关于《感官冲突下海马体神经集群的梯度重映射》研究的学术报告

本报告旨在介绍由Dustin Fetterhoff、Andrey Sobolev和Christian Leibold共同完成，并于2021年9月14日发表在《Cell Reports》期刊上的一项原创性研究。该研究深入探讨了海马体（hippocampus）位置细胞（place cells）如何在感官信息发生冲突时整合并编码空间信息，提出了“梯度重映射（graded remapping）”的新概念，为理解海马体认知地图（cognitive map）的动态构建机制提供了新的视角。

一、 研究团队与发表信息 * 主要作者：Dustin Fetterhoff, Andrey Sobolev, Christian Leibold * 所属机构：德国慕尼黑大学（Ludwig-Maximilians-Universität München）生物学II系；慕尼黑伯恩斯坦计算神经科学中心（Bernstein Center for Computational Neuroscience Munich） * 通讯作者：Dustin Fetterhoff * 发表期刊：Cell Reports * 发表时间：2021年9月14日 * 文章类型：原创研究论文（Article），开放获取（Open Access）

二、 学术背景与研究目的 本研究属于系统神经科学与认知神经科学领域，聚焦于海马体空间编码的神经机制。海马体中的位置细胞被认为构成了动物对外部环境的“认知地图”，其活动整合了多种感官输入（如视觉地标、自身运动线索等）。当环境线索发生变化时，位置细胞的活动模式会发生改变，这一过程被称为“重映射（remapping）”。传统上，重映射被分为几类：全局重映射（global remapping，位置场完全改变）、部分重映射（partial remapping，部分细胞改变）和速率重映射（rate remapping，相同位置场的放电频率改变）。然而，先前关于线索冲突（例如改变环境几何形状或视觉地标）如何引发重映射的研究结果存在不一致之处，有的报告了全局重映射，有的则报告了部分重映射。这种复杂性使得学界难以形成一个统一的理论框架。

本研究旨在解决这一争议。研究者提出，当动物面临冲突的感官信息（自身运动线索与视觉地标线索不匹配）时，海马体神经集群的重映射可能不是离散的、非此即彼的模式切换，而是一个连续的、渐变的“梯度”过程。他们假设，海马体神经表征的相似性会随着冲突线索的出现和组合方式而平滑变化。为了验证这一假说，研究团队设计了一个精巧的虚拟现实（Virtual Reality, VR）实验，通过精确控制并独立操纵自身运动线索和视觉线索，来探究海马体CA1区神经元群体在感官冲突下的动态响应模式。

三、 详细研究流程与方法 本研究采用了在体多通道电生理记录技术，结合定制的虚拟现实行为学范式，对蒙古沙鼠（Mongolian gerbils）的海马体CA1区神经元活动进行了记录与分析。具体流程如下：

1. 实验动物与准备：研究使用了6只成年雄性蒙古沙鼠。选择沙鼠是因为它们具有优于其他啮齿类动物的日间视觉能力，且能基于对比度、颜色和亮度做出决策，适合视觉线索相关的VR研究。动物在手术植入微驱动电极阵列（包含8根可独立移动的四极丝）至海马体CA1区后，进行恢复和训练。

2. 虚拟现实系统与行为范式：研究使用了一个允许动物在球面跑步机上自由旋转360度的VR系统。动物佩戴头戴式装置，其腿部运动驱动球体旋转，从而控制其在虚拟环境中的前进。虚拟迷宫投影在环绕的屏幕上。

   • 迷宫设计：虚拟迷宫由三条直线走廊和两个45度弯道组成。关键设计在于，动物在弯道内无法看到下一段走廊的视觉图像（墙壁为纯白色），这分离了自身运动（转弯动作）线索和视觉地标线索的呈现时机。
   • 线索设置与冲突引入：
     • 训练阶段：动物只接触两种“原始”迷宫类型：“R型”（两个右转弯，配以图像集[斑马、星星、靶心]）和“L型”（两个左转弯，配以图像集[新月、金字塔、树叶]）。
     • 测试阶段：在电极定位到CA1区后，引入两种“交换”迷宫类型：“R*型”和“L*型”。交换迷宫在第一个走廊保持与对应原始迷宫相同的图像和弯道方向，但在中间和最后一个走廊，交换了视觉图像（例如，R*型迷宫具有R型的右转弯和第一个走廊图像，但中间和最后走廊的图像来自L型迷宫）。这样就创造了感官冲突：动物基于第一个走廊的图像和弯道类型所预期的后续视觉场景与实际经历不符。
   • 行为任务：动物被训练从迷宫起点跑向终点的绿色目标门以获取奖励。每次测试会话包含40次试验，前20次为原始迷宫（R或L），后20次为交换迷宫（R*或L*），顺序随机。

3. 电生理记录与数据处理：在动物执行VR任务时，使用Neuralynx系统记录CA1区神经元的细胞外动作电位（锋电位）。采集到的信号经过滤波、放大和数字化。

   • 锋电位分选（Spike Sorting）：使用KlustaKwik软件进行自动聚类，并利用Klusters软件进行手动校正，以分离出单个神经元的活动。只将锋峰比率大于1.5且平均放电频率低于5 Hz的神经元认定为可能的锥体神经元（位置细胞）并纳入后续分析。
   • 位置场（Place Field）检测：根据动物的虚拟位置和神经元的放电活动，为每种迷宫类型（R, L, R*, L*）构建平滑后的放电率地图。位置场被定义为连续的空间区域，其放电率超过特定阈值（最低80%分位数均值之上2.5个标准差），且宽度至少为4个空间箱（约31.6厘米）。

4. 数据分析工作流程：

   • 单神经元响应分类：根据神经元在五种迷宫分段（三个走廊+两个弯道）中，于不同迷宫类型下是否出现位置场峰值，将其响应分类为：“单一迷宫型”、“弯道类型型”（在相同转弯方向的迷宫中放电，如R和R*）、“图像型”（在具有相同图像组合的迷宫中放电，如R和L*）、“原始/交换型”以及具有三或四个峰值的类型。此分类用于定性描述重映射模式。
   • 速率重映射分析：对于被分类为“单一迷宫型”的神经元，将其在某个迷宫中的峰值放电率与在其他迷宫相同位置周边区域的平均放电率进行相关性分析，并计算“放电率重叠（firing rate overlap）”指标，以量化速率重映射的程度，并比较相同弯道类型与相同图像组合之间的差异。
   • 群体活动分析：
     • 最大似然估计（Maximum Likelihood Estimation, MLE）：利用所有同时记录的活动神经元的放电模式，构建不同迷宫类型的群体活动模板。通过MLE方法，根据神经群体活动模式来解码动物当前所处的迷宫类型，评估群体表征对迷宫类型的区分能力。
     • 群体向量相关性（Population Vector Correlation）：计算在不同空间位置上，不同迷宫类型之间神经元群体活动向量（即所有神经元在该位置的放电率组成的向量）的相关系数。通过追踪相关性随动物在迷宫中位置的变化，可以直观展示群体表征相似性如何动态地、渐进地（即“梯度地”）改变。

四、 主要研究结果 研究结果从单神经元和神经群体两个层面，系统地揭示了海马体CA1区在感官冲突下的编码特性。

1. 单神经元水平的异质性响应：对位置细胞的分类分析显示，海马体神经元对空间和视觉线索的编码是异质且复杂的。

   • 自身运动线索占主导：大量神经元表现出“弯道类型型”选择性，即在具有相同转弯方向（左或右）的迷宫中，无论视觉图像如何，都在相同位置放电。这表明自身运动（前庭、本体感觉、光流）信息在海马体神经元中得到强烈表征。
   • 视觉线索选择性神经元存在但比例较小：一部分神经元表现出“图像型”选择性，即在具有相同图像组合的迷宫中放电，而不论弯道方向。这类神经元主要出现在图像被交换的中间和最后走廊，尤其是在接近奖励位置的最后走廊。这表明，尽管任务不要求动物区分图像，海马体仍能编码视觉地标信息，并将其与空间位置关联。
   • 存在大量“单一迷宫型”响应：许多神经元只在四种迷宫类型中的一种里表现出位置场，这暗示了可能存在全局重映射。然而，进一步的速率重映射分析揭示，这些“单一迷宫型”神经元的放电率在具有相同弯道类型的迷宫之间仍存在显著相关性，且放电率重叠度更高。这意味着，看似“全局”重映射的神经元，实际上也编码了共享的弯道类型信息，体现了速率重映射。

2. 速率重映射的普遍存在：分析表明，速率重映射广泛存在。不仅“单一迷宫型”神经元在相同弯道类型的迷宫间表现出放电率相关性，“弯道类型型”神经元在相同弯道类型的迷宫间放电率重叠度显著高于在相同图像组合的迷宫间；反之，“图像型”神经元在相同图像组合的迷宫间放电率重叠度更高。这证明，单个神经元通过调整其放电率，同时编码了多种环境特征（弯道类型和图像身份）的组合信息。

3. 神经群体水平的梯度重映射：这是本研究最核心的发现。

   • MLE解码：即使在没有感官差异的第一个走廊，神经群体的活动模式也能以高于偶然的水平解码出动物所处的迷宫类型（是R/L还是R*/L*）。当排除完全匹配的模板后，解码器最常选择具有相同弯道类型的迷宫。这证实了弯道类型信息在群体表征中的主导地位，并且暗示了在感官冲突引入前，海马体已根据任务结构（原始块 vs. 交换块）形成了不同的预期或“状态”。
   • 群体向量相关性动态变化：这一分析清晰地展示了“梯度重映射”的过程。在迷宫起始部分（第一个走廊和弯道），相同弯道类型的迷宫（如R与R*）其群体活动高度相似。当动物进入中间走廊并首次遭遇冲突的视觉图像时，相同弯道类型迷宫间的群体活动相关性开始下降，而具有相同图像组合的迷宫（如R与L*）间的相关性则相对上升。在第二个弯道（无视觉线索），相关性模式又向弯道类型主导回归。在最后一个走廊（再次出现图像冲突），相同弯道类型迷宫间的相关性进一步下降，相同图像组合迷宫间的相关性则变得更为明显。这种群体表征相似性随着动物在迷宫中行进、遭遇不同线索组合而平滑、连续地变化，正是“梯度重映射”的直接证据。即使移除所有被分类为“图像型”的神经元，这种梯度变化模式依然存在，说明这是整个CA1神经群体的涌现特性，而非少数特异性神经元驱动。

4. 控制实验验证：研究者进行了多项控制分析，排除了时间漂移（temporal drift）或个体差异作为主要解释因素的可能性。模拟交换分析（假设原始迷宫的后半段为交换迷宫）显示，在没有实际图像交换的情况下，相同弯道类型迷宫间的相关性在整个迷宫中始终保持高位。个体动物分析也确认了主要结果的可重复性（尽管有一只动物表现出较弱的图像编码）。

五、 研究结论与意义 本研究得出结论：当面临冲突的感官信息（自身运动线索与视觉地标线索不匹配）时，海马体CA1区的神经集群并非简单地、整体性地在两个完全不同的表征状态之间切换（即全局重映射），而是进行一种连续的、渐变的“梯度重映射”。这种重映射融合了单个神经元水平的速率重映射和部分重映射，在群体水平上表现为表征相似性随线索组合的变化而平滑过渡。

科学价值： 1. 统一理论框架：研究提出了“梯度重映射”的概念，为调和以往关于重映射模式（全局 vs. 部分）不一致的发现提供了新的理论框架。它将重映射视为一个连续谱，其程度取决于动物对当前环境状态（隐藏状态）的推断和不确定性，而非对环境变化的二元反应。 2. 揭示整合机制：研究明确了自身运动线索在海马体空间编码中的首要性，同时也证明了无关任务的视觉线索能被整合并影响神经表征。这深化了对海马体如何动态加权并整合多模态感官输入以构建认知地图的理解。 3. 支持序列生成与拓扑编码假说：梯度重映射与海马体作为“序列发生器”的观点相容，即海马体将任何输入模态的感官经验序列化。同时，它也支持海马体编码环境拓扑连接（而不仅仅是几何形状）的观点，因为动物需要整合线索出现的顺序和组合。 4. 方法论贡献：研究展示了虚拟现实技术在精确分离和控制感官线索、研究海马体动态编码方面的强大能力。使用蒙古沙鼠这一视觉能力较强的模型，也有助于揭示在传统夜行性啮齿类中可能较弱的视觉编码特性。

六、 研究亮点 1. 创新性概念：首次明确提出了海马体“梯度重映射”的概念，并提供了坚实的实验证据，挑战了传统离散分类的重映射观念。 2. 精巧的实验设计：通过VR技术完美分离了自身运动线索（弯道方向）和视觉地标线索（墙壁图像），并设计了“交换迷宫”来可控地引入感官冲突，为观察动态重映射提供了理想条件。 3. 多层次分析：研究结合了单神经元分类、速率分析、群体解码（MLE）以及动态的群体向量相关性分析，从微观到宏观全面刻画了重映射的复杂图景。 4. 动态过程揭示：通过追踪群体活动相关性随动物在迷宫中位置的实时变化，生动地展示了重映射不是一个瞬间事件，而是一个依赖于当前位置可用线索、随时间/空间展开的连续过程。 5. 连接行为与神经机制：研究将神经表征的变化与动物的感知和预期联系起来，认为梯度重映射反映了动物对其空间环境“预期”的逐渐更新，为理解海马体在情景记忆和空间推理中的作用提供了新线索。

七、 其他有价值的内容 研究还讨论了其发现与“隐藏状态推断”理论的联系，即海马体映射对应于动物推断的隐藏认知状态，而梯度重映射反映了状态不确定性的连续变化。此外，作者指出个体差异（如其中一只沙鼠几乎不编码图像）可能影响重映射模式，这提示未来研究需要考虑动物个体的感知和学习策略差异。这些讨论将研究发现置于更广阔的理论背景中，并指明了未来研究方向。