認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息

Title:Independence and coherence in temporal sequence computation across the fronto-parietal network

發(fā)表時(shí)間:2026-06-11

發(fā)表期刊:Nature Communications

影響因子:15.7

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

時(shí)間信息的處理是工作記憶、運(yùn)動(dòng)規(guī)劃等高級(jí)認(rèn)知功能的基礎(chǔ)。然而，大腦并沒(méi)有一個(gè)單一的“秒表”。相反，時(shí)間表征廣泛分布在包括次級(jí)運(yùn)動(dòng)皮層（M2）和后頂葉皮層（PPC）在內(nèi)的多個(gè)高級(jí)皮層區(qū)域中。這就引出了一個(gè)核心的科學(xué)問(wèn)題：當(dāng)多個(gè)腦區(qū)共同參與計(jì)時(shí)時(shí)，它們是共享同一個(gè)“全局時(shí)鐘”（協(xié)同模式），還是各自維護(hù)獨(dú)立的“局部時(shí)鐘”（獨(dú)立模式）？

現(xiàn)有的通訊子空間（communication subspace）假說(shuō)認(rèn)為，腦區(qū)間的交互是通過(guò)選擇性的、低維的群體活動(dòng)模式來(lái)實(shí)現(xiàn)的。但在時(shí)間處理上，大腦如何在這兩種計(jì)算模式之間靈活切換，其底層的神經(jīng)動(dòng)力學(xué)機(jī)制仍是未解之謎。此外，現(xiàn)有的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）模型大多局限于單一回路，缺乏對(duì)共享低頻噪聲和稀疏長(zhǎng)程興奮等生物學(xué)約束的考量，難以與真實(shí)的跨腦區(qū)通訊數(shù)據(jù)對(duì)齊。

為了填補(bǔ)這一空白，研究者設(shè)計(jì)了一種全新的“交替間隔任務(wù)”，并結(jié)合大視場(chǎng)雙光子鈣成像技術(shù)與雙RNN計(jì)算模型，試圖揭示M2-PPC網(wǎng)絡(luò)如何在連貫性與獨(dú)立性之間維持微妙的平衡。這項(xiàng)工作不僅沒(méi)有重復(fù)舊有的單腦區(qū)計(jì)時(shí)研究，而是直擊了分布式神經(jīng)網(wǎng)絡(luò)如何兼顧計(jì)算魯棒性與靈活性的研究缺口。

研究核心總結(jié)

本研究通過(guò)精巧的行為學(xué)范式與計(jì)算建模，將額頂網(wǎng)絡(luò)的時(shí)間計(jì)算機(jī)制拆解為以下四個(gè)核心發(fā)現(xiàn)。

一、M2與PPC通過(guò)相似的高維順序活動(dòng)表征時(shí)間

研究者訓(xùn)練小鼠執(zhí)行交替間隔（AI）任務(wù)，要求小鼠在連續(xù)的試驗(yàn)中交替預(yù)測(cè)6秒和12秒的獎(jiǎng)勵(lì)間隔。這意味著小鼠必須根據(jù)前一次的等待時(shí)間來(lái)持續(xù)更新內(nèi)部狀態(tài)。大視場(chǎng)雙光子成像結(jié)果顯示，在小鼠掌握任務(wù)后，M2和PPC的神經(jīng)元群體均展現(xiàn)出了覆蓋整個(gè)時(shí)間間隔的順序激活（sequential activity）模式。

進(jìn)一步的降維與解碼分析表明，M2和PPC在表征流逝時(shí)間時(shí)，依賴(lài)的是分布廣泛、維度較高的群體活動(dòng)子空間，且兩者的表征格式高度相似。將兩個(gè)腦區(qū)的神經(jīng)元混合解碼，并沒(méi)有比單獨(dú)使用某一腦區(qū)獲得更高的準(zhǔn)確率，這暗示兩者的內(nèi)部時(shí)鐘并非完全獨(dú)立，而是存在深度的相互關(guān)聯(lián)。

Fig 1. 交替間隔（AI）任務(wù)的設(shè)計(jì)要求小鼠根據(jù)前一次的等待時(shí)間預(yù)測(cè)下一個(gè)時(shí)間間隔，從而促使大腦持續(xù)更新內(nèi)部狀態(tài)。

Fig 2. 大視場(chǎng)雙光子鈣成像揭示，M2與PPC在任務(wù)中展現(xiàn)出高度相似的神經(jīng)元順序激活模式與時(shí)間編碼比例。

為了探究這兩個(gè)腦區(qū)是如何協(xié)同計(jì)算的，研究者分析了它們?cè)跁r(shí)間解碼上的錯(cuò)誤類(lèi)型。結(jié)果發(fā)現(xiàn)，解碼錯(cuò)誤并非隨機(jī)發(fā)生，而是呈現(xiàn)出兩種截然不同的模式：一種是“獨(dú)立錯(cuò)誤”，即一個(gè)腦區(qū)保持了正確的時(shí)間估計(jì)，而另一個(gè)腦區(qū)出錯(cuò)；另一種是“協(xié)同錯(cuò)誤”，即兩個(gè)腦區(qū)產(chǎn)生了相同的時(shí)間偏差。

令人驚訝的是，在所有測(cè)試的小鼠中，獨(dú)立錯(cuò)誤的發(fā)生率始終高于協(xié)同錯(cuò)誤，且兩者的比例穩(wěn)定維持在約2:1。這一高度保守的比例表明，M2和PPC既沒(méi)有完美同步，也沒(méi)有完全各自為政，而是處于一種中間的平衡態(tài)。

Fig 3. 神經(jīng)數(shù)據(jù)的解碼分析顯示，M2與PPC的計(jì)時(shí)錯(cuò)誤明確分為獨(dú)立錯(cuò)誤與協(xié)同錯(cuò)誤，且獨(dú)立錯(cuò)誤占據(jù)主導(dǎo)地位。

既然M2和PPC之間存在協(xié)同，那么究竟是哪些共享的群體動(dòng)力學(xué)支撐了這種協(xié)調(diào)？研究者開(kāi)發(fā)了一種基于典型成分消融的表征探測(cè)方法（CARP）。

分析揭示了一個(gè)顯著的分離現(xiàn)象：M2和PPC之間共享的最大方差維度（即前幾個(gè)典型成分）主要編碼的是舔水等行為信號(hào)；而真正用于時(shí)間協(xié)調(diào)的信息，則廣泛且均勻地分布在多個(gè)低方差的共享維度中。這意味著，額頂網(wǎng)絡(luò)在共享強(qiáng)烈的行為狀態(tài)波動(dòng)的背景下，依然能夠通過(guò)高維的分布式代碼來(lái)對(duì)齊它們的時(shí)間表征。

Fig 4. CARP分析表明，M2與PPC共享的高方差維度主要被行為信號(hào)占據(jù)，而時(shí)間信息則隱蔽地分布于多個(gè)低方差維度中。

為了從機(jī)制上解釋上述現(xiàn)象，研究者構(gòu)建了一個(gè)包含RNN-A和RNN-B的“雙RNN模型”。該模型僅引入了兩個(gè)關(guān)鍵的生物學(xué)約束：極稀疏的跨網(wǎng)絡(luò)興奮性連接（概率為0.001），以及注入到兩個(gè)網(wǎng)絡(luò)的共享1/f型全局噪聲。

經(jīng)過(guò)訓(xùn)練，該模型不僅完美復(fù)現(xiàn)了實(shí)驗(yàn)中觀察到的2:1錯(cuò)誤比例，還重現(xiàn)了行為與時(shí)間信息在子空間中的分離。通過(guò)雙局部李雅普諾夫指數(shù)（DLIC）分析，研究者發(fā)現(xiàn)：沿著共享噪聲軸的擾動(dòng)會(huì)促使每個(gè)網(wǎng)絡(luò)快速回到自身的局部吸引子，從而引發(fā)“獨(dú)立錯(cuò)誤”；而沿著時(shí)間編碼軸的擾動(dòng)則會(huì)迫使兩個(gè)網(wǎng)絡(luò)重新同步，從而產(chǎn)生“協(xié)同錯(cuò)誤”。

Fig 5. 引入稀疏連接與共享1/f噪聲的雙RNN模型，成功復(fù)現(xiàn)了真實(shí)大腦中額頂網(wǎng)絡(luò)的關(guān)鍵動(dòng)力學(xué)與突觸組織特征。

Fig 6. DLIC分析揭示，耦合強(qiáng)度與擾動(dòng)方向的幾何對(duì)齊關(guān)系，從根本上決定了網(wǎng)絡(luò)是走向獨(dú)立還是協(xié)同。

研究意義

這項(xiàng)研究真正推進(jìn)了我們對(duì)大腦分布式計(jì)算法則的理解。首先，它在理論上提出了一個(gè)統(tǒng)一的動(dòng)力學(xué)框架：大腦并非通過(guò)復(fù)雜的專(zhuān)屬回路來(lái)切換工作模式，而是巧妙利用了“稀疏的長(zhǎng)程連接”（作為同步的源泉）與“廣泛共享的全局噪聲”（作為獨(dú)立的源泉）之間的博弈，實(shí)現(xiàn)了時(shí)間感知中魯棒性與靈活性的共存。

其次，在方法學(xué)上，本研究引入的CARP和DLIC分析方法，為解剖多腦區(qū)群體動(dòng)力學(xué)提供了一套通用且可擴(kuò)展的數(shù)學(xué)工具。這套工具不僅適用于時(shí)間編碼，未來(lái)也可直接用于解析空間導(dǎo)航等其他連續(xù)變量的跨腦區(qū)表征。

最后，這項(xiàng)工作也清晰地界定了研究邊界。雖然M2和PPC在解碼表現(xiàn)上高度一致，但它們的時(shí)間群體代碼在幾何結(jié)構(gòu)上是否完全等價(jià)仍有待驗(yàn)證。同時(shí)，模型中起關(guān)鍵作用的“共享1/f噪聲”在生物學(xué)上很可能源自丘腦的非特異性輸入，這為未來(lái)通過(guò)光遺傳學(xué)操縱丘腦-皮層回路來(lái)人為切換大腦的“獨(dú)立/協(xié)同”計(jì)算模式指明了具體的實(shí)驗(yàn)方向。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專(zhuān)注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

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

每日速遞「深度解讀」與「前沿快訊」

科研是一場(chǎng)探索未知的長(zhǎng)跑，但你無(wú)需獨(dú)行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無(wú)垠前沿。

點(diǎn)擊卡片進(jìn)群，歡迎你的到來(lái)

一鍵關(guān)注，點(diǎn)亮星標(biāo) ? 前沿不走丟！

一鍵分享，讓更多人了解前沿