5D Library › 默认模式网络、熵脑与神经振荡 · English
第三章 5-HT2A 受体与熵脑
注
本章法律与医学声明。 裸盖菇素、脱磷裸盖菇素及相关色胺类物质是受管制物质。在马来西亚，它们列于《1952 年危险毒品法令》第一附表第三部分；在中国，它们被列为管制的精神药品；在联合国《1971 年精神药物公约》中，它们列于附表一。在这些以及绝大多数其他司法辖区，持有、制造、提供或使用它们都是严重违法行为；只有少数司法辖区在严格监管的项目内允许医疗用途，例如澳大利亚自 2023 年 7 月起允许经授权的精神科医生处方。它们有明确的风险：急性焦虑与惊恐、意识混乱、血压与心率升高，以及对本人或家族有精神病或双相障碍病史的人，有诱发严重精神疾病的风险。本章回顾临床研究，仅为理解 5-HT2A 受体与默认模式网络的机制；本章严禁、也不以任何形式建议或描述获取或使用任何受管制物质，不提供任何剂量。本书推荐的练习（第四、第八章）不使用任何物质。
一个血清素受体
血清素（5-羟色胺，5-HT）至少作用于十四种受体。其中 5-HT2A 受体在皮层第 5 层的大锥体神经元上尤其密集，这些神经元的输出把皮层各区彼此连接，并连接到更深的结构。经典迷幻物质，包括脱磷裸盖菇素（裸盖菇素的活性形式）、LSD 和麦司卡林，都是这一受体的激动剂；人体研究显示，用酮色林等拮抗剂阻断该受体，基本能阻止它们的主观效应 (Vollenweider et al. 1998; Nichols 2016)。
分子结合得有多紧
受体药理学最基本的定量工具是结合曲线。若配体与受体可逆结合，平衡时被占据的受体比例取决于游离浓度 和解离常数 ，即一半受体被占据时的浓度：
这就是 Hill–Langmuir 方程；希尔系数 在简单的一对一结合时为 1，结合具有协同性时大于 1。竞争性拮抗剂使曲线右移，表观 增大为原来的 倍。
推导
以 为单位的浓度与占有率的关系，以及竞争性拮抗剂的作用。程序有意使用无量纲单位：它描述的是结合的形状，而不是任何物质的任何用量。
# Receptor occupancy by the Hill–Langmuir equation, in units of the
# dissociation constant Kd (concentration / Kd). No doses: the numbers are
# dimensionless and say nothing about any amount a person might take.
def occupancy(c, kd=1.0, n=1.0):
"""Fraction of receptors bound at free ligand concentration c."""
return c ** n / (kd ** n + c ** n)
print("c/Kd occupied (n = 1) occupied (n = 2)")
for c in (0.1, 0.3, 1, 3, 10):
print(f"{c:4g} {occupancy(c):16.2f} {occupancy(c, n=2):16.2f}")
# A competitive antagonist at concentration I with its own constant Ki
# shifts the agonist curve: apparent Kd' = Kd (1 + I/Ki).
for i_over_ki in (0, 1, 9):
kd_app = 1 + i_over_ki
print(f"antagonist I/Ki = {i_over_ki}: apparent Kd × {kd_app:g}, "
f"occupancy at c/Kd = 1 is {occupancy(1, kd_app):.2f}")
# c/Kd occupied (n = 1) occupied (n = 2)
# 0.1 0.09 0.01
# 0.3 0.23 0.08
# 1 0.50 0.50
# 3 0.75 0.90
# 10 0.91 0.99
# antagonist I/Ki = 0: apparent Kd × 1, occupancy at c/Kd = 1 is 0.50
# antagonist I/Ki = 1: apparent Kd × 2, occupancy at c/Kd = 1 is 0.33
# antagonist I/Ki = 9: apparent Kd × 10, occupancy at c/Kd = 1 is 0.09占有不等于效应。受体被占据后做什么，取决于配体的效能，以及它偏向哪些细胞内通路，这一性质称为功能选择性或偏向激动。这也是为什么结合同一受体的分子可能有截然不同的效应，以及为什么单凭结合数据无法预测主观体验 (Nichols 2016)。
衡量信号的丰富程度
「熵脑」假说借用了信息论的概念。常用的有两个指标。香农熵问的是：给定各符号出现的频率，信号的符号有多难预测。Lempel–Ziv 复杂度问的是：读完一个信号时出现了多少新的模式；完全规则的信号只需很少的模式就能描述，随机信号则需要很多。
推导
三个合成信号的 Lempel–Ziv 复杂度与三符号词的熵：纯 10 Hz 节律、同一节律加噪声、纯噪声。每个信号以其中位数为界转换成 0 和 1 组成的字符串。
import math, random
def lz76(s):
"""Number of phrases in the Lempel–Ziv (1976) parsing of a 0/1 string."""
i, c, n = 0, 0, len(s)
while i < n:
k = 1
while i + k <= n and s[i:i + k] in s[:i + k - 1]:
k += 1
c += 1
i += k
return c
def binarise(x):
m = sorted(x)[len(x) // 2] # split at the median
return "".join("1" if v > m else "0" for v in x)
def entropy_words(s, L=3):
"""Shannon entropy (bits) of the 3-symbol words in the string."""
counts = {}
for i in range(len(s) - L + 1):
counts[s[i:i + L]] = counts.get(s[i:i + L], 0) + 1
tot = sum(counts.values())
return -sum(c / tot * math.log2(c / tot) for c in counts.values())
rnd = random.Random(7)
n, fs = 2000, 250 # 8 s at 250 samples per second
t = [i / fs for i in range(n)]
signals = {
"10 Hz rhythm": [math.sin(2 * math.pi * 10 * u) for u in t],
"10 Hz rhythm + noise": [math.sin(2 * math.pi * 10 * u) + 0.8 * rnd.gauss(0, 1) for u in t],
"noise only": [rnd.gauss(0, 1) for _ in t],
}
norm = n / math.log2(n) # LZ count of a random string, roughly
print("signal LZ (normalised) entropy of 3-bit words")
for name, x in signals.items():
s = binarise(x)
print(f"{name:22s} {lz76(s) / norm:14.2f} {entropy_words(s):10.2f} of 3.00 bits")
# signal LZ (normalised) entropy of 3-bit words
# 10 Hz rhythm 0.07 1.79 of 3.00 bits
# 10 Hz rhythm + noise 0.84 2.75 of 3.00 bits
# noise only 1.05 3.00 of 3.00 bits输出说明了一个容易被忽视的要点：复杂度最高的是纯噪声。熵更高本身并不意味着状态更好或更丰富。如果一个大脑的熵达到最大，它的活动就不再携带任何结构。这些指标有什么意义，取决于与恰当的基线比较，以及同时还有什么在变化。
影像研究的发现
证据
在对健康志愿者静脉注射裸盖菇素的功能磁共振研究中，卡哈特-哈里斯（Carhart-Harris）等人只发现了血流和 BOLD 信号的下降，降幅最大的是包括丘脑、前后扣带回和内侧前额叶皮层在内的枢纽区；内侧前额叶活动的下降幅度与主观效应强度相关，内侧前额叶与后扣带回之间的正耦合减弱 (Carhart-Harris et al. 2012)。在脑磁图研究中，与安慰剂相比，具有精神活性剂量的裸盖菇素、LSD 和氯胺酮都提高了自发脑信号的 Lempel–Ziv 复杂度 (Schartner et al. 2017)。
根据这类发现，卡哈特-哈里斯等人提出了熵脑假说：意识状态的特质可以用脑活动的熵来标示；普通的清醒意识在默认网络整合活动的约束下，处于相对受限、熵较低的状态，而迷幻状态是这种约束放松后的高熵状态 (Carhart-Harris et al. 2014)。后来的版本「迷幻状态下的信念松弛」（REBUS）用预测加工的语言重新表述：这些物质被认为削弱了高层先验信念的精度，使自下而上的信息有更大的影响 (Carhart-Harris and Friston 2019)。
证据
在实验室与动物研究中，迷幻物质会促进皮层神经元树突和突触的生长 (Ly et al. 2018)。2023 年的一项研究报告，LSD 和脱磷裸盖菇素还能直接结合脑源性神经营养因子（BDNF）的受体 TrkB，小鼠的可塑性和类抗抑郁效应依赖于这种结合，而不是 5-HT2A 的激活 (Moliner et al. 2023)。这些是细胞和小鼠中的发现，能在多大程度上适用于人，目前未知。
临床证据及其局限
证据
在约翰斯·霍普金斯大学的一项双盲研究中，在支持性、有监护的条件下接受裸盖菇素的健康志愿者，常把这次体验评为一生中最有个人意义的经历之一；与此同时，约三分之一的人报告在过程中出现明显恐惧，部分人出现焦虑或偏执性想法 (Griffiths et al. 2006)。
证据
在一项纳入 233 名难治性抑郁症患者的随机试验中，在心理支持下给予单次高剂量裸盖菇素，三周时抑郁评分的下降多于极低剂量对照（MADRS 差值 −6.6 分，95% 置信区间 −10.2 至 −2.9）；77% 的参与者出现不良事件，多为头痛、恶心和头晕，各剂量组都出现了自杀意念或行为或自伤 (Goodwin et al. 2022)。在一项纳入 59 名中重度抑郁症患者的试验中，就主要结局而言，有支持的裸盖菇素治疗没有被证明优于六周的抗抑郁药艾司西酞普兰 (Carhart-Harris et al. 2021)。
这些证据的局限相当大，研究者自己也承认。盲法很难实现，因为参与者通常知道自己是否得到了活性物质，而且期望很高。试验规模小、时间短，入组人群经过严格筛选：研究指南排除本人或家族有精神病性障碍病史的人以及有明显心血管疾病的人，并要求事前准备、全程监护和事后随访 (Johnson et al. 2008)。这些条件下的结果，对这些条件之外的使用说明不了任何东西，而后者带有本章开头列出的法律与医学风险。
假说 · 尚未验证
尚未确立。 迷幻状态中与身心健康相关的部分，不是熵的升高本身，而是默认网络习惯性的自我指涉循环暂时松动；后者或许也能通过注意力训练达到，而不需要任何物质。该假说预测：在可比的人群中，临床研究里裸盖菇素治疗时下降的默认网络整合指标，在持续的专注型禅修中也会下降，只是幅度较小，而信号复杂度不会以同样的方式升高。如果在这样的比较中禅修没有使默认网络整合度下降，假说就被推翻。
参考文献
Fan, Y. (2026). The Default Mode Network, the Entropic Brain and Neural Oscillations: 5-HT2A Receptor Kinetics, Pineal Calcite Microcrystals and the Computational Neuroscience of Meditative Attention [默认模式网络、熵脑与神经振荡] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23697320 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).