認知神經科學前沿文獻分享

基本信息

Title:Cross-individual translation of spontaneous zebrafish brain activity through a shared latent representation

發表時間:2026.5.14

發表期刊:PNAS

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

即使沒有聲音、光照、觸碰等外界刺激，大腦也并不真正“安靜”。自發腦活動（spontaneous brain activity）是神經系統持續運行的一部分，既反映底層回路組織，也與感覺處理、行為狀態和內部狀態動態有關。人類靜息態功能磁共振成像（resting-state fMRI）研究已經顯示，不同個體之間存在相對穩定的大尺度功能網絡；但這類信號的空間和時間分辨率有限，很難進一步追問：這些跨個體相似性是否能對應到更具體的細胞群、共激活組件或回路 motif。

這一問題在脊椎動物中尤其困難。像秀麗隱桿線蟲（Caenorhabditis elegans）這樣的小型神經系統，可以在較刻板的解剖結構和連接組背景下建立動態模型；而脊椎動物腦具有更復雜的區域組織和更大的個體差異，通常不存在可直接使用的“神經元一一對應”。傳統跨個體比較多依賴解剖配準、刺激響應或行為標簽，但當研究對象是不受外界驅動的自發活動時，這些外部參照并不足以解析單細胞尺度的共享結構。

幼年斑馬魚（larval zebrafish）提供了一個介于兩者之間的窗口：其腦部透明、體積緊湊，可通過光片熒光顯微鏡（Light-Sheet Fluorescence Microscopy）進行全腦單細胞分辨率鈣成像。本文關注的核心問題是：在幼年斑馬魚自發全腦活動中，是否存在跨個體共享的潛在組織結構？如果存在，能否不依賴神經元逐個對應，而把一條魚的瞬時活動投射到共同潛在空間，再映射到另一條魚的神經空間？

實驗設計與方法邏輯

研究使用 nacre Tg(elavl3:H2B-GCaMP6f) 斑馬魚幼體，年齡為 5 至 6 dpf。作者共記錄 17 條魚，因麻痹失敗、死亡、不可校正的 z 向漂移或異常低神經活動等原因剔除后，最終分析 6 條魚。成像以每秒 2.5 個體積記錄 25 min，覆蓋 25 個 z 平面；前 4 min 非穩態數據被排除。圖像經漂移校正、細胞分割、ΔF/F 計算，并用 Blind Sparse Deconvolution 得到二值化 spike train。分析上，作者先測試單魚 RBM 的穩定性，再在 20 μm 體素化數據上拼接訓練全局 RBM，最后構建 LaRBM teacher-student 框架，將 teacher 的空間權重插值到 student，并用 student 活動與 teacher 隱藏態共同約束訓練。

核心發現

發現一：普通 RBM 的隱藏表征在單個體內也并非天然可對齊

論文首先排除了一條看似直接的路線：分別給每條魚訓練 RBM，然后比較隱藏單元。作者在同一條魚、同一份神經活動數據上多次訓練 RBM，發現隱藏單元的空間權重圖并不總能穩定一一對應。Figure 1 是整篇研究方法路線的起點：在最佳匹配下，約 28% 的隱藏單元權重相關性高于 0.9，而約 34% 找不到匹配對，相關性低于 0.2。也就是說，即使輸入數據相同，不同訓練得到的潛在組件仍可能發生退化或重組。

Figure 1 Restricted Boltzmann Machines (RBMs) produce degenerate representations of neuronal functional organization.

Figure 1 還進一步比較了模型推斷的神經元間有效耦合。單細胞尺度上，耦合矩陣在不同訓練之間仍有較大變異；但當作者把耦合空間平均到約 20 μm 或更粗的體素尺度后，結果變得更穩定。這個結果并不是說 RBM 無法建模自發神經活動，而是提醒讀者：不能把每個隱藏單元直接當作天然可跨個體比較的“同一功能單元”。因此，后文必須引入更粗粒度的共享建模，或顯式約束潛在空間的對齊。

發現二：體素化拼接訓練可在粗粒度上提取跨魚共享潛在空間

在確認單獨訓練 RBM 不適合直接對齊后，作者轉向較穩健的中尺度方案：先將 6 條魚配準到共同腦坐標，再以 20 μm 立方體素匯總神經活動，只保留每條魚中至少含 2 個神經元的共享體素，最終得到 2,995 個體素。Figure 2 展示了這一完整流程：解剖配準、體素化、活動拼接，以及訓練包含 2,995 個高斯可見單元和 40 個隱藏單元的全局 RBM。它回答的是一個關鍵過渡問題：跨個體共享潛在空間是否至少在粗粒度層面可行。

Figure 2 Concatenation and voxelization allow for a common RBM representation.

結果顯示，全局 RBM 能較好捕捉多數個體魚的體素相關結構；更重要的是，投射到隱藏空間后，不同魚之間隱藏單元相關結構比原始體素相關結構更一致。Figure 2 中的留出訓練分析進一步說明，這種一致性并非完全依賴把所有個體都納入訓練；自由能分布在不同魚之間高度重疊，也提示模型沒有簡單學習“魚的身份”。

發現三：LaRBM 在單細胞尺度保留 teacher 的空間化細胞組件

體素化結果證明共享潛在空間有可能存在，但它犧牲了單神經元層面的可解釋性。為回到單細胞分辨率，作者提出 teacher-student LaRBM 框架：teacher RBM 先在一條魚上學習 100 個隱藏單元，每個隱藏單元代表一個空間分布的共激活神經組件；student RBM 通過空間插值繼承 teacher 的權重模式，并復制隱藏單元勢函數，再在自身神經活動和 teacher 隱藏態樣本共同約束下訓練。Figure 3 是理解這一方法的核心圖，因為它直接檢驗 student 是否真正保留了 teacher 的潛在結構。

Figure 3 RBMs can be trained from priors and constrained to enforce a similar hidden space.

發現四：共享潛在空間支持模型意義上的跨個體活動“翻譯”

論文最后檢驗一個更強的命題：如果不同魚確實共享潛在活動組件，那么一條魚的瞬時全腦活動是否能通過該潛在空間轉寫到另一條魚？作者將 source 魚的可見層活動編碼為隱藏層期望，再用 target 魚的 LaRBM 解碼為 target 神經空間中的活動模式。Figure 4 是整篇研究最具整合性的驗證，因為它同時考察翻譯后活動的神經統計量、模型概率和空間結構，而不是只展示隱藏單元看起來相似。

Figure 4 Spontaneous neuronal activity can be translated through the latent space to another fish.

Figure 4 顯示，翻譯后的活動在均值活動和成對協方差上接近目標魚真實或重構活動；自由能也與目標魚自身重構活動相近，并明顯優于隨機化活動，說明這些模式在 receiving model 下具有較高概率。空間相關分析進一步顯示，除少數離群情況外，翻譯活動與源活動的大尺度空間圖樣相關性高于時間打亂對照，中位空間相關約為 0.55，而打亂對照約為 0.3。

歸納總結和點評

這篇論文的主要貢獻在于，用全腦單細胞鈣成像和生成式能量模型，把自發腦活動的跨個體比較推進到“共享潛在組件”層面。作者先識別普通 RBM 的潛在表征退化問題，再證明體素級共享建模可行，隨后用 LaRBM 在單細胞尺度維持 teacher-student 隱藏空間對齊，并完成跨個體活動模式的模型化翻譯。

這條證據鏈的強項是層層遞進：從方法局限、粗粒度可行性、單細胞對齊，到生成式檢驗，均圍繞同一個科學問題展開。需要保持邊界的是，該框架目前依賴幼年斑馬魚相對刻板的腦結構、teacher 選擇和空間插值預訓練，部分配對存在離群情況。研究說明的是模型層面的共享統計與空間結構，不能直接外推為普遍脊椎動物腦組織規律或臨床應用結論。

請打分

這篇剛剛登上 PNAS 的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿