个人介绍:

本科就读于北京大学生命科学学院，师从清华大学钟毅教授； 博士就读于美国圣路易斯华盛顿大学，师从Paul Taghert教授与Tim Holy教授；结合行为学与大规模神经成像技术，研究果蝇的学习记忆、求偶、昼夜节律等行为的神经机制。此后在德国马克斯·普朗克脑科学研究所，师从Gilles Laurent教授从事博士后研究，研究转向头足类动物（包括章鱼与乌贼），研究乌贼变色伪装行为的神经机制。2022年入职北京大学生命科学学院。主要研究方向为动物行为多样性的神经和演化机制，并致力于开发大规模神经活动成像技术。在Nature、Science、Neuron、PNAS等期刊发表多篇论文。

教育经历:

2009-2013 学士，生物科学，北京大学
2013-2018 博士，神经科学，圣路易斯华盛顿大学

工作经历:

2022年12月-至今，助理教授，北京大学生命科学学院
2022年12月-至今，研究员，北京大学麦戈文脑科学研究所
2022年12月-至今，研究员，北京大学-清华大学生命科学联合中心
2019年3月-2022年11月，博士后，德国马克斯·普朗克脑科学研究所

荣誉奖励:

億方学者，2022
华盛顿大学Olin医学科学家奖，2017
华盛顿大学O`Leary杰出研究奖，2017
华盛顿大学Thach奖，2016
国际生物节律研究协会Ron Konopka杰出研究奖, 2016

执教课程:

神经生物学
神经动物行为学

      我们研究动物行为多样性的神经和演化机制，以头足类动物（包括乌贼和章鱼）为研究对象。头足类的神经系统是无脊椎动物中最为复杂，但与人脑在演化历程和组织结构上又完全不同。研究它们既可以发现相似功能背后神经机制的趋同演化，也可发现人脑所不具备的独特神经算法。

我们利用机器学习算法对动物行为进行高精度定量分析，并结合电生理和钙成像等大规模神经活动记录方法，研究（1）乌贼变色伪装行为的神经机制，（2）章鱼复杂触手运动的分布式控制，（3）头足类动物的高级认知功能，（4）头足类神经系统复杂性的演化机制，将为类脑计算与仿生软体机器人系统提供独特的神经算法借鉴与运动控制理论。

1. Liang, X., Holy, T. E., & Taghert, P. H. (2016). Synchronous Drosophila circadian pacemakers display nonsynchronous Ca2+ rhythms in vivo. Science, 351(6276), 976-981.
2. Li, Q.*, Zhang, X.*, Hu, W.*, Liang, X.*, Zhang, F., Wang, L., Liu, Z.J., & Zhong, Y. (2016). Importin-7 mediates memory consolidation through regulation of nuclear translocation of training-activated MAPK in Drosophila. Proc. Natl. Acad. Sci. USA, 113(11), 3072-3077. (* Equal Contributions).
3. Liang, X., Holy, T. E., & Taghert, P. H. (2017). A series of suppressive signals within the Drosophila circadian neural circuit generates sequential daily outputs. Neuron, 94(6), 1173–1189.
4. Liang, X., Ho, M. C., Zhang, Y., Li, Y., Wu, M. N., Holy, T. E., & Taghert, P. H. (2019). Morning and evening circadian pacemakers independently drive premotor centers via a specific dopamine relay. Neuron, 102(4), 843-857.
5. Liang, X., Holy, T. E., & Taghert, P. H. (2022). Circadian pacemaker neurons display co-phasic rhythms in basal calcium level and in fast calcium fluctuations. Proc. Natl. Acad. Sci. USA, 119(17).
6. Liang, X., Holy, T. E., & Taghert, P. H. (2023). Polyphasic circadian neural circuits drive differential activities in multiple downstream rhythmic centers. Current Biology. 33 (2), 351-363.
7. Woo, T.*, Liang, X.*, Evans, D., Fernandez, O., Kretschmer, F., Reiter, S., & Laurent, G. (2023). The Dynamics of Pattern Matching in Camouflaging Cuttlefish. Nature.

你是否想要近距离接触来自海底的神秘智慧生物，观察它们炫目的变色能力和繁复的触手运动，运用前沿的神经科学与人工智能技术窥探它们的内心世界？加入我们吧！我们研究头足类动物（包括乌贼和章鱼）的行为与神经。

头足类动物拥有无脊椎动物中最复杂的神经系统。他们的脑比很多与之体型相当的哺乳动物都还要大（神经元数量比小鼠多一个数量级），也表现出很多复杂的行为和高级的认知功能：如模仿学习，工具使用，有显著个性等。在演化历程上，头足类和我们在6亿年前就已经分开了。我们的共同祖先才刚刚演化出神经元，还没有聚集成可称之为‘脑’的中枢神经系统。头足类与脊椎动物各自沿着不同的路径独立演化。头足类神经系统是动物界里采取和人脑不同的发展路径所能到达的智力巅峰。研究头足类另类的智能，既可以发现趋同演化的神经机制，将会揭示在神经计算层面的普遍规律；也可研究人类所不具备的独特技能背后的神经机制：比如变色伪装的能力和复杂的触手运动控制。

（1）乌贼变色伪装行为的神经机制

乌贼可以改变全身的颜色和图案来模拟环境并隐藏其中。研究其变色行为有两个重要意义：一、乌贼的皮肤像一个覆盖全身的显示器，通过神经-肌肉系统实时并行控制上百万个色素细胞的大小来组成不同的图案，可从该系统中发现控制超高维度的运动输出的复杂神经算法。二、可以通过乌贼体表图案的实时变化读取动物的主观视知觉和內隐状态；且由于变色伪装可以瞒过包括人类在内的捕食者，研究此系统亦可揭示人类视知觉区别物体与背景的原理。研究乌贼控制变色伪装的神经环路与算法将有助于启发和革新人工智能的诸多领域。此外，随近年来卫星与无人机侦察技术的发展，军事单位的迷彩与伪装也亟需来自动物伪装策略的仿生学借鉴。

（2）章鱼复杂触手运动的分布式控制

去中心化的系统由大量分布式的控制节点组成，相比于集中式的控制系统，往往能兼具更好的稳定性和更好的灵活性。头足类神经系统很大程度上是一个去中心化的控制系统，超过2/3的神经元分布于外周，相比之下人类只有1%的神经元分布于外周。因此，头足类动物外周神经系统是研究行为分布式控制的独特对象。

章鱼的触手运动十分复杂，可以用以操纵复杂的工具。它的触手可以在任意地方朝任意方向弯曲，也可以在任意地方伸长、缩短、变软、变硬。相比于人类四肢运动的自由度受限与关节的数目，而章鱼的触手几乎有着无限的自由度。章鱼采取一种分布式的方式进行这种超高维度的运动控制，有超过60%的神经元分布于触手上；在切断中枢控制之后，触手自身的神经网络也能产生协调而复杂的运动。研究章鱼触手运动的分布式控制，将为仿生软体机器人系统提供独特的运动控制理论，也将有助于设计出更好的具自适应能力的神经仿生义肢。