工具是DNA聚合酶（DNA polymerase）。他们自己设计了一种DNA聚合酶，当细胞内钙离子浓度升高时，这种聚合酶就会将错误的碱基掺入到新合成的DNA链当中。我们都知道神经元细胞兴奋、出现动作电位时胞内的钙离子浓度就会升高，所以如果细胞内表达这种DNA聚合酶，就会在DNA链中留下错误，通过测序就能够发现这些错误（比如错误序列的长度或者错误的序列），进而推测出动作电位的相关信息，比如在什么时候出现过动作电位等。据Kording介绍，这种策略在理论上是完全可行的，不过他们现在的工作还只是处于起步阶段。
2. 作图技术
不论科研人员收集了多少有关神经元活动，以及神经通路的信息，最终他们需要的还是一副可靠的、超级细致的大脑神经网络解剖图谱。这就好像如果要了解一个城市的交通流量信息，只有拿到更详细的交通流量图，我们才能够更加准确地预测出高峰时段的交通状况。在我们的大脑里，神经网络解剖图谱就好比是交通流量图，而神经活动就好比是实际的交通运行状况。
一个多世纪以来，科学家们的作图方法一直都是大脑切片法，他们将大脑组织尽可能地切成薄片，然后对每一片大脑组织进行染色，再在显微镜下进行细致的观察。但是将那么多切片组织信息再集合起来，还原成一个立体的大脑可不是那么容易的。
即便如此，德国 Jülich研究中心（Research Centre Jülich in Germany）的 Katrin Amunts课题组还是决定啃下这块硬骨头，而且她们已经在上个月宣称完成了这项工作，公布了一幅人的三维立体大脑结构图，而且精细程度无与伦比。为了完成这项工作， Amunts课题组将一位65岁妇女的大脑组织切成了
7400片，每一片的厚度只有20毫米，然后进行了染色和镜下观察，得到了数TB的数据，最后在两台超级计算机上用了1000多个小时将这些信息整合在一起，还原出了原始的大脑立体结构。这个大脑结构图清晰地展示出了大脑上的褶皱，在传统的二维截面结构图里是无法展现这些褶皱的。据Amunts介绍，她们的这个项目用了整整十年的时间，现在她又开始对第二个人体大脑组织进行同样的解剖工作了，她希望能够找出这两个大脑组织之间的异同点，据她估计，这一次应该用不了十年那么久。
美国哈佛大学（ Harvard University in Cambridge, Massachusetts）的Jeff Lichtman和德国慕尼黑马克普朗克神经生物学研究所（Max Plank Institute for Neurobiology in Munich, Germany）的 Winfried Denk则正在与德国的光学巨头——卡尔?蔡司公司（Carl Zeiss）合作，开发一款新型电子显微镜，这种显微镜可以观察25纳米（这只有细胞平均厚度的千分之一）的脑组织切片。“有了这种显微镜，大脑里发生的一切都逃不过我们的眼睛，不论是细胞里、细胞器里，还是突触里发生的任何改变，我们都会看得一清二楚。”Lichtman充满信心地说道。这款新机器预计在明年可以问世，交付给他们两个实验室使用。
据Denk介绍，使用传统的单电子束扫描（single scanning beam of electrons）电子显微镜，科学家们只能够重建出1立方毫米的脑组织结构，如果要扫描整个小鼠大脑的所有切片，那至少需要好几十年的时间，而最新的这种超级电子显微镜则拥有61道扫描电子束，完成这项工作只需要几个月的时间。
Denk估计用这种超级电子显微镜可以用不到 5年的时间重建出小鼠的三维立体脑组织结构图。
Lichtman和Denk还没有解决的一个问题是如何将这些二维图像重组成立体的三维图像。Denk的实验室用传统的电子显微镜做过一次试验，他们对一小块小鼠的视网膜（这是哺乳动物大脑里最简单的一个部分）组织进行了扫描，得到了300GB的图像信息。但是单靠计算机无法将这些数据重建成一个立体的视网膜结构，于是他们找了230个人，用人工的方法（用眼睛看）才将这些切片重新拼接到了一起。据Denk介绍，如果脑组织再大一点，他们的这种方法就不管用了，必须开发一种新的计算机算法来解决这个问题。
如果对分辨率的要求不高的话，科学家们还是有比较简单的方法可以得到脑组织的立体结构的。其中一种方法就是CLARITY技术，这项技术在今年4月首次亮相时曾经引起过一阵轰动。美国斯坦福大学（Stanford University）的Karl Deisseroth等人发明了这种CLARITY技术，这是一种化学方法，他们通过将大脑组织里不透明的脂质成份替换成透明凝胶的方法，使整个大脑变成了一个透明的组织，这样无需再做任何操作，就可以清楚地看到脑组织内部的结构。Deisseroth也曾经用这种CLARITY技术研究过一个患有自闭症的6岁小男孩的大脑，结果发现在这个小孩的大脑皮质区域里，神经元细胞形成了一种不同寻常的阶梯状结构（ladder-like arrangement）。还有很多科学家也都急于使用这种CLARITY技术对正常的脑组织进行研究（Nature 497, 550–552; 2013）。
不过不论这些活性检测技术和解剖观察技术的效率有多么高，还是有很多研究人员认为我们没必要观察每一个神经元细胞，他们认为，放过一些神经元细胞
一样可以发现整个大脑的工作机制。Newsome就认为，他们根据蛛丝马迹就可以推测出整个大脑的运行机制。
3. 数据解析技术
在解析大脑的攻坚战中，最让人头疼的可能还是数据的储存和解析工作。如果使用Lichtman和Denk等人那种新型电子显微镜，一个立方毫米的脑组织就可以产生大约 2000TB的图像信息。Denk估计一个小鼠大脑将产生60PB（petabyte）的数据，而一个人类大脑则会产生200EB（exabyte）的数据。 “这种数据规模不亚于包括Facebook和所有大型数据库在内的当今世界上所有数字信息的总和。”Lichtman介绍说。
而这还仅仅只是一个开始。因为每一个大脑都是独一无二的，所以神经科学家们肯定会收集更多人类大脑的信息，以及和这些大脑结构对应的神经活动信息。这样就会产生天量的数据存储需求。
欧洲的人类大脑研究项目计划开发一个模拟的人类大脑（brain
simulation），科学家们可以与这个模拟大脑实时互动，这就更进一步的加重了数据的存储负担。该项目的参加成员之一，西班牙巴塞罗那超级计算机中心（Barcelona Supercomputing Center in Spain）的Jesus Labarta Mancho表示，他们的任务之一就是开发一种新的计算机语言，让超级计算机能够更高效地运行，能在一秒钟的时间里模拟大脑好几个部分的工作，现有的超级计算机是无法胜任这项工作的。所以他们打算让超级计算机将源自大脑某一些区域（暂时不需要模拟的
区域）里的信息全都进行压缩，这样释放出来的运算能力就可以全部用于“支援”计算当前需要模拟的脑组织区域里的信息。
即便这些数据全都可以被充分的压缩、打包，理论家们也必须解决需要先提出哪些问题的问题。“这就是一个先有鸡还是先有蛋的问题。只有我们充分认识了大脑的运行机制之后，我们才能知道应该如何看待这些数据。可是不知道如何看待这些数据，我们又怎么可能认识大脑的运行机制呢？”葡萄牙里斯本Champalimaud未知问题研究中心（Champalimaud Centre for the Unknown in Lisbon）的神经理论学家Christian Machens解释说。
对于还有多少难题没有解决这个问题，理论家们也存在不同的意见，Kording等人认为，前面将要面临的问题难度相当大，他说道：“与这些问题相比，谷歌的搜索问题简直就是小儿科。大脑里的神经元细胞可能就和世界上的网页一样多，但是这些互联网网页之间也就只有那么几条单线联系，可每一个神经元细胞都要和成千上万个神经元细胞联络，而且还是非线性的网络联系，如果要解析这个网络，其难度可想而知。”
不过美国纽约冷泉港实验室（ Cold Spring Harbor Laboratory in New York）的生物数学家Partha Mitra认为，最大的困难还是社会学方面的问题。Mitra认为，发现大脑的运行机制和发现‘上帝粒子（Higgs boson）’可不太一样，因为每一个物理学家都只需要去发现这一个粒子，可是脑科学家们却要在经过深思熟虑之后设定很多个不同的目标，然后一大帮受过良好科研训练的研究人员再去追踪、并发现这些目标。
Newsome花了整整一个暑假的时间来思考需要追踪哪些目标，和他预计的一样，他的这个暑假算是彻底泡汤了。他参加了一系列的专家研讨会，为脑科学计划设定了一系列的研究目标，并且为此准备了一份报告，该报告将于今年9
月公布。据Newsome透露，这份报告里不会承诺会解决所有的脑科学问题，只会提出一个工作时间表，按照这个长期的工作规划，我们将来可能会解决一些脑科学问题。
Newsome认为：“我们最终一定会认清所有的神经元细胞与人类行为之间的关系。认清这一点非常重要。”