 $[S] \ll K_M$ 時 $v \approx (V_{max}/K_M)[S]$ 呈線性放大；當 $[S] \gg K_M$ 時 $v \to V_{max}$ 飽和。感覺系統的「適應」很大程度就是動態調整 $K_M$ 與 $V_{max}$，使受器在不同背景強度下都能維持工作於最敏感的線性區。

膜電位的物理基礎：能斯特方程式

無論哪種轉導機制，最終都改變跨膜離子的分布，而離子的平衡電位由 Nernst（能斯特）方程式決定：

$$E_{ion} = \frac{RT}{zF}\ln\frac{[\text{ion}]_{out}}{[\text{ion}]_{in}}$$

其中 $R$ 為氣體常數、$T$ 絕對溫度、$z$ 離子價數、$F$ 法拉第常數。在 37°C 下 $RT/F \approx 26.7$ mV，換成以 10 為底的對數，$K^+$（$z=+1$）的平衡電位約為：

$$E_K = 61.5 \times \log_{10}\frac{[K^+]_{out}}{[K^+]_{in}} \text{ mV}$$

定量小範例：耳蝸內淋巴的特殊之處在於 $K^+$ 濃度極高（約 150 mM），而毛細胞內也約 150 mM，但內淋巴維持約 +80 mV 的內淋巴電位。這使得頂端的 $K^+$ 驅動力 = 內淋巴電位（+80 mV）− 毛細胞靜止電位（約 −45 mV）≈ 125 mV 的巨大電化學梯度。正是這個由 stria vascularis 主動維持的「電池」，讓機械門控通道一開啟就有強大的 $K^+$ 內流，賦予聽覺極高的時間解析度。若以 Nernst 計算單純濃度項，當 $[K^+]_{out}/[K^+]_{in}=1$ 時濃度貢獻為 0 mV，故驅動力幾乎全來自那 +80 mV 的電位差——這是一個少見的「以電位而非濃度梯度供能」的例子。

從強度到頻率：感覺編碼的對數律

受器把刺激強度編碼為動作電位的發放頻率。經典的 Weber–Fechner 律指出，主觀感覺強度 $P$ 與刺激強度 $I$ 呈對數關係：

$$P = k\ln\frac{I}{I_0}$$

其中 $I_0$ 為偵測閾值。這解釋了為何聲音強度用分貝（對數單位）、為何我們能同時感知微光與烈日。對數壓縮把橫跨數個數量級的物理刺激，塞進神經元有限的動態範圍（受不應期限制，發放率上限約數百 Hz）。現代研究更傾向 Stevens 冪次律 $P = k I^n$，對不同感覺模態 $n$ 值不同（如電擊 $n \approx 3.5$、亮度 $n \approx 0.33$），但兩者都揭示同一個原則：感覺系統不做線性測量，而是壓縮與正規化。

大腦的資訊處理：群體編碼與預測性重建

訊息進入中樞後，大腦並非被動接收，而是主動推論。在初級感覺皮質，神經元具有感受野（receptive field），且呈拓撲映射（視網膜對應圖、耳蝸頻率圖、體感小人圖）。Hubel 與 Wiesel 的經典工作揭示視覺皮質的方位選擇性柱狀結構，說明大腦透過分層特徵抽取，從點狀光感建構邊緣、輪廓乃至物件。

更深一層，當代神經科學以貝氏推論（Bayesian inference）框架理解知覺：

$$P(\text{world}\mid\text{sense}) \propto P(\text{sense}\mid\text{world})\,P(\text{world})$$

知覺是「先驗信念」與「感覺證據」的最佳整合。錯覺、適應與多感官整合，都是這個推論機制的可預測後果。預測編碼（predictive coding）理論進一步主張：皮質階層自上而下傳遞預測，自下而上傳遞「預測誤差」，只有無法被預測的訊號才會向上傳播——這是一種極度節能的資訊壓縮策略，與感覺受器層次的對數壓縮在精神上一脈相承。

深入探討（研究所視角）

結構生物學揭露轉導的原子細節。 冷凍電子顯微術（cryo-EM）近年徹底改寫了我們對感覺通道的理解。機械門控通道 TMC1 長期是「最後的暗物質」，直到結構解析才確認其與 TMIE、CIB2 形成複合體，並提出脂質作為門控張力傳遞媒介的假說。同樣地，PIEZO1/PIEZO2 通道的三葉螺旋槳狀結構（由 Coste、Patapoutian 團隊鑑定，後者獲 2021 年諾貝爾生理醫學獎）展示了一個橫跨數十奈米的曲面如何把膜張力轉成構形變化——其曲率「碟狀」設計使局部膜形變被高度槓桿放大。溫度受器 TRPV1 的開放與封閉態 cryo-EM 結構，則首次以原子層級呈現辣椒素與熱如何共同調控孔道擴張。

單細胞與空間體學重繪受器多樣性。 單細胞 RNA 定序（scRNA-seq）顛覆了「一種模態一種受器」的舊觀。背根神經節體感神經元被重新分類為十餘個分子亞型，各自表現不同的離子通道與神經肽組合，對應癢、機械痛、溫度等子模態。視網膜亦被解析出超過 40 種神經節細胞型別，每種抽取不同的視覺特徵（運動方向、邊緣、局部對比）並平行送往大腦——這支持「視網膜即是一台前處理運算器」的觀點。空間轉錄體學（spatial transcriptomics）更進一步把這些分子身分定位回組織座標，揭示受器在拓撲圖譜中的精細排列。

系統層次的正規化模型。 在運算神經科學，分裂正規化（divisive normalization）被提議為一條跨物種、跨模態的「正典運算（canonical computation）」。其形式為：

$$R_i = \frac{D_i^{\,n}}{\sigma^{n} + \sum_j D_j^{\,n}}$$

其中 $R_i$ 為第 $i$ 個神經元反應，$D_i$ 為其驅動輸入，分母對鄰近神經元群體加總。此式同時解釋了對比正規化、注意力調節、與多感官整合中的次線性疊加，把前述 Weber–Fechner 對數壓縮統一在一個動態增益控制框架下。

主動感知與閉環。 最前沿的觀點強調感覺絕非單向輸入：眼動、嗅探（sniffing）、觸鬚擺動（whisking）等主動取樣行為，使感覺輸入本身受運動指令調制。皮質中的伴隨放電（corollary discharge）訊號讓大腦區分「自身動作造成的感覺變化」與「外界真實變化」，這也解釋了為何我們無法搔自己癢。把轉導動力學、群體編碼與運動閉環整合進單一生成模型，正是當代「主動推論（active inference）」研究試圖回答的核心問題。