这篇文档属于类型b，是一篇发表在《Nature Reviews Neuroscience》上的perspective文章。
作者及机构
本文由Christopher Langdon（普林斯顿大学神经科学研究所、冷泉港实验室）、Mikhail Genkin（冷泉港实验室）和Tatiana A. Engel（普林斯顿大学神经科学研究所、冷泉港实验室）共同撰写，发表于2023年6月的《Nature Reviews Neuroscience》第24卷。
主题
文章探讨了神经科学中两种不同的研究视角——神经环路（neural circuits）和神经流形（neural manifolds）——的融合可能性，并提出统一的理论框架来解释认知功能的神经机制。
传统神经科学研究主要采用两种方法：
- 神经环路方法：关注神经元之间的连接模式（connectivity），强调特定神经元集群如何通过突触连接实现计算功能。例如，离散吸引子网络（discrete attractor networks）可用于解释决策行为。
- 神经流形方法：通过降维技术（dimensionality reduction）从高维神经活动中提取低维表征（low-dimensional representations），揭示行为相关的动态模式。例如，环形流形（ring manifold）可编码头部方向（head direction）。
支持证据：
- 在果蝇（Drosophila）的头部方向系统中，环形流形与环形吸引子（ring attractor）的预测完全吻合，实验证实了局部兴奋性连接和全局抑制性连接的存在。
- 在啮齿类动物的网格细胞（grid cells）系统中，尽管单细胞响应更复杂，但群体活动仍形成环形或环面流形（torus manifold），表明其可能源于类似的低维环路机制。
头部方向系统：
- 流形结构：果蝇的椭球体（ellipsoid body）神经元活动形成环形流形，其位置精确编码头部方向。
- 环路机制：实验证实了环形吸引子模型的关键预测，包括局部兴奋性连接（E-PG神经元）和旋转细胞（P-EN神经元）的不对称连接。
网格细胞系统：
- 流形结构：内侧内嗅皮层（medial entorhinal cortex, MEC）的网格细胞群体活动形成环面流形，编码空间位置。
- 环路机制：连续吸引子模型（continuous attractor models）提出，网格细胞的周期性响应可能源于二维环面拓扑的连接结构。
支持理论：
- 低秩循环神经网络（low-rank recurrent neural networks, RNNs）证明，即使在高维异构网络中，低维流形仍可由低维连接结构（low-rank connectivity）产生。
在高级认知任务（如工作记忆、决策）中，皮层神经元表现出混合选择性（mixed selectivity），即单个神经元对多任务变量响应，这使得传统的环路模型难以解释。
解决方案：
- 潜在环路（latent circuits）：通过降维方法（如主成分分析）提取低维子空间，发现任务变量在流形上的编码模式。例如，前额叶皮层（prefrontal cortex）的工作记忆任务中，记忆信息稳定编码于环形流形，而动态变化则发生在正交子空间。
- 低秩连接机制：理论模型表明，混合选择性可能源于分布式活动模式之间的低维交互，而非固定神经元集群的连接。
实验验证：
- 通过光遗传学扰动（optogenetic perturbations）可测试潜在环路的预测，例如改变特定维度的活动是否影响行为输出。
本文系统整合了神经流形与环路视角，为认知神经科学提供了统一的理论框架：
1. 跨系统验证：从果蝇头部方向到哺乳动物网格细胞，再到皮层认知任务，证明了低维流形与环路机制的普遍性。
2. 方法论指导：提出通过潜在环路分析（latent circuit inference）和扰动实验验证机制，推动领域从相关性研究转向因果性研究。
3. 未来方向：呼吁在混合选择性系统中进一步探索低维连接结构，并开发结合解剖学与动态记录的技术。
本文的突出贡献在于弥合了“描述性”流形分析与“机制性”环路研究之间的鸿沟，为理解认知的神经基础提供了新范式。