2026年6月10日， 中國科學院腦科學與智能技術卓越創新中心穆宇研究團隊和北京大學吳思研究團隊合作在Nature在線發表題為“A Thalamus–Brainstem Attractor Network Drives History-Biased Decisions” （ 丘腦—腦干吸引子網絡驅動歷史偏向性決策）的研究論文。研究團隊利用斑馬魚幼魚全腦尺度單細胞分辨率鈣成像、閉環虛擬現實行為、光遺傳操控和神經計算建模，揭示了大腦如何通過丘腦-腦干跨腦區協同，穩定保存近期經歷，并將其轉化為對未來行為的調節。

大腦并不是每次都從零開始做決定

在真實世界中，動物很少每次都從零開始做決定。剛剛發生過的事情，往往會改變下一次選擇。動物在覓食、導航或躲避風險時，會根據近期獲得的線索調整下一步行動方向；人類也一樣，我們對面部表情、空間方位等具體感知信息的判斷，甚至對數字大小等抽象信息的判斷，都會受到剛剛經歷過的內容影響。換句話說，過去并不會立刻消失，而是會在短時間內繼續牽引現在的感知和選擇。

這種由近期經歷影響當前感知和行為的現象，被稱為連續依賴或歷史偏向（serial dependence or history bias）。它廣泛存在于人類和多種動物中，被認為有助于大腦利用環境的連續性，提高行為效率。然而，過去的研究主要揭示了大腦中有很多區域攜帶歷史信息，而對于這些信息如何被穩定保存、如何被靈活更新，又如何轉化為未來行為，仍缺乏清晰的全腦機制解釋。

在虛擬現實中觀察小魚的連續抉擇

為研究這一問題，研究團隊建立了斑馬魚幼魚閉環虛擬現實避障行為系統。斑馬魚在虛擬環境中連續遇到來自左側或右側的障礙物，并通過自身游泳信號控制在虛擬環境中的運動。

研究發現，斑馬魚對當前障礙物的躲避行為不僅取決于當前刺激，還顯著受到前一次甚至更早經歷的影響。當連續兩次障礙物出現在同一側時，斑馬魚會表現出更強的躲避反應。這說明，斑馬魚能夠在數十秒時間尺度上保存過去經歷，并將這些信息用于調節后續行為。

圖1 | 虛擬現實實驗設計及斑馬魚幼魚連續避障中的歷史依賴行為

全腦尺度單細胞成像揭示關鍵記憶節點

該研究的關鍵技術優勢，是在行為過程中以單細胞分辨率同時記錄斑馬魚全腦神經活動，并將這些活動信號與腦智卓越中心杜久林、杜旭飛團隊建立的標準斑馬魚全腦圖譜進行精確配準。

相比傳統研究中只觀察局部腦區或少量神經元的方式，全腦尺度記錄與腦圖譜比對使研究人員能夠在完整腦網絡中追蹤一次連續抉擇從感覺輸入、記憶保持、跨腦區整合到行為輸出的全過程。

基于圖譜配準結果，研究團隊對全腦同步記錄到的神經元進行逐腦區比較，系統篩查哪些腦區能夠在障礙物消失后繼續保留歷史信息。結果發現，多個腦區都攜帶一定的歷史信號；其中，背側丘腦的表現最為突出，能夠最穩定、最持久地通過持續活動（persistent activity）區分最近一次障礙物來自左側還是右側。

進一步的光遺傳實驗表明，抑制背側丘腦活動會消除歷史依賴行為，而單側激活背側丘腦則可以人為寫入類似“過去經歷”的信號，從而改變動物下一次選擇。這表明，背側丘腦并不只是被動記錄歷史信息，而是維持近期經歷并驅動連續抉擇的關鍵腦區。

圖2 | 行為過程中斑馬魚幼魚全腦神經活動的同步記錄與關鍵腦區篩查

丘腦像“記憶開關”，腦干像“積分器”

進一步分析顯示，背側丘腦并不是單獨完成整個計算。它更像一個“記憶開關”，以穩定的離散狀態保存并切換最近一次經歷；而位于腦干的下游神經元群則像一個“積分器”，將丘腦提供的歷史信息與當前感覺輸入整合起來，形成能夠反映多次經歷的連續信號，并最終影響行為輸出。

也就是說，背側丘腦主要保存最近一次經歷，腦干則進一步累積和整合歷史信息。大腦正是通過這種跨腦區分工協同，將一個短暫的感覺事件轉化為可持續、可更新、可用于未來行動的內部狀態。

圖3 | 不同計算模塊的歷史信息解碼能力及其神經動力學

從全腦圖譜到腦圖譜約束的跨腦區計算模型

在鎖定關鍵腦區后，為進一步理解這種跨腦區協同如何在神經網絡中實現，穆宇研究團隊與北京大學吳思研究團隊進一步開展理論建模合作。吳思研究團隊長期從事神經動力學和吸引子網絡理論研究，為解釋背側丘腦持續活動的穩定狀態、狀態切換及其對后續行為的影響提供了關鍵理論框架，并參與構建以丘腦吸引子網絡為核心的神經網絡模型。

在此基礎上，研究團隊進一步結合腦智卓越中心杜久林、杜旭飛團隊建立的斑馬魚全腦圖譜資源，將真實生物腦中相關腦區的細胞數量、神經元類型和投射連接等信息引入建模過程，將感覺輸入層、丘腦吸引子網絡和腦干積分器連接起來，最終構建了腦圖譜約束的跨腦區計算模型。

從計算結構上看，該模型提出了“吸引子—積分器”的跨腦區協同架構：丘腦吸引子網絡作為核心記憶模塊，以穩定離散狀態保存最近經歷；腦干積分器則基于吸引子狀態的遷移和當前感覺輸入進行信息整合，將短暫感覺事件轉化為可持續影響未來行為的內部狀態。

這一模型說明，穩定記憶和靈活更新并非相互矛盾，而是可以通過不同腦區、不同神經元類型和不同動力學模塊的分工協同共同實現。

圖4 | “吸引子-積分器”跨腦區計算模型的結構、活動和行為輸出

全腦尺度研究如何連接結構與計算

這一工作表明，在全腦尺度、單細胞分辨率的研究范式下，全腦圖譜不僅是解剖學資源，也可以成為連接真實腦結構和神經計算原理的重要橋梁。通過將全腦功能活動、標準腦圖譜、神經連接信息和計算模型結合起來，研究團隊實現了從行為現象到全腦環路再到計算原理的貫通。

進一步的模型拓展還提示，類似架構有望支持更長時程的記憶擴容和感覺—運動閉環控制。也就是說，這一跨腦區模型不僅解釋了斑馬魚如何利用過去經驗影響下一次選擇，也為未來具身智能系統和機器自主控制提供了來自全腦生物計算的啟發。

腦智卓越中心博士研究生趙姍、單鶴贏和北京大學博士研究生劉瀟為本論文共同第一作者；腦智卓越中心穆宇研究員和北京大學吳思教授為共同通訊作者。腦智卓越中心杜久林研究員和杜旭飛研究員團隊提供了長期建設的斑馬魚全腦圖譜資源。該資源為本研究開展全腦功能活動定位、腦區解析和腦圖譜約束建模提供了關鍵基礎，杜久林、杜旭飛團隊也在腦圖譜資源和數據分析方面作出了重要貢獻。海南大學付玲團隊在成像技術方面、腦智卓越中心王凱團隊在光遺傳操控技術方面為該研究提供了重要支持。

穆宇研究組長期招聘有志向開展以完整理解腦功能為目標、多學科交叉研究的博士后，歡迎具有神經生物學、計算建模、光學成像、人工智能、物理、數學或相關背景的青年學者加入，共同探索全腦計算原理 。

https://www.nature.com/articles/s41586-026-10623-3

學術合作組織

（*排名不分先后）

戰略合作伙伴

（*排名不分先后）

轉載須知

【非原創文章】本文著作權歸文章作者所有，歡迎個人轉發分享，未經作者的允許禁止轉載，作者擁有所有法定權利，違者必究。

BioArt

Med

Plants

人才招聘

點擊主頁推薦活動

關注更多最新活動！