关于灵长类皮层大规模回路模型中区域间平衡放大增强信号传播的研究报告

本研究由美国纽约大学神经科学中心的Madhura R. Joglekar、Jorge F. Mejias、Guangyu Robert Yang以及王晓京（Xiao-Jing Wang）教授（通讯作者）领导完成，并于2018年4月4日发表于国际知名神经科学期刊 Neuron 上（Joglekar et al., 2018, Neuron 98, 222–234）。

一、 研究背景与目的

本研究隶属于计算神经科学与系统神经科学的交叉领域。其核心科学问题是：在一个具有复杂、异构连接的大脑皮层大规模网络中，信号如何能够稳定、可靠地从一个脑区传播到另一个脑区，尤其是在存在大量长程反馈连接的情况下。

传统上，研究信号传播的模型通常采用简单的、分层的、前馈式网络架构，并假设各层或各脑区是相似且连接权重均一的。然而，近年的解剖学研究表明，灵长类动物皮层区域间的连接网络是高度复杂和循环的，大约一半的连接属于反馈投射，且连接权重跨越数个数量级。这种复杂的网络结构，特别是强大的长程兴奋性反馈环路，对信号的稳定传播构成了严峻挑战：信号在传播过程中要么过度衰减而消失，要么因反馈回路产生回声放大而导致整个网络系统失稳。因此，在基于真实解剖数据构建的生物逼真度更高的大规模皮层模型中，理解并实现可靠的信号传播成为一个亟待解决的关键问题。

本研究的目的是重新审视皮层信号传播这一经典问题，利用基于猕猴皮层介观连接组学数据构建的大规模回路模型，探索一种能够在维持系统动态稳定性的前提下，有效增强跨区域信号传播的生物可行机制。研究者旨在将局部回路中已知的“平衡放大”机制推广到大规模系统中，并验证其在多种模型（包括群体发放率模型和脉冲神经网络模型）中的有效性。此外，研究还试图探索该机制与意识处理的“点燃”模型之间的潜在联系。

二、 研究流程与方法

本研究包含一系列紧密相连的计算建模与模拟分析流程，主要可分为三个核心部分：

1. 模型构建与问题阐述： 研究首先基于Markov等人（2014a）发表的猕猴皮层29个广泛分布脑区的有向加权连接数据，构建了一个大规模皮层网络模型。该模型最初采用了Chaudhuri等人（2015）开发的群体发放率模型框架。每个脑区被建模为一个包含兴奋性和抑制性两个群体的局部阈值线性递归网络。模型引入了跨区域的异质性，例如，根据皮层神经元树突棘数量随脑区层级升高而增加的现象，设定了兴奋性连接强度沿层级递增的梯度。长程的跨区域投射强度由解剖学测得的标记神经元比例数据决定，并通过全局耦合参数进行缩放。

在此模型上，研究者首先演示了信号传播的困境：当向初级视觉皮层施加一个输入脉冲时，信号在向高级皮层（如前额叶皮层）传播过程中，要么发生极端的衰减（当全局兴奋性耦合参数 mee 较小时），要么系统迅速变得不稳定，活动指数级增长（当 mee 略为增大时）。这种“非此即彼”的尖锐转变被证明主要是由模型中包含的、源自真实解剖数据的、强大的长程兴奋性反馈环路所导致的。当移除这些反馈连接后，信号传播从弱到强的过渡变得平滑。这证实了在包含真实反馈架构的生物模型中，实现稳定信号传播的挑战性。

2. 核心机制提出与验证（平衡放大的扩展）： 为解决上述困境，研究者提出了一个核心机制：全局平衡放大。该机制灵感来源于局部抑制稳定网络中已知的“平衡放大”现象。在局部回路中，强循环兴奋性连接倾向于驱动网络活动失稳，但通过同样强大的局部反馈抑制作用可以将其稳定下来，这种配置导致网络对短暂输入产生瞬态放大响应，之后再衰减回基线。

研究者将这一原理扩展到大尺度系统。他们提出，通过同时增强长程兴奋性耦合（增大 *mee*）并成比例地增强局部抑制性对兴奋性的反馈强度（增大 *wei*），可以在不引发整体失稳的前提下，显著提升信号在整个皮层网络中的传播效率。这种“强长程兴奋性投射 + 强局部抑制性稳定”的组合，被定义为“全局平衡放大”。研究者通过系统性地调整这两个参数，在群体发放率模型中证实，GBA机制能够使信号传播比（例如，高级脑区与前级脑区峰值发放率之比）平滑地提升高达两个数量级，从而成功避免了单纯增强兴奋性连接所导致的不稳定区。

为了验证该机制的普适性，研究者在两个更复杂的模型中进行了测试： * 分层结构模型： 使用了Mejias等人（2016）提出的包含皮层浅层和深层特异性连接模式的分层模型。结果显示，GBA机制同样能在此模型中有效改善信号传播。 * 大规模脉冲神经网络模型： 为了研究更接近生物现实的脉冲活动传播，研究者构建了一个包含29个脑区的大规模脉冲网络。每个脑区包含1600个兴奋性神经元和400个抑制性神经元，采用积分发放模型。跨区域连接基于相同的解剖数据，并引入了由脑区间布线距离决定的传导延迟。在此模型中，研究者分别考察了异步传播（通过施加长时程输入脉冲）和同步传播（通过施加短暂输入脉冲，并调整连接强度以诱导群体同步）两种模式。结果表明，GBA机制在两种传播模式下均能显著促进信号向高级联合皮层和前额叶皮层的传播。例如，在异步模式下，弱GBA时信号主要局限于腹侧视觉通路；而强GBA时，信号能有效传播到背外侧前额叶皮层、额极皮层等高级认知区域。

3. 机制应用与现象关联分析： 在成功实现有效信号传播的脉冲网络模型基础上，研究者探索了其与意识研究中“全局点燃”现象的关联。他们系统地改变输入到V1的刺激强度，并监测不同脑叶（枕叶、颞叶、顶叶、额叶）的活动响应。结果发现，随着输入强度的增加，各脑叶的激活呈现出一种阈值依赖的、顺序性的模式：低强度输入仅激活枕叶（类似于潜意识处理）；中等强度激活扩展到颞叶和顶叶；只有当输入强度超过一个特定阈值时，前额叶皮层才会被广泛激活，形成一种类似“全局点燃”的分布式活动模式。这一现象与Dehaene等人提出的意识处理模型相一致。

为了探究其成因，研究者进行了两个关键的对照模拟： * 移除反馈连接： 当删除模型中所有的反馈投射后，即使输入强度很高，前额叶活动也无法被有效激活，活动被限制在感觉和腹侧通路区域，类似于“前意识”处理状态。这凸显了反馈连接在实现全局性、高水平皮层激活中的必要性。 * 随机重排连接权重： 在保持网络拓扑结构不变的情况下，随机打乱脑区间的连接权重。结果发现，输入强度的阈值效应消失，各脑叶的活动曲线变得相似。这表明，定量的、非随机的解剖连接结构（而不仅仅是拓扑结构或异质性）对于产生所观察到的脑叶特异性激活序列和阈值现象至关重要。

三、 主要研究结果

1. 揭示了真实皮层网络中信号传播的固有挑战： 在基于真实解剖连接的大规模皮层模型中，长程兴奋性反馈环路的存在使得系统在信号传播的“强衰减”和“不稳定”两种状态之间仅存在一个非常狭窄的参数窗口，这解释了为何在生物逼真模型中实现稳定传播如此困难。
2. 提出并验证了“全局平衡放大”机制： 研究表明，通过协同增强长程兴奋性耦合与局部反馈抑制，可以有效地在大规模网络中实现信号的稳健传播。这一机制在群体发放率模型、分层模型和脉冲网络模型中均得到证实，能将信号传播效率提升高达100倍。
3. 阐明了GBA机制的数学基础： 该机制的有效性与网络连接矩阵的“非正态性”增加相关。非正态矩阵的特征向量不正交，使得系统能够产生瞬态放大而非单纯的指数增长或衰减，这为平衡放大提供了数学解释。
4. 在脉冲网络中实现了两种传播模式： 研究展示了GBA机制既能支持基于速率的异步传播，也能支持基于同步脉冲包的同步传播，表明该机制适用于皮层信息传递的不同动力学模式。
5. 发现了腹侧通路传播的优势： 模拟结果显示，信号在腹侧视觉通路（如V1-V2-V4-TEO-TEpd）的传播比在背侧通路更有效。分析表明，这是因为解剖数据中腹侧通路区域间的连接强度显著强于平均水平，这为实验验证提供了一个可检验的预测。
6. 将模型动态与意识“点燃”理论相关联： 研究发现，前额叶皮层的激活需要输入强度超过一个阈值，这与意识感知的全局点燃模型一致。该现象依赖于完整的、定量的反馈连接结构，而非随机连接。
7. 预测了信号传播的潜伏期模式： 对于同步传播，模型的响应潜伏期与一个基于解剖连接权重阈值化和最短路径计算的简化模型预测高度吻合，表明传播速度主要由最强的解剖连接和物理距离决定。

四、 研究结论与意义

本研究得出结论：“全局平衡放大”——即强长程兴奋性投射与强局部抑制性稳定相结合——是一种能够在大规模、解剖学上受约束的灵长类皮层回路模型中实现可靠信号传播的基本电路基序。 这一机制解决了信号传播所需足够强的兴奋性与网络稳定性之间的根本矛盾。

其科学价值在于： * 理论创新： 它将局部回路的“平衡放大”概念成功扩展到了多区域、大规模系统，为解决复杂脑网络中的信息流控制问题提供了一个普适性的动力学原理。 * 模型验证： 研究在多种不同复杂程度的计算模型（从简化率模型到具有分层结构和脉冲动力学的复杂模型）中验证了该机制的有效性和鲁棒性，增强了结论的说服力。 * 桥梁作用： 它将微观的电路机制（兴奋/抑制平衡）、介观的解剖连接组学与宏观的系统水平现象（跨脑区信号传播、可能的意识相关动态）联系了起来。 * 预测功能： 研究提出了可实验检验的预测，例如腹侧通路相对于背侧通路的传播优势，以及前额叶激活的输入阈值特性。 * 平台价值： 所构建和验证的大规模模型为未来研究更广泛的皮层动力学问题（如多模态整合、注意、工作记忆等）提供了一个解剖学上现实的计算平台。

五、 研究亮点

1. 问题的重要性与挑战性： 直接针对基于真实生物数据的复杂大脑网络模型中的核心动力学难题——可靠信号传播。
2. 机制的简洁性与普适性： 提出的“全局平衡放大”机制原理清晰，源于已知的局部微电路特性，并被证明适用于多种模型架构和传播模式。
3. 多模型交叉验证： 从简单的群体模型到包含分层结构和脉冲神经元的复杂模型，系统性地验证了核心假设，增强了研究的深度和广度。
4. 连接组学与动力学的结合： 紧密整合了最新的介观连接组学数据与理论动力学分析，展示了如何用连接数据约束模型，并用模型揭示连接结构的功能意义。
5. 与高层认知理论的关联： 成功地将底层回路机制与高层次的认知理论（意识处理的全局点燃模型）联系起来，为理解意识的神经基础提供了具体的电路动力学解释。
6. 强调定量连接的重要性： 研究通过“权重重排”对照实验，强有力地证明了连接权重的精确定量模式（而不仅仅是连接的有无或拓扑）对于产生特定的系统水平动态（如阈值激活）是至关重要的。这为未来连接组学研究指明了超越拓扑分析、深入定量分析的方向。

六、 其他有价值的内容

研究在讨论部分还展望了未来方向，包括：将模型扩展到多感官模态输入；考虑NMDA受体在自上而下投射中的特殊作用可能如何影响点燃现象；探索其他可能改善传播的机制（如调节局部兴奋-抑制平衡）；以及指出当前模型的局限性，例如未考虑背侧通路中可能存在的更快传导速度（如更粗的髓鞘化轴突），这可能是模型预测的腹侧通路传播更快与部分实验观察不一致的原因。研究者还提出，该机制可能对构建具有兴奋-抑制结构的、需要进行深度信息处理的人工神经网络具有启发意义。