关于小鼠视觉皮层通用连接规则的功能连接组学研究报告
本研究由来自多个机构的庞大团队合作完成，包括Baylor College of Medicine、Stanford University、Princeton University、Allen Institute for Brain Science、University of Crete等。主要作者为Zhuokun Ding、Paul G. Fahey和Stelios Papadopoulos（共同第一作者），以及Jacob Reimer和Andreas S. Tolias（共同通讯作者）。该研究成果于2025年4月10日发表在顶级学术期刊 Nature 上。
一、 研究背景与目标
本研究属于系统神经科学和计算神经科学的交叉领域，核心目标是揭示大脑神经网络的结构（连接性）与功能（神经元反应特性）之间的根本关系。自卡哈尔提出“神经元学说”以来，理解神经回路如何通过特定连接模式实现复杂计算一直是神经科学的核心挑战。在小鼠初级视觉皮层（V1）中，先前研究已发现具有相似反应特性的兴奋性神经元更倾向于形成突触连接，即“同类相连”（like-to-like connectivity）的初步证据。然而，这种连接规则是否普遍存在于整个视觉层级（包括不同皮层层次和多个视觉脑区），以及其背后的具体组织原则和功能意义，仍然未知。
本研究旨在利用前所未有的毫米尺度、兼具功能成像和突触分辨率结构重建的MICrONS数据集，系统地探究跨越皮层层次和脑区的突触连接与功能特性之间的关系。研究目标包括：1）验证“同类相连”规则是否是小鼠视觉皮层跨层次、跨脑区的普遍连接原则；2）区分神经元功能调谐中“特征”（对什么反应）和“空间”（感受野位置）成分对连接性的独立贡献；3）探索是否存在超越成对“同类相连”的高阶连接组织原则；4）在人工神经网络模型中检验此类连接原则的功能意义。
二、 详细研究流程与方法
本研究流程复杂且高度整合，可概括为以下几个关键步骤：
1. 数据采集与生成：MICrONS数据集构建 研究核心基于一个单一的、庞大的多模态数据集。研究对象为一只表达GCaMP6s的转基因小鼠。研究流程始于大规模的在体功能成像：使用双光子介观显微镜，在小鼠清醒、头固定的状态下，对其右侧视觉皮层一个约1.2 mm x 1.1 mm x 0.5 mm的体积进行扫描，该体积覆盖了初级视觉皮层（V1）以及前外侧区（AL）、外侧内侧区（LM）和吻外侧区（RL）等高阶视觉皮层（HVA）的第2至6层。在成像过程中，向小鼠展示包含自然视频和参数化动态刺激的丰富视觉刺激集，并同步记录约115,372个功能单元（估计代表75,909个独特的兴奋性神经元）的钙信号活动。
功能成像后，对同一块脑组织进行连续切片和电子显微镜（EM）成像，获得了纳米级分辨率的超微结构图像（分辨率4x4x40 nm³）。通过先进的机器学习算法（3D卷积网络）对EM图像进行自动分割、重建神经元三维形态以及检测突触，生成了密集的神经回路连接图。
最后，通过手动匹配和核心配准技术，将功能成像数据中的神经元与EM重建数据中的神经元一一对应起来，从而创建了一个兼具每个神经元功能反应谱和其完整突触连接组信息的“功能连接组”数据集。本分析聚焦于一个约560 x 1100 x 500 μm³的子体积，其中包含148个经过人工校对（proofread）的突触前神经元和4,811个其突触后伙伴神经元。
2. 神经元功能表征：数字孪生模型构建 为了深入、高效地表征神经元的功能特性，研究团队没有局限于传统的、刺激有限的调谐曲线测量，而是训练了一个深度循环神经网络（RNN）作为“数字孪生”（digital twin）。该模型以视觉刺激视频为输入，经过一个共享的卷积循环核心网络处理，最终通过神经元特定的“特征权重”向量和“空间读取位置”来预测每个神经元的反应。模型的训练目标是使其预测与在体记录的神经元反应尽可能一致。经过验证，该模型不仅能高精度复现神经元对训练集外新刺激的反应，还能将每个神经元的调谐分解为两个可解释的成分：特征成分（feature component，即“对什么反应”，由特征权重向量表示）和空间成分（spatial component，即“在哪里反应”，由感受野中心位置表示）。这一分解是本研究的关键创新，使得后续能独立分析这两个成分与连接性的关系。
3. 多层次解剖学对照设计 为了区分不同尺度（轴突轨迹水平 vs. 突触水平）上功能与结构的关系，研究定义了精细的解剖学对照群体。对于每个突触前神经元，研究者识别了三类突触后神经元群体： * 突触后靶细胞：确实接受该突触前神经元至少一个突触输入的神经元。 * 轴-树接近对照：其树突与突触前神经元轴突在5微米“接触范围”内紧密靠近，但并未形成突触连接的神经元。这通过计算“轴-树共行距离”（axon-dendrite co-travel distance, ld）来量化。 * 同区域对照：位于同一皮层区域（V1或HVA），但其树突与突触前轴突没有接近的神经元。 通过比较突触前神经元与这三类群体的功能相似性，可以分离出：1）轴突轨迹水平的选择性（比较“轴-树接近对照”与“同区域对照”）；2）突触水平的选择性（比较“突触后靶细胞”与“轴-树接近对照”）。
4. 数据分析流程 研究采用了一系列统计分析来检验功能相似性与连接性之间的关系。 * 功能相似性度量：主要使用信号相关性（signal correlation），即两个神经元对一系列自然视频反应之间的皮尔逊相关系数，作为功能相似性的综合度量。此外，也使用了数字孪生模型衍生的特征权重相似性（余弦相似度）和感受野中心距离。 * 统计模型：采用广义线性混合模型（GLMM）来评估功能相似性指标对突触连接概率（或轴-树共行距离）的预测能力，同时控制个体突触前神经元的变异。分析按投射类型（V1→V1, HVA→HVA, V1→HVA, HVA→V1）和皮层层次进行。 * 高阶规则检验：为了检验是否存在超越成对连接的规则，研究者构建了一个基于观测到的成对功能-连接关系生成随机连接网络的模型。然后比较实际数据中，共享同一突触前输入的多个突触后神经元之间的功能相似性，是否高于该随机模型预测的水平。 * 人工神经网络验证：训练一个简单的循环神经网络（RNN）完成图像分类任务，分析其训练前后网络内部连接权重与神经元活动信号相关性之间的关系，并进行连接“切除”实验，检验“同类相连”连接对网络功能的重要性。
三、 主要研究结果
1. “同类相连”是跨层次、跨脑区的普遍连接规则 研究发现，无论是在V1内部、HVA内部，还是在V1到HVA的前馈连接或HVA到V1的反馈连接中，信号相关性更高的神经元对都更可能形成突触连接。与“轴-树接近对照”相比，“突触后靶细胞”与突触前神经元的功能相似性显著更高，这表明在轴突已接近的前提下，功能相似性进一步增加了形成突触的概率。这一规则在兴奋性神经元中广泛存在，支持了“同类相连”是视觉层级中一个普遍的组织原则。
2. 轴突水平与突触水平遵循不同的功能组织逻辑 通过多层次对照分析，研究揭示了功能相似性在不同空间尺度上对连接的影响不同： * 在轴突轨迹水平：轴突更倾向于与功能相似（包括特征相似和感受野位置相近）的神经元的树突发生接近和共行。这反映了发育轴突导向或选择性稳定等大尺度机制的影响。 * 在突触形成水平：当控制轴-树接近程度后，只有特征相似性（而非感受野位置相似性）能额外预测突触的形成。具体表现为，特征越相似的神经元对，其单位轴-树共行距离内形成的突触密度越高。此外，特征相似的神经元对之间倾向于形成更大（突触间隙体积更大） 和更多数量的突触。这表明，在精细的突触水平，Hebbian可塑性等机制主要根据神经元对刺激特征的编码相似性（“对什么反应”）来加强和稳定连接，而空间位置（“在哪里反应”）的影响在轴突寻路阶段已基本确定。
3. 发现超越成对连接的高阶组织规则 研究发现，共享同一个突触前输入的多个突触后神经元彼此之间的功能相似性，显著高于仅基于成对“同类相连”规则所预测的水平。这意味着神经元网络的组织存在一种“集群化”倾向：一个突触前神经元倾向于连接一群彼此功能也相似的突触后神经元，而不仅仅是各自与它相似但彼此无关的神经元。这提示了比简单的成对连接更复杂的高阶功能模块化组织原则。
4. 人工神经网络中涌现出相似的连接原则 在训练完成简单分类任务的循环神经网络中，研究者观察到与生物数据相似的现象：训练后，网络中信号相关性高的神经元对之间形成强连接的概率增加（即出现“同类相连”）；并且，共享共同输入的神经元群体内部的功能相似性也高于训练前。更重要的是，切除这些“同类相连”的连接对网络任务性能的损害，显著大于随机切除同等数量的连接。这为生物脑中观察到的“同类相连”规则可能具有重要的计算功能（如促进相似刺激引发相似活动模式、提升网络性能）提供了计算模型层面的证据。
四、 研究结论与意义
本研究通过整合大规模功能成像、密集电子显微镜重建和深度学习建模，系统揭示了小鼠视觉皮层兴奋性神经元连接的基本规则。主要结论是：“同类相连”是基于特征相似性的普遍连接原则，它广泛存在于皮层内和跨脑区的连接中，并体现在从轴突寻路到突触形成的多个空间尺度。然而，特征和空间信息在不同尺度上贡献不同：轴突轨迹同时受两者影响，而突触特异性则主要由特征相似性驱动。此外，网络组织存在超越成对连接的高阶集群化原则。
这项研究的科学价值在于：1）首次在毫米尺度、跨多个脑区和层次上系统验证并扩展了“同类相连”假说；2）创新性地将神经元调谐分解为特征和空间成分，并揭示了它们在连接组组织中的不同作用，深化了对结构-功能关系的理解；3）通过引入“轴-树接近对照”这一严格对照，成功区分了不同生物机制（如轴突导向 vs. 突触可塑性）的可能贡献；4）结合生物数据与计算模型，为这类连接规则的计算功能重要性提供了有力支持，暗示了生物与人工智能系统可能共享某些基本的网络组织原则。
五、 研究亮点与创新
六、 其他有价值的内容
研究也讨论了当前工作的局限性，例如EM重建可能因校对不完全或体积边界截断而不完整，可能导致漏检一些真实连接，使得观测到的“同类相连”效应是保守估计。此外，数字孪生模型虽然预测性能优异，但其内部表征（如读取位置）与经典方法（如 spike-triggered average）的差异需要谨慎解读。作者展望，随着MICrONS数据集中校对和注释的神经元越来越多，未来将能分析更复杂的连接模体（motif）与功能特性、形态学特征之间的关系。该数据集及其“数字孪生”将成为神经科学界深入研究脑结构与功能关系的宝贵资源。