PsyBrain 腦心前沿 | 公眾號(hào) PSY-Brain_Frontier

一鍵關(guān)注，點(diǎn)亮星標(biāo) ??

不錯(cuò)過每日前沿資訊

認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息

Title:Convergent information flows explain recurring firing patterns in cerebral cortex

發(fā)表時(shí)間：2025.12.8

發(fā)表期刊:Nature Neuroscience

影響因子：20.0

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

在認(rèn)知神經(jīng)科學(xué)領(lǐng)域，一個(gè)長(zhǎng)期引人入勝的現(xiàn)象是大腦皮層中反復(fù)出現(xiàn)的神經(jīng)元放電模式（Recurring Firing Patterns）。無論是在自發(fā)的靜息狀態(tài)下，還是在執(zhí)行特定的感覺運(yùn)動(dòng)任務(wù)時(shí)，我們的神經(jīng)元總不僅是“獨(dú)奏”，更傾向于組成一個(gè)個(gè)特定的“樂團(tuán)”，演奏出高度可重復(fù)的神經(jīng)樂章。這些被稱為“皮層群體事件”（Cortical Population Events）的活動(dòng)，被認(rèn)為是感覺運(yùn)動(dòng)協(xié)調(diào)、記憶提取乃至意識(shí)產(chǎn)生的基礎(chǔ)。

長(zhǎng)久以來，解釋這種現(xiàn)象的主流理論是“吸引子動(dòng)力學(xué)”（Attractor Dynamics）。經(jīng)典的吸引子網(wǎng)絡(luò)模型（如Hopfield網(wǎng)絡(luò)）認(rèn)為，這些穩(wěn)定的放電模式源于神經(jīng)元之間經(jīng)過赫布學(xué)習(xí)（Hebbian Learning）形成的強(qiáng)相互連接。換句話說，如果要讓一群神經(jīng)元一起放電，它們之間必須建立緊密的、互相激勵(lì)的 “小圈子”，通過正反饋回路來維持活動(dòng)的穩(wěn)定性。這一理論在過去四十年中極大地塑造了我們對(duì)神經(jīng)計(jì)算的理解。

然而，這一經(jīng)典假設(shè)面臨著嚴(yán)峻的解剖學(xué)挑戰(zhàn)。如果我們深入微觀層面，真的能在大腦皮層中找到這些支撐吸引子理論的“強(qiáng)互連小圈子”嗎？如果物理結(jié)構(gòu)上不存在這些緊密的互連，大腦又是如何產(chǎn)生那些穩(wěn)定且可重復(fù)的神經(jīng)活動(dòng)的？這正是2025年12月8日發(fā)表于 Nature Neuroscience 的這項(xiàng)最新研究所試圖解答的核心謎題 。

研究核心總結(jié)

這項(xiàng)由Domenico Guarino團(tuán)隊(duì)帶來的突破性工作，通過整合多模態(tài)數(shù)據(jù)集（包括雙光子鈣成像、電生理記錄以及與之配準(zhǔn)的電子顯微鏡連接組學(xué)數(shù)據(jù)），對(duì)小鼠視覺皮層及其他腦區(qū)的微觀網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了前所未有的精細(xì)解剖 。研究結(jié)果挑戰(zhàn)了傳統(tǒng)的吸引子網(wǎng)絡(luò)架構(gòu)，并提出了一種基于“層級(jí)模塊化”的全新解釋框架。

Fig. 1 | Reproducible activity patterns occur throughout cortex.

否定經(jīng)典假設(shè)：核心神經(jīng)元缺乏強(qiáng)互連結(jié)構(gòu)

研究團(tuán)隊(duì)首先識(shí)別了那些在群體事件中反復(fù)、可靠地參與放電的 “核心神經(jīng)元” 。根據(jù)吸引子理論，這些核心神經(jīng)元之間應(yīng)當(dāng)表現(xiàn)出極強(qiáng)的相互連接。然而，結(jié)合MICRONS項(xiàng)目的電子顯微鏡數(shù)據(jù)，研究者發(fā)現(xiàn)了一個(gè)驚人的事實(shí)：這些核心神經(jīng)元之間并沒有表現(xiàn)出統(tǒng)計(jì)學(xué)上顯著的強(qiáng)互連或“小圈子”結(jié)構(gòu)。它們之間的突觸連接數(shù)量、強(qiáng)度以及相互連接的比例，與隨機(jī)網(wǎng)絡(luò)相比并無二致。這意味著，維持皮層放電模式穩(wěn)定性的物理基礎(chǔ)，并非傳統(tǒng)認(rèn)為的“抱團(tuán)取暖”式的強(qiáng)遞歸網(wǎng)絡(luò)。

Fig. 2 | Cell connectivity does not support functional selectivity and pattern reproducibility.

核心發(fā)現(xiàn)：層級(jí)模塊化與高信息流節(jié)點(diǎn)

如果不是互相連接的吸引子，那是什么在支撐這些模式？研究發(fā)現(xiàn)，皮層網(wǎng)絡(luò)呈現(xiàn)出顯著的層級(jí)模塊化（Hierarchical Modularity）特征。在這種結(jié)構(gòu)中，核心神經(jīng)元扮演了截然不同的角色：它們并非位于模塊內(nèi)部的中心，而是處于不同模塊之間的“接口”（Interfaces）位置。通過圖論分析（如最小流切割和PageRank算法），研究者證實(shí)核心神經(jīng)元是網(wǎng)絡(luò)中的高信息流節(jié)點(diǎn)（High-information-flow nodes）。它們具有高入度（High degree）但局部聚類系數(shù)較低（Low local clustering coefficient），這意味著它們負(fù)責(zé)匯聚并“漏斗式”（Funnel）地引導(dǎo)跨模塊的信息流動(dòng)，充當(dāng)了信息匯聚和分發(fā)的關(guān)口。

Fig. 3 | Reproducible patterns run through high-information flow nodes of modular networks.

機(jī)制解釋：距離依賴的連接規(guī)則

為了驗(yàn)證這一機(jī)制，研究者構(gòu)建了計(jì)算模型。結(jié)果表明，僅需引入簡(jiǎn)單的距離依賴連接規(guī)則（Distance-dependent connectivity），即神經(jīng)元連接概率隨物理距離指數(shù)衰減，就足以自發(fā)涌現(xiàn)出這種層級(jí)模塊化結(jié)構(gòu)以及類似生物大腦的瞬態(tài)可重復(fù)放電模式。模型顯示，這種連接策略是產(chǎn)生觀察到的模塊化和核心神經(jīng)元?jiǎng)恿W(xué)的必要且充分條件，而無需復(fù)雜的突觸學(xué)習(xí)規(guī)則。

Fig. 4 | Distance-dependent connectivity creates high-flow core units.

理論意義：從“習(xí)得”到“預(yù)設(shè)”的轉(zhuǎn)移

這項(xiàng)研究從根本上重塑了我們對(duì)皮層結(jié)構(gòu)-功能關(guān)系的理解。它暗示大腦皮層產(chǎn)生協(xié)調(diào)活動(dòng)的能力可能在很大程度上是“預(yù)配置”（Preconfigured）的，源于基本的空間連接規(guī)則，而非完全依賴后天的經(jīng)驗(yàn)學(xué)習(xí)。這種預(yù)設(shè)的模塊化結(jié)構(gòu)為感覺運(yùn)動(dòng)協(xié)調(diào)提供了初始的動(dòng)力學(xué)骨架，后續(xù)的學(xué)習(xí)可能只是在此基礎(chǔ)上固化了狀態(tài)間的轉(zhuǎn)換，而非構(gòu)建模式本身 。

Abstract

Cortical population events, short-lived patterns of neuronal activity that recur with consistency, are central to sensorimotor coordination. These reproducible firing patterns are often attributed to attractor dynamics, supported by strong mutual connectivity. However, by using multimodal datasets—including two-photon imaging, electrophysiology and electron microscopy—we show that these reproducible patterns do not involve strongly interconnected neurons. Instead, we show that cortical networks exhibit hierarchical modularity, with core neurons serving as high-information-flow nodes at module interfaces. These cores funnel activity but lack the structural signatures of pattern-completion units that are typically found in attractor networks. Using computational models, we find that distance-dependent connectivity is necessary and sufficient to produce the modularity and transient reproducible events observed in cortex. Our findings suggest that cortical networks are preconfigured to support sensorimotor coordination. This work redefines the structural and dynamical basis of cortical activity, with a focus on the relationship between modular structure and function.

請(qǐng)打分

這篇?jiǎng)倓偟巧?b>Nature Neuroscience的研究，是否實(shí)至名歸？我們邀請(qǐng)您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評(píng)論區(qū)分享您的深度見解。

前沿交流|歡迎加入認(rèn)知神經(jīng)科學(xué)前沿交流群！

核心圖表、方法細(xì)節(jié)、統(tǒng)計(jì)結(jié)果與討論見原文及其拓展數(shù)據(jù)。

分享人：飯哥

審核：PsyBrain 腦心前沿編輯部