关于后顶叶皮层突触连接模式支持决策功能的研究报告

本研究由Aaron T. Kuan（哈佛医学院神经生物学系，现耶鲁大学医学院）、Giulio Bondanelli（意大利理工学院神经计算实验室，现汉堡大学医学中心）、Laura N. Driscoll（哈佛医学院神经生物学系，现艾伦神经动力学研究所）、Stefano Panzeri（意大利理工学院神经计算实验室，汉堡大学医学中心）、Christopher D. Harvey（哈佛医学院神经生物学系）及Wei-Chung Allen Lee（哈佛医学院神经生物学系，波士顿儿童医院）等11位研究人员共同完成。该研究成果以“Synaptic wiring motifs in posterior parietal cortex support decision-making”为题，于2024年2月21日在线发表于《Nature》期刊，并收录于2024年3月14日出版的第627卷。

一、 学术背景与研究目标

本研究属于系统神经科学与计算神经科学的交叉领域，聚焦于大脑高级认知功能——决策的神经环路基础。后顶叶皮层（Posterior Parietal Cortex, PPC）在包括灵长类和啮齿类动物在内的多种动物模型中，已被广泛证实其神经元活动与感知决策任务中的行为选择（例如左转或右转）密切相关。然而，这种选择性神经活动是如何从其底层的突触连接模式中产生的，一直是一个悬而未决的核心问题。传统的决策模型通常假设存在由兴奋性神经元组成的、相互竞争的神经集群，并通过抑制性连接实现竞争。但早期模型多假设抑制性活动是非选择性的，连接是非特异性的。近年来的功能成像研究显示，抑制性神经元与兴奋性神经元一样具有高度的选择特异性，这提示抑制性连接可能遵循特定的功能规则。然而，仅凭活动测量数据无法唯一确定其背后的环路结构，对PPC这类联合皮层内突触连接的直接测量数据一直十分缺乏。

近年来，高通量电子显微镜（Electron Microscopy, EM）技术的发展使得大规模绘制神经元之间的突触连接图谱成为可能，但此前的研究主要集中在视觉皮层等感觉皮层，这些区域的抑制性连接通常选择性较低。因此，对于PPC这类参与高级认知的联合皮层，其突触连接的组织原则及其与功能选择性的关系尚属未知。

本研究旨在弥合这一知识鸿沟。其核心目标是：结合行为学、在体功能成像和高分辨率结构连接组学技术，直接探究PPC神经元的选择性活动与其突触连接模式之间的因果关系。具体而言，研究试图回答：PPC中兴奋性与抑制性神经元之间的连接是否具有功能选择性？如果存在，这种选择性连接遵循何种模式？以及这种连接模式如何从计算层面支持决策任务？

二、 详细工作流程

本研究整合了多项前沿技术，工作流程复杂且系统，主要包含以下几个关键步骤：

1. 虚拟现实行为训练与双光子钙成像：研究首先训练小鼠在一个虚拟现实T型迷宫中执行一项两选一强制选择任务。在任务中，小鼠需要根据视觉线索（例如墙壁纹理）的记忆，在延迟后做出左转或右转的决策以获得奖励。在行为训练达到稳定水平后，研究人员通过双光子显微镜，对小鼠左半球PPC第2/3层的神经元进行钙离子活性成像。钙信号经过去卷积处理，转换为估计的神经元发放率。通过分析每个神经元在左转和右转试次中的活动模式，研究人员计算了其“最大选择性”（Maximum Selectivity），即神经元活动与试次类型（左/右）之间的互信息（Mutual Information）在试次时间内的最大值，从而量化了每个神经元对左或右选择的偏好强度。

2. 高通量连续切片电子显微镜成像与三维重建：在完成行为与功能成像实验后，研究人员固定了其中一只小鼠的脑组织，并利用自动化连续切片透射电子显微镜技术（GridTape pipeline）对先前进行过钙成像的PPC区域进行大规模、高分辨率的三维成像。他们收集并对齐了约2500张连续超薄切片（每片厚40纳米），构建了一个体积约为0.1立方毫米、分辨率达到纳米级别的三维数据集。这个庞大的数据集覆盖了所有六个皮层层，为后续的精细解剖学重建提供了基础。

3. 体内外数据配准与神经元识别：为了将功能（钙成像）与结构（EM）数据联系起来，研究团队进行了精确的共配准。他们利用行为实验最后一天获取的高分辨率双光子参考图像栈，将其与下采样的EM体积进行对齐。然后，将不同行为学会话中的钙成像感兴趣区域（ROI）映射到EM空间，并通过人工检查，将每个功能ROI与EM体积中对应的神经元胞体进行一一匹配。最终，他们成功识别了140个在EM体积内具有明确对应胞体的功能表征神经元。

4. 神经元形态重建与突触连接图谱绘制：在EM数据集中，研究人员通过人工追踪，全面重建了这140个功能表征神经元的轴突和树突形态，直至其离开成像体积或终止。根据形态学特征（如是否存在明显的顶树突等），他们将神经元分类为兴奋性锥体神经元（124个）或抑制性中间神经元（16个）。随后，他们系统性地标注了这些神经元轴突上的所有输出突触，并逆向追踪每个突触的突触后成分（树突）至其所属的神经元胞体，从而绘制出这些神经元之间的直接突触连接图谱。研究共识别出233个突触，其中突触前和突触后神经元均为功能表征神经元。他们特别关注了兴奋性到抑制性（E-to-I）和抑制性到兴奋性（I-to-E）这两类连接，并测量了每个突触的突触后致密区（Post-Synaptic Density, PSD）面积，作为突触强度的结构相关指标。

5. 连接-功能关联性分析：这是本研究的核心分析环节。研究人员系统地量化了突触连接特性（连接频率、PSD面积）与连接神经元对之间的功能选择性相似性之间的关系。他们定义了“最大选择性相似性”（Maximum-Selectivity Similarity）和“同步选择性相似性”（Simultaneous-Selectivity Similarity）两个指标，来衡量一对神经元在任务中偏好方向的一致性和强度。为了排除单纯由轴-树空间接近程度（重叠度）导致的连接概率差异，他们计算了“归一化突触频率”（Normalized Synapse Frequency），即单位轴-树重叠长度内的突触数量。此外，他们还分析了连接神经元对的活性峰值是否出现在任务的不同时期（如线索期、延迟期、转弯期），并计算了神经元对之间的噪声相关性（Noise Correlation）。

6. 神经环路建模与计算分析：为了理解所观察到的解剖连接模式可能实现的计算功能，研究团队构建了两种计算模型。首先，他们使用了一个简化的线性速率模型，该模型包含两个分别代表左、右选择的兴奋性群体和两个抑制性群体。通过调整模型中E-to-I和I-to-E连接的选择性强度，他们模拟了不同连接模式对网络编码选择信号能力的影响。其次，他们构建了一个更贴近生物现实的循环神经网络（Recurrent Neural Network, RNN）模型，其兴奋性和抑制性神经元数量与实验重建的环路相匹配。他们训练这个RNN，使其能够再现实验中观察到的PPC群体钙活动动态。随后，他们系统地扰动训练后网络中连接的选择性模式，观察这些扰动如何影响网络产生的选择特异性序列活动。

7. 错误试次分析：为了探究抑制性活动在行为选择中的作用，研究人员额外分析了小鼠做出错误选择（即转向与线索指示相反方向）的试次中，PPC神经元的活性变化。他们比较了在正确和错误试次中，兴奋性和抑制性神经元选择性的退化程度，并将实验结果与线性速率模型的预测进行了对比。

三、 主要研究结果

1. 功能特异性的兴奋性到抑制性（E-to-I）连接：分析显示，PPC中的兴奋性神经元倾向于与具有相同选择偏好（即同向选择性，Co-selective）的抑制性神经元形成连接。具体表现为：相比于偏好相反的神经元对（反向选择性，Anti-selective），同向选择的E-to-I神经元对具有更高的归一化突触频率（0.045 vs. 0.021 μm⁻¹）。此外，同向选择E-to-I突触的PSD面积几乎是反向选择突触的两倍（0.22 vs. 0.12 μm²）。这些结果表明，兴奋性神经元不仅更频繁地连接至同向选择的抑制性伙伴，而且这些连接的单个突触可能也更强。

2. 功能特异性的抑制性到兴奋性（I-to-E）连接：与E-to-I连接模式相反，抑制性神经元则倾向于靶向具有相反选择偏好（反向选择性）的兴奋性神经元。数据显示，反向选择的I-to-E神经元对的归一化突触频率显著高于同向选择的神经元对（0.020 vs. 0.015 μm⁻¹）。然而，I-to-E突触的PSD面积在选择同向或反向的神经元对之间没有显著差异，提示I-to-E连接的选择性可能主要通过突触数量而非单个突触的强度来实现。

3. “对抗抑制”环路模体（Opponent Inhibition Motif）的发现：上述两种选择性连接模式共同构成了一个清晰的“对抗抑制”环路模体。即，代表一种选择（如左转）的兴奋性神经元群体，会优先激活代表相同选择的抑制性神经元，而这些抑制性神经元反过来会优先抑制代表相反选择（如右转）的兴奋性神经元群体。这种连接模式形成了一个有效的交叉抑制网络，使得代表对立选择的神经群体相互抑制。值得注意的是，这种基于选择性的连接模式，甚至存在于那些活性峰值出现在任务不同时期（例如，一个在线索期活跃，另一个在转弯期活跃）的神经元之间。噪声相关性和同步选择性相似性的分析进一步证实，这种连接模式能够影响神经元在任务相关时间尺度上的协同活动。

4. “对抗抑制”模体的计算功能：通过线性速率模型和RNN模型，研究揭示了“对抗抑制”模体的潜在计算优势。在模型中，增强的对抗抑制（即更强的同向E-to-I连接和反向I-to-E连接）能够放大外部输入的选择性信号。其机制在于：当左侧选择输入增强左侧兴奋性神经元活动时，会通过同向连接激活左侧抑制性神经元，后者通过反向连接更强地抑制右侧兴奋性神经元；同时，右侧兴奋性神经元活动的减弱导致其对右侧抑制性神经元的驱动减弱，从而解除了右侧抑制性神经元对左侧兴奋性神经元的抑制（去抑制）。这一正反馈（增强自身）和交叉抑制（削弱对手）的过程，显著增大了左右选择群体活动之间的差异，从而提高了网络对试次类型信息的编码信噪比和抗干扰能力。模型还预测，存在于不同任务时期的神经元之间的对抗抑制连接，对于产生观察到的、与选择相关的序列性神经活动至关重要。扰动这些连接会破坏RNN中产生的选择特异性序列动态。

5. 抑制性活动与行为选择的关联：对错误试次的分析表明，当小鼠做出错误选择时，不仅兴奋性神经元的选择性活动出现退化或反转，抑制性神经元的选择性活动也表现出同等程度的退化。这一现象与线性速率模型中包含对抗抑制模体的网络模拟结果一致，而不符合抑制性活动非选择性的模型预测。这为抑制性神经元的活动直接参与并影响行为决策提供了进一步的证据。

四、 研究结论与意义

本研究首次在联合皮层（后顶叶皮层）中，通过直接测量突触连接组，揭示了支持决策功能的关键微观环路结构——“对抗抑制”模体。该模体由同向选择的E-to-I连接和反向选择的I-to-E连接共同构成。研究通过计算模型证明，这种连接模式能够有效地放大选择信号、增强神经编码的稳健性，并有助于形成与选择相关的序列活动模式。

科学价值：该研究具有里程碑式的意义。它将大脑高级认知功能（决策）与最底层的突触连接规则直接联系起来，为“结构如何决定功能”这一神经科学核心问题提供了来自联合皮层的直接证据。它证实了决策环路模型中关于选择性抑制的假设，并指明了其具体的解剖学实现方式。此外，研究发现PPC中的抑制性连接模式与初级视觉皮层中报道的非选择性或弱选择性模式有所不同，提示不同皮层区域可能根据其功能需求演化出特化的局部连接规则。

应用与理论价值：这项研究为理解大脑如何进行信息整合与决策提供了新的环路基础。对抗抑制模体作为一种有效的神经计算单元，可能普遍存在于需要信号放大、竞争和选择的其他脑区或认知任务中。其发现将推动更精确、更贴近生物现实的决策计算模型的发展。从方法学角度看，本研究成功示范了将虚拟现实行为、在体大规模钙成像、高通量电子显微镜连接组学和计算建模深度整合的研究范式，为未来系统性地解析其他复杂行为背后的神经环路结构树立了典范。

五、 研究亮点

1. 开创性的多模态技术整合：本研究是少数成功将活体动物行为下的功能成像与纳米级分辨率全脑连接组学在单细胞水平上精确对接的研究之一，实现了从行为、神经活动到突触结构的全链条解析。
2. 发现关键的“对抗抑制”环路模体：在决策相关的后顶叶皮层中，首次直接证实了功能特异性的E-to-I和I-to-E连接模式，并明确了其对抗抑制的组织形式。
3. 连接组学超越感觉皮层：将大规模连接组学分析成功应用于高级联合皮层，揭示了其与感觉皮层可能不同的抑制性连接组织原则。
4. 计算模型与解剖数据的紧密结合：不仅描述了连接模式，还通过构建和扰动计算模型，清晰地阐述了该模式如何执行决策相关的计算（信号放大、序列生成），并预测了其在错误试次中的表现，得到了实验数据的验证。
5. 关注跨时间尺度的连接：研究发现选择性连接存在于活性峰值在不同任务时期的神经元之间，并通过模型证明这种连接对于产生时间上的序列活动至关重要，将空间（选择性）与时间（序列性）维度上的神经计算联系起来。

六、 其他有价值的内容

研究还观察到，神经元的选择性及其连接模式可能随着时间（天尺度）发生漂移，提示PPC的突触连接可能具有一定的可塑性，以适应学习或经验的变化。此外，尽管本研究样本量（140个功能表征神经元）已属庞大，但作者指出，未来更大规模的连接组数据集可能揭示更精细的环路模体（如兴奋性-兴奋性连接的选择性）以及不同中间神经元亚型的功能特异性连接。这些都为后续研究指明了方向。