本研究题为“运动皮层中准备期与运动期群体响应的重组”（Reorganization between preparatory and movement population responses in motor cortex），由Gamaleldin F. Elsayed、Antonio H. Lara、Matthew T. Kaufman、Mark M. Churchland和John P. Cunningham等人合作完成，并于2016年10月27日发表在《自然·通讯》（Nature Communications）期刊上。研究人员主要来自美国哥伦比亚大学的神经科学中心、理论神经科学中心、统计系、David Mahoney大脑与行为研究中心以及Kavli脑科学研究所，部分合作者来自冷泉港实验室。本研究聚焦于运动皮层在控制延迟伸展任务中如何在不同时间执行不同计算的神经群体机制，揭示了一种新颖的“正交但相关联”的群体计算策略。

学术背景： 研究的科学领域属于系统神经科学与计算神经科学，特别是运动控制的神经机制。大脑面临的一个核心挑战是如何使用固定的神经回路在不同的时间执行不同的计算。一个典型例子是延迟伸展任务：同一群运动皮层神经元参与两个阶段——准备阶段（编码目标信息、规划运动）和运动阶段（生成肌肉活动、执行运动）。虽然单神经元水平上观察到响应属性（如方向调谐）在这两个阶段会发生复杂变化，但大量证据表明准备期和运动期的活动是存在关联的。然而，在神经群体水平上，这两种计算是如何被组织和关联的，其背后的群体策略尚不清楚。现有的运动皮层模型（如动力学系统模型、神经网络模型）大多假设准备期活动与运动期活动共享一个神经活动空间（即重叠策略），或者假设两者是独立的。本研究旨在探索是否存在其他群体策略，并澄清运动皮层实际采用的策略。研究的目标是确定运动皮层在准备期和运动期的群体活动是独立的、重叠的还是“正交但相关联的”，并揭示这种群体结构对理解神经计算和神经相关性的意义。

详细研究流程： 本研究流程清晰，主要包含以下步骤： 1. 实验任务与数据采集：研究训练了两只恒河猴执行中心向外延迟伸展任务。任务开始时，猴子触碰中心点，短暂保持后，屏幕上八个径向位置之一会出现目标。经过一个可变延迟期（0-1000毫秒）后，“开始”指令发出，猴子需向目标伸展手臂。研究人员记录了来自初级运动皮层（M1）和背侧前运动皮层（PMd）的单个神经元活动（猴B：127个神经元；猴A：98个神经元）。此外，还采集了多块上肢肌肉的肌电图（EMG）活动以监测运动输出。神经元放电率通过高斯核平滑尖峰序列并跨试次平均获得。 2. 数据处理与时期定义：研究定义了两个关键分析时期：准备期为靶点出现后150毫秒开始的300毫秒窗口；运动期为运动开始前50毫秒开始的300毫秒窗口。对于群体分析，研究人员对神经元活动进行了软归一化和在每个时间点进行均值中心化预处理，以关注跨条件的响应模式变化。 3. 单神经元与相关性初步分析：首先展示了示例神经元在准备期和运动期响应模式的复杂性，发现同一神经元在两个时期的调谐差异很大。接着，计算了所有神经元在准备期和运动期的跨条件相关性矩阵（Cross-condition correlation matrix），并比较了两者。为了排除相关性结构变化是由不同神经元子集活动导致的，研究人员计算了每个神经元的“时期偏好指数”（epoch-preference index），检验其分布是否为双峰（即存在专属于准备期或运动期的神经元亚群）。 4. 子空间正交性分析：这是研究的核心分析。为了量化准备期和运动期群体活动占据的神经空间的几何关系，研究人员分别对两个时期的群体响应数据矩阵进行了主成分分析（PCA），得到准备期主成分（prep-PCs）和运动期主成分（move-PCs）。他们评估了准备期主成分能够解释的运动期数据方差比例，以及运动期主成分能够解释的准备期数据方差比例。为了量化两个子空间的重叠程度，定义了一个“对齐指数”（alignment index），即运动期主成分所捕获的准备期数据方差与准备期主成分所捕获的准备期数据方差的比值。指数为0表示完全正交，为1表示完全重叠。为了评估观察到的正交性是否强于随机预期，研究人员基于所有时间点的神经数据协方差结构，通过蒙特卡洛方法生成了随机子空间的对齐指数分布作为基线。 5. 分离准备与运动子空间：由于发现两个子空间近乎正交，研究人员开发了一种新的降维优化方法，旨在同时识别出两个完全正交的基底集：一个用于定义准备子空间，另一个用于定义运动子空间。该方法的目标函数是最大化准备期数据在准备子空间的方差与运动期数据在运动子空间的方差之和，并施加两个子空间基底相互正交的约束。这样，可以通过线性投影将混合的群体活动清晰地分离开。 6. 神经轨迹与动力学分析：将神经群体活动分别投影到识别出的准备子空间和运动子空间，观察在任务关键事件（靶点出现、“开始”指令、运动开始）前后，神经状态轨迹在这两个正交空间中的演化。这直观展示了活动如何从一个子空间“流动”到另一个子空间。 7. 预测性关联分析：尽管子空间正交，但研究测试了准备期和运动期活动模式之间是否存在可预测的关联。使用简单的线性解码器，用准备期末期（靶点出现后450毫秒）在准备子空间的神经状态，来预测运动期中期（运动开始后100毫秒）在运动子空间的神经状态，并通过留一交叉验证评估预测的泛化能力。 8. 模型比较与构建：研究对比了四种已有的运动皮层模型（编码模型、发生器模型、非正态循环神经网络RNN1、正则化循环神经网络RNN2）产生的模拟数据，检验它们是否能复现观察到的正交性。此外，为了解释正交但相关联的现象，研究人员构建了一个简化的“前馈发生器模型”（feed-forward generator model）。该模型包含两个正交的潜在动态子空间（准备和运动），准备子空间是一个漏积分器，运动子空间是一个振荡器。在运动开始时，通过一个“门控”的前馈连接，将准备子空间的状态传递给运动子空间，作为后者动态的初始条件。

主要结果： 1. 相关性结构发生根本性改变：两个猴子的数据显示，准备期和运动期的神经元跨条件相关性矩阵存在巨大差异。一个神经元对在准备期的高度相关性，并不能预测它们在运动期的相关性程度（相关性矩阵条目间的R²很低）。这初步否定了两个时期使用相同群体结构的假设。 2. 不存在独立的神经元亚群：时期偏好指数的分布呈单峰且峰值在零附近，表明大多数神经元在两个时期都有活动，没有证据支持存在专门负责准备或专门负责运动的离散神经元类别。因此，子空间的变化是群体整体性质的改变，而非不同亚群激活所致。 3. 准备期与运动期子空间近乎正交：PCA分析显示，前十个准备期主成分捕获了大量准备期方差，但几乎捕获不到运动期方差；反之亦然。计算得到的对齐指数非常接近于零，显著低于基于数据协方差随机抽样子空间的基线分布。这意味着准备期和运动期的群体活动探索的是几乎完全正交的神经维度集合。这一发现与所有测试的现有模型（包括利用输出无效空间的模型）的预测均不符，这些模型产生的对齐指数显著更高，表明它们假设了重叠的子空间。 4. 成功分离正交子空间：使用新开发的优化方法，成功识别出相互正交的准备子空间和运动子空间基底。将神经活动投影到这两个子空间后，结果显示：准备子空间的活动在准备期表现出条件间差异，但在运动期保持静止且无差异；而运动子空间的活动在准备期几乎没有变化，在运动期则表现出显著的条件间差异和旋转动力学。这一清晰的分离直接证实了子空间的正交性，并且使得分别研究两个计算成为可能。 5. 神经轨迹显示有序的状态转移：分析神经轨迹在由准备和运动子空间维度共同张成的状态空间中的演化，发现了一个有序的过渡过程。在准备期末期，神经状态在准备子空间维度上分离，而在运动子空间维度上集中。接近运动开始时，状态开始离开准备子空间，并有序地“流入”运动子空间，条件间的顺序关系被保留下来。 6. 准备期活动可预测运动期活动：线性回归分析表明，尽管子空间正交，但准备期末期在准备子空间的神经状态能够高度准确地预测运动期中期在运动子空间的神经状态（R² > 0.95），且这一关系在交叉验证中泛化良好。这证明了两个计算是“相关联的”。 7. 简化模型复现关键特征：构建的前馈发生器模型能够复现单神经元响应的复杂性、子空间的正交性、以及准备期到运动期活动模式的高预测性关联。该模型展示了通过一个门控的前馈机制，信息可以从一个子空间传递到一个正交的子空间，从而链接两个不同的计算。

结论与意义： 本研究的主要结论是：运动皮层在执行顺序的（准备与运动）计算时，采用了一种“正交但相关联”的群体策略。准备期和运动期的神经活动占据几乎正交的子空间，导致神经元间的相关性结构在这两个时期发生彻底重组。这意味着同一神经元群体在不同的时刻，如同两个具有不同属性的独立电路在工作。然而，这种正交性并不妨碍两个计算之间的功能链接。通过一个动态的过渡过程，准备期子空间中建立的状态信息可以被有序地传递到运动期子空间，从而决定后续运动动力学的特征。

研究的科学价值在于： * 理论价值：揭示了一种之前未被充分考虑的运动皮层群体计算策略，对现有的运动控制理论模型（尤其是基于重叠子空间或输出无效空间的模型）提出了挑战，指明了未来模型需要解释的新颖特征——即子空间的完全切换。 * 方法论价值：提供了一种分析和理解神经群体响应复杂性的新框架。研究指出，单神经元水平的响应复杂性（调谐变化）本身并不能区分不同的群体策略，必须从群体几何结构入手。所开发的识别正交子空间的方法，为在其他脑区分离混合但正交的神经表征或计算提供了有力工具。 * 对神经相关性解释的启示：研究结果表明，神经元间的功能协作（反映在相关性上）并非电路固有的静态属性，而是高度依赖于当前正在执行的计算，并且可以在毫秒级时间内发生彻底改变。这提醒研究人员在解释神经相关性时需要结合具体的计算情境。 * 更广泛的启示：“正交但相关联”的策略可能是一种通用的神经计算原理，用于支持同一脑区在不同情境下灵活执行不同但相关的任务。这为理解前额叶、顶叶等其他表现出复杂、情境依赖性响应的脑区提供了新的思路。

研究亮点： 1. 重要发现：首次在运动皮层实验数据中明确证实了准备期与运动期群体活动占据近乎正交的子空间，同时两者之间又存在高度可预测的、有序的功能链接。这一发现整合并超越了以往关于“独立性”或“重叠性”的争论。 2. 方法新颖性：创造性地结合了PCA、相关性分析、蒙特卡洛基线检验以及新颖的优化算法来量化和验证子空间的正交性，并发展出能够分离正交子空间的计算方法。 3. 理论挑战性：研究结果与多个主流运动皮层模型的核心预测相悖，为推动发展新一代能够解释子空间切换的神经网络或动力学模型提供了关键的实验依据和目标。 4. 系统性与严谨性：研究流程完整，从行为任务、电生理记录到多层次的数据分析（单神经元、相关性、子空间几何、动力学轨迹、模型比较与构建），逻辑链条严密，结论证据充分，并在两只猴子和历史数据集上验证了结果的稳健性。

其他有价值内容： 研究在讨论部分进一步探讨了“正交但相关联”策略的潜在机制和优势。作者推测，这种策略可能提供了更大的计算灵活性和可学习性，不同的子空间可以具备适合不同计算的动力学特性。这类似于大型循环神经网络中，可以通过招募储备池（reservoir）中不同的正交组件来执行不同的计算。此外，研究也指出这种策略可能不仅限于运动皮层，在需要灵活切换计算的其它脑区（如决策相关的顶叶皮层）也可能存在。这为未来在更广泛的认知领域检验这一群体计算原理开辟了道路。