本文档报告了一项原创性研究，属于类型a。
一项颠覆性研究：揭示大脑血容量全脑波动由两群对立的神经元群体共同决定
神经科学领域长期以来存在一个核心假设：大脑特定区域的血流供应与该区域的整体神经活动水平紧密相关，这一过程被称为神经血管耦合。然而，关于神经血管耦合的特性是否在不同脑区、不同大脑状态下保持一致，学术界一直存在争议。一些研究认为血流动力学响应函数在不同区域是相似的，而另一些研究则报告在某些区域或状态下，响应可能更弱，甚至出现负相关。这些研究通常使用群体水平的神经活动指标，无法区分不同类型神经元可能存在的不同贡献。为了解决这些局限性，由伦敦大学学院的Agnès Landemard、Michael Krumin、Kenneth D. Harris和Matteo Carandini领导的研究团队进行了一项创新性的多模态研究。该研究成果于《自然》杂志发表，题为“脑血容量反映对立的神经元群体”。研究通过整合全脑血容量测量、局部及全脑神经元活动记录，揭示了神经血管耦合并非依赖于单一的群体平均信号，而是由两个在全脑范围内分布、对觉醒状态反应相反的神经元群体共同驱动，且这一机制在全脑区域和不同大脑状态下表现出惊人的一致性。
学术背景与目标 本研究聚焦于神经血管耦合领域。传统观点认为，大脑血流变化可以通过一个称为血流动力学响应函数的滤波器作用于局部神经活动来预测。然而，先前研究多采用局部场电位或总放电率等群体指标来衡量神经活动，并将不同脑区、不同行为事件下的结果进行比较，难以形成统一图景。研究团队推测，群体测量可能掩盖了不同神经元亚群对血流的差异性贡献。特别是，已有迹象表明，有些神经元与局部血流信号呈正相关，而另一些呈负相关。本研究旨在超越群体测量的局限，通过在全脑尺度上同时记录神经活动和血容量，探究神经血管耦合的本质是否具有一致性，并揭示其背后的神经元基础。
详细工作流程 本研究并非一个单一的实验，而是一个包含三个相互关联、逻辑递进的实验流程的综合项目。
流程一：全脑血容量与觉醒事件的关系研究
- 研究对象与方法：研究使用功能超声成像技术对5只头部固定但可在转轮上自由活动的C57/BL6小鼠进行成像。通过改变冠状成像平面，覆盖了大脑后半球、间脑、大部分中脑及部分脑桥。研究总共分析了138个成像会话，总计超过100小时的记录数据。
- 数据处理与分析：首先对超声原始数据进行处理，包括消除组织运动、计算功率多普勒图像以反映血容量变化，并进行运动伪影校正和去噪。接着，将成像体素与艾伦小鼠脑公共坐标框架图谱对齐，提取不同脑区的血容量信号。同时，通过视频分析小鼠行为，提取胡须抖动（作为觉醒标志）和运动速度等信号。通过检测胡须抖动事件，分析这些事件前后全脑各区域血容量的变化模式。此外，使用线性回归方法，从胡须抖动信号预测各脑区的血容量波动，以获得描述两者关系的滤波器。
- 特殊方法：核心是功能超声成像，这是一种能够以高时空分辨率测量全脑血容量动力学的成像技术。研究团队开发了精细的数据预处理流程，包括基于奇异值分解的伪影去除、基于脑外信号的线性回归校正等，确保观测到的信号来源于真实的血容量变化而非运动伪影。
流程二：局部神经活动与血容量的同时记录
- 研究对象与方法：在5只小鼠中，结合功能超声成像与Neuropixels多通道电极记录技术。Neuropixels电极被插入到小鼠的视觉皮层和海马体中，同时记录数百个神经元的活动，并在同一区域进行fUSI血容量成像。共进行了10次独立的记录会话。
- 数据处理与分析：提取每个神经元在不同大脑状态下的放电率。首先，沿用传统方法，将所有神经元的平均放电率作为输入，通过线性回归拟合一个HRF滤波器来预测局部血容量。其次，根据每个神经元放电率与胡须抖动的相关性，将它们分为两类：觉醒增强神经元和觉醒抑制神经元。然后，构建一个新的模型，用两个独立的HRF滤波器分别对这两类神经元的平均放电率进行滤波，再将它们的贡献相加来预测血容量。所有模型均采用交叉验证进行拟合和评估。
- 特殊方法：同时性多模态记录是关键。将高密度电生理记录与高分辨率血流成像在时空上精确对齐，使得直接关联特定神经元群体的活动与局部血管反应成为可能。
流程三：全脑尺度上对立神经元群体的分布验证
- 研究对象与方法：研究利用国际脑实验室合作项目生成的公开数据集，该数据集包含了在108只小鼠中进行的324次Neuropixels记录，覆盖了全脑范围。分析聚焦于小鼠被动休息时期的记录数据，包含来自全脑各区域的18,791个“优质”神经元。
- 数据处理与分析：同样以胡须抖动作为觉醒指标，计算每个神经元放电率与胡须抖动的相关性。根据相关性正负，在全脑范围内鉴定觉醒增强和觉醒抑制神经元，并统计它们在每个脑区中所占的比例。分析这两类神经元在胡须抖动事件期间的放电动态。
- 特殊方法：利用大规模、标准化的全脑电生理数据集，使得研究者能够在超越单个实验室局限的尺度上，验证在流程二中发现的神经元分类原则是否具有全脑普遍性。
主要研究结果 研究结果层层递进，最终构建了一个全新的神经血管耦合模型。
- 流程一结果：研究发现，短暂的胡须抖动事件能够引发几乎同步的全脑血容量增加，随后约2秒出现全脑性的血容量减少。较长的胡须抖动事件则引起持续的血容量增加，并在事件结束时出现同步的血容量减少。这些效应在几乎所有脑区都显著存在，尽管振幅和动态略有差异。更重要的是，使用从胡须抖动信号推导出的线性滤波器，能够准确预测不同觉醒状态下各脑区的血容量波动。这首次表明，一个单一的觉醒行为指标可以预测全脑范围的血流动力学波动。
- 流程二结果：传统模型（基于群体平均放电率）预测的血容量变化在动态上滞后且平滑，无法准确捕捉胡须抖动事件中观察到的双相（先增后减）血容量变化。当将神经元分为觉醒增强和觉醒抑制两类后，发现它们具有不同特性的HRF：觉醒增强神经元的HRF峰值出现更早、更窄；觉醒抑制神经元的HRF峰值延迟更长、更宽，且时间积分面积更大（平均约为前者的1.8倍）。基于这两个群体活动的“组合模型”对血容量的预测精度显著高于传统模型，尤其是在胡须抖动期间，它成功地再现了血容量的快速上升和延迟下降的动态过程。此外，该模型还能解释不同睡眠-觉醒状态下的血容量差异：在快速眼动睡眠期（觉醒抑制神经元活动最强），血容量最高；在活跃觉醒期（觉醒增强神经元活动最强），血容量处于中间水平；而传统模型无法解释活跃觉醒期相对较低的血容量。
- 流程三结果：分析证实，觉醒增强和觉醒抑制神经元共存于全脑每一个区域。平均而言，约47%的神经元为觉醒增强型，16%为觉醒抑制型，但两类神经元的比例在不同脑区间存在显著差异（例如，丘脑中觉醒增强神经元比例更高，听觉皮层中觉醒抑制神经元比例更高）。两类神经元对胡须抖动的放电响应都是单相的，但方向相反，且觉醒增强神经元的反应峰值略早于觉醒抑制神经元。
- 结果的整合与验证：研究者利用从流程二得到的两个HRF滤波器，以及从流程三得到的全脑各区域两类神经元的比例和活动数据，构建了对全脑血容量变化的“组合预测”。与基于群体平均放电率的“传统预测”相比，“组合预测”在全脑大多数区域都更准确地再现了胡须抖动事件中血容量的双相动态和延迟特性。更重要的是，各脑区在胡须抖动后的血容量变化幅度，与其觉醒增强神经元相对于觉醒抑制神经元的相对比例高度相关，这为不同脑区血流反应存在差异的现象提供了直接解释。
结论与意义 本研究得出核心结论：全脑血容量的波动可以由两个对立的、全脑分布的神经元群体的活动来预测，这两个群体与觉醒状态的关系相反，并具有各自独特的血流动力学响应函数。一旦考虑到这两类神经元在不同脑区的不同比例，神经血管耦合在全脑区域和不同大脑状态下就表现出高度的一致性。
其科学价值在于： 1. 统一了争议：调和了关于神经血管耦合是否存在区域和状态差异的长期争论。先前观察到的差异很可能源于不同脑区中这两类神经元比例的不同。 2. 提出了新模型：颠覆了基于群体平均活动的传统神经血管耦合模型，提出了一个更精确的“双群体-双滤波器”模型。 3. 揭示了新机制：指出大脑血流调控可能并非简单地跟随“总体活动”，而是整合了来自不同功能环路（如促进与抑制觉醒的环路）的差异性信号。 4. 提供了方法论范例：展示了结合大规模全脑成像、高密度电生理和标准化大数据集进行跨尺度、跨模态研究的强大力量。
研究亮点 1. 重要发现：首次在全脑尺度上明确鉴定出两群功能对立、且与血流关系不同的神经元群体，并证明它们是驱动全脑血流动力学波动的核心因素。 2. 方法创新：创新性地将功能超声成像与Neuropixels记录相结合，实现了局部神经元亚群活动与血管反应的直接关联；并进一步利用独立的大规模全脑电生理数据集进行验证和推广，使结论极为坚实。 3. 研究对象的特殊性：研究关注自发的、全脑同步的觉醒事件（胡须抖动），而非局部的感觉刺激，从而揭示了大脑内源性状态波动如何全局性地调控血流。 4. 逻辑严谨性：三个研究流程环环相扣，从现象描述（全脑血流波动），到机制探索（局部神经元与血流关系），再到全脑验证（神经元群体的普遍性），构成了一个完整、闭合的证据链。
其他有价值的内容 研究团队也讨论了未来方向，例如这两类功能定义的神经元与基因定义的细胞类型（如释放一氧化氮或去甲肾上腺素的神经元）之间的关系，以及这两类神经元对血流的贡献是因果关系还是共变关系。此外，他们指出神经活动与血流的关系可能不止两个维度，未来基于其他维度对神经元进行划分可能会得到更优的预测模型。这些讨论为后续研究开辟了新的道路。