編輯 | 2049
神經(jīng)元對(duì)相同刺激的反應(yīng)為什么會(huì)表現(xiàn)出顯著差異？這種變異性是否僅僅是「噪聲」？
傳統(tǒng)研究往往假設(shè)神經(jīng)活動(dòng)變異性是靜態(tài)的，但真實(shí)大腦狀態(tài)在秒級(jí)尺度內(nèi)快速切換，導(dǎo)致編碼效率的動(dòng)態(tài)波動(dòng)。
在一項(xiàng)新的研究中，來(lái)自艾倫研究所（Allen Institute）和清華大學(xué)的聯(lián)合研究團(tuán)隊(duì)揭示了神經(jīng)元反應(yīng)變異性背后的動(dòng)態(tài)機(jī)制。
他們發(fā)現(xiàn)，大腦內(nèi)部狀態(tài)的波動(dòng)會(huì)顯著影響神經(jīng)編碼的效率，不同腦區(qū)的神經(jīng)元根據(jù)其在解剖層級(jí)中的位置，對(duì)感知刺激和行為表現(xiàn)出獨(dú)特的編碼模式。
該研究以「Deciphering neuronal variability across states reveals dynamic sensory encoding」為題，發(fā)表于 2025 年 2 月 19 日的《Nature Communications》。
論文鏈接：https://www.nature.com/articles/s41467-025-56733-w
數(shù)據(jù)鏈接：https://portal.brain-map.org/circuits-behavior/visual-coding-neuropixels
代碼地址：https://github.com/shailajaAkella/Deciphering-neuronal-variability
研究背景
神經(jīng)元活動(dòng)變異性源于感官輸入、行為狀態(tài)與內(nèi)部腦動(dòng)態(tài)的復(fù)雜交互。早期研究通過固定實(shí)驗(yàn)條件或麻醉動(dòng)物簡(jiǎn)化問題，但犧牲了自然狀態(tài)下的動(dòng)態(tài)特征。
近年大規(guī)模神經(jīng)記錄技術(shù)雖能捕捉行為相關(guān)的活動(dòng)變化，卻難以區(qū)分自發(fā)運(yùn)動(dòng)與內(nèi)部狀態(tài)的影響。
更深層的挑戰(zhàn)在于：不同來(lái)源的變異性以非線性方式耦合，且貢獻(xiàn)權(quán)重隨時(shí)間快速變化。例如，在主動(dòng)探索時(shí)，小鼠視覺皮層通過去同步化提升刺激響應(yīng)，而在靜息狀態(tài)則呈現(xiàn)同步化低敏感模式。
研究團(tuán)隊(duì)創(chuàng)新性地以局部場(chǎng)電位（LFP）頻譜特征為錨點(diǎn)，構(gòu)建全局腦狀態(tài)時(shí)序框架，為動(dòng)態(tài)變異性分析建立了統(tǒng)一坐標(biāo)系。
圖示： 跨時(shí)間和層次解析變異性的示意圖。（來(lái)源：論文）
大腦振蕩狀態(tài)的動(dòng)態(tài)特征
研究團(tuán)隊(duì)分析了艾倫研究所之前發(fā)布的公開可用的 Allen Brain Observatory Neuropixels 數(shù)據(jù)集，該數(shù)據(jù)集包括來(lái)自小鼠視覺皮層六個(gè)分區(qū)的 LFP 與鋒電位。
相關(guān)鏈接：https://www.nature.com/articles/s41586-020-03171-x
通過對(duì)LFP的分析,發(fā)現(xiàn)所有被試小鼠的 LFP 動(dòng)態(tài)均呈現(xiàn)三種穩(wěn)定振蕩狀態(tài)：高頻態(tài)（SH，30-80Hz伽馬頻段功率增強(qiáng)）、低頻態(tài)（SL，3-8Hz theta功率主導(dǎo)）和中間態(tài)（SI，功率譜均勻分布）。
這些狀態(tài)與動(dòng)物的行為表現(xiàn)出顯著關(guān)聯(lián)：高頻態(tài)伴隨瞳孔擴(kuò)張和運(yùn)動(dòng)增加，表征高度警醒狀態(tài)；低頻態(tài)對(duì)應(yīng)靜息狀態(tài)；而中間態(tài)則作為狀態(tài)轉(zhuǎn)換的必經(jīng)橋梁。
值得注意的是，狀態(tài)轉(zhuǎn)換呈現(xiàn)出嚴(yán)格的動(dòng)力學(xué)約束——高頻態(tài)與低頻態(tài)之間的切換大部分必須通過中間態(tài)完成，且每個(gè)狀態(tài)的平均駐留時(shí)間僅 1.5 秒，揭示了大腦狀態(tài)的快速動(dòng)態(tài)特性。
圖示：從局部場(chǎng)電位識(shí)別的內(nèi)部振蕩狀態(tài)特性。（來(lái)源：論文）
視覺系統(tǒng)的變異性分布
通過因子分析（FA）、Fano 因子（FF）和變異系數(shù)（CV）等多維度指標(biāo)，研究發(fā)現(xiàn)不同狀態(tài)下的變異性呈現(xiàn)顯著層級(jí)差異。
在高頻態(tài)中，群體共享方差降低了 36.6±3.4%，雖然神經(jīng)元的時(shí)間發(fā)放變異性增加，但試次間變異性達(dá)到最小，這種變異性組合對(duì)應(yīng)著較高的刺激編碼表現(xiàn)。
研究發(fā)現(xiàn)初級(jí)視覺區(qū)（V1）神經(jīng)元在高頻態(tài)下對(duì)自然電影像素信息的編碼能力顯著高于低頻態(tài)，且這種編碼優(yōu)勢(shì)沿著視覺處理層級(jí)逐漸減弱。
特別值得注意的是，位于視覺-體感交界處的RL區(qū)（解剖學(xué)鄰近初級(jí)體感皮層S1）表現(xiàn)出獨(dú)特的低編碼效率和較高的試次間變異性，這種異常模式可能反映了其作為多感覺整合區(qū)域的特殊功能屬性。
圖示：跨狀態(tài)和視覺層次的神經(jīng)元變異性和信息編碼。（來(lái)源：論文）
變異性來(lái)源的狀態(tài)依賴性模型
為了定量解析影響神經(jīng)變異性的不同來(lái)源，研究團(tuán)隊(duì)開發(fā)了一個(gè)創(chuàng)新的狀態(tài)條件編碼模型。在群體活動(dòng)水平上，內(nèi)部腦動(dòng)態(tài)能解釋 41.0 ± 7.6% 的方差，顯著超過行為（18.9 ± 7.0%）和視覺刺激特征（22.8 ± 8.8%）的貢獻(xiàn)。
然而在單個(gè)神經(jīng)元層面，這種貢獻(xiàn)格局發(fā)生顯著反轉(zhuǎn)：視覺刺激特征貢獻(xiàn)了 19.8% 的方差，而行為和內(nèi)部動(dòng)態(tài)分別僅占 11.6% 和 11.1%。
通過無(wú)監(jiān)督聚類分析，研究發(fā)現(xiàn)視覺系統(tǒng)中存在功能分工明確的神經(jīng)元亞群：約 29.5% 的神經(jīng)元專門負(fù)責(zé)刺激編碼，30.2% 受到多種因素的共同調(diào)控。隨著視覺處理層級(jí)上升，多模態(tài)整合功能的神經(jīng)元比例逐漸增加。
更重要的是，當(dāng)大腦狀態(tài)發(fā)生轉(zhuǎn)換時(shí)，超過半數(shù)（53%）的神經(jīng)元會(huì)重構(gòu)其主導(dǎo)輸入來(lái)源。例如，在低頻態(tài)中缺乏明確編碼特征的神經(jīng)元可能在轉(zhuǎn)入高頻態(tài)后變?yōu)閷?duì)視覺刺激高度敏感。
圖示：不同來(lái)源對(duì)單個(gè)神經(jīng)元變異性的相對(duì)貢獻(xiàn)。（來(lái)源：論文）
未來(lái)展望
這項(xiàng)研究通過建立基于腦狀態(tài)的變異性解析框架，揭示了神經(jīng)編碼的動(dòng)態(tài)本質(zhì)：神經(jīng)元的反應(yīng)變異性并非簡(jiǎn)單的噪聲，而是反映了神經(jīng)系統(tǒng)在秒級(jí)時(shí)間尺度上快速調(diào)節(jié)信息處理策略的過程。
然而，要將這一發(fā)現(xiàn)轉(zhuǎn)化為實(shí)際應(yīng)用還面臨兩個(gè)主要挑戰(zhàn)：首先需要在主動(dòng)任務(wù)范式下深入解析目標(biāo)導(dǎo)向的狀態(tài)調(diào)控機(jī)制（如結(jié)合光遺傳學(xué)調(diào)控腹側(cè)被蓋區(qū)）；其次是探索如何將當(dāng)前的離散狀態(tài)模型擴(kuò)展到更符合生理實(shí)際的連續(xù)動(dòng)態(tài)系統(tǒng)。
未來(lái)研究可結(jié)合光遺傳調(diào)控與全腦連接組學(xué)，闡明狀態(tài)轉(zhuǎn)換的神經(jīng)環(huán)路基礎(chǔ)。這一成果不僅深化了神經(jīng)編碼理論，也為腦機(jī)接口的動(dòng)態(tài)校準(zhǔn)和類腦計(jì)算系統(tǒng)的設(shè)計(jì)提供了重要啟示。
熱門跟貼