一项揭示大脑导航系统如何快速构建稳定空间地图的开创性研究

研究团队与发表信息 本研究由斯坦福大学医学院神经生物学系的John H. Wen、应用物理系的Ben Sorscher、神经生物学系的Emily A. Aery Jones、应用物理系与神经生物学系的Surya Ganguli以及霍华德·休斯医学研究所的Lisa M. Giocomo共同完成。其中，John H. Wen和Ben Sorscher为共同第一作者，Lisa M. Giocomo为通讯作者。这项研究成果于2024年10月9日在线发表，并刊登在2024年11月28日出版的国际顶级学术期刊《自然》（*Nature*）第635卷上。

学术背景与研究目标 本研究属于系统神经科学和计算神经科学领域，核心关注点是哺乳动物大脑如何构建用于导航的空间地图，特别是位于内侧内嗅皮层（medial entorhinal cortex， MEC）的网格细胞（grid cells）在其中扮演的关键角色。

在自然环境中，动物必须能够在瞬息万变的环境中快速导航，以寻找食物、庇护所或配偶。大脑通过整合视觉地标信息和自身运动产生的内感线索来构建空间地图。网格细胞因其在空间中呈现出的周期性、六边形排布的放电野而闻名，被认为是构建这种神经空间地图的基石。然而，一个长期悬而未决的核心问题是：网格细胞的放电模式如何在行为相关的时间尺度上（即瞬间或几次尝试内）快速适应新环境或环境特征的改变？以往的研究提出了两种可能的机制：一种是仅依赖自身运动路径整合（path integration）的刚性系统，虽然快速但容易累积误差；另一种是基于赫布可塑性（Hebbian plasticity）的缓慢学习系统，虽然准确但需要时间和重复经验。这两种机制都无法完全解释网格细胞在环境改变时表现出的快速但持久的放电模式扭曲现象。

因此，本研究旨在探究第三种可能性：哺乳动物的空间地图系统如何实现快速与准确的平衡，以支持在新颖或快速变化环境中的即时导航。研究团队通过大规模神经记录和计算建模，试图实时追踪网格细胞网络的状态，观察并预测环境特征变化如何即时影响网格放电模式，从而揭示大脑导航系统背后的核心原理。

详细研究流程与方法 本研究包含一系列紧密衔接的实验和数据分析流程，主要可分为以下几个部分：

1. 大规模网格细胞记录与状态追踪 研究团队首先利用Neuropixels高通量硅探针，在头部固定的小鼠于虚拟现实一维跑道上奔跑时，记录了内侧内嗅皮层中超过68,484个神经元的活动。为了精确识别网格细胞并追踪其动态，他们设计了一个关键的分析方法：在完全黑暗的环境中记录小鼠奔跑（排除了视觉地标干扰），通过计算单个神经元放电序列的傅里叶变换功率谱，识别出具有典型三峰结构的神经元，并将其归类为网格细胞（共识别出15,342个）。这些虚拟现实中识别出的网格细胞在模块化组织、网格尺度比例等方面均与之前在二维开放场中记录的经典网格细胞特征一致。

研究的创新性突破在于对网格细胞群体状态的实时追踪。他们将同一模块内的网格细胞根据其二维相位（φ₁， φ₂）排序到一个二维环形神经片（toroidal neural sheet）上。这种排序方式揭示了群体活动呈现出一个“活动凸包”（activity bump）。当动物在黑暗中奔跑时，这个凸包在神经片上移动，但其移动轨迹会像扩散过程一样漂移，这符合无地标时路径整合误差累积的特征。当引入视觉地标后，活动凸包的轨迹被“拴系”到环面上整数圈的革命，轨迹变得笔直。这种方法使得研究人员能够以极高的时间分辨率（逐时刻）追踪整个网格细胞吸引子网络的状态。

2. 探究地标对网格图谱的即时影响（“构建跑道”实验） 为了系统研究环境特征如何影响网格细胞，研究人员设计了“构建跑道”实验。小鼠依次在多个区块中奔跑，每个区块会逐渐累加新的环境特征：先是自动水奖励，然后是光流地面，接着是依次添加三个独特的地标塔。随后，他们会移除最后一个添加的地标，最后再次回到黑暗环境。

通过分析单个网格细胞的放电曲线和群体活动凸包的轨迹，他们发现：单个视觉地标的引入，足以在单次暴露（one-shot）后诱导网格细胞发生快速重映射（remapping）。具体表现为，网格细胞的调谐曲线形状在添加地标的区块之间发生改变（空间相关性降低），但在同一区块内保持稳定。更重要的是，这种重映射发生得极其迅速——平均仅需约1.29次尝试，网格细胞的放电模式就更接近于新环境的平均模式，而非旧环境。对活动凸包轨迹的分析进一步揭示，这种重映射对应于凸包在环形吸引子上选择了新的轨迹（改变了角度或长度），但地标的存在使得这个新轨迹在后续尝试中保持稳定。

3. 量化地标引起的网格扭曲（“随机环境跑道”实验） 为了深入理解地标如何影响网格表征，研究团队设计了“随机环境跑道”实验。在这个实验中，5个熟悉的地标在12个不同区块中被随机排列位置，从而在多次尝试中系统地改变地标的空间关系。

分析发现，视觉地标会导致网格细胞活动凸包的轨迹发生扭曲（distortion）。这种扭曲体现在两个方面：一是各向异性（anisometry），即神经片上凸包移动的弧长与实际物理空间移动距离之间的比例变得不均匀；二是曲率（curvature）增加，即凸包的轨迹偏离了环形面上的最短路径（测地线）。这些结果表明，地标会对活动凸包产生一种“弱钉扎”（weak pinning）效应——它们将凸包拉离直线轨迹，但又不足以在动物每次经过同一地标时将其完全“钉”在神经片的同一个固定相位上。这种弱钉扎效应导致了稳定但扭曲的网格表征。

4. 基于固定连接的计算模型预测 基于上述观察，研究人员构建了一个简单的计算模型来检验其核心假设：地标到网格细胞网络的连接是固定的（即每个地标对应神经片上一个固定的“钉扎相位”），且不涉及快速的赫布可塑性。模型模拟了一个在二维环形片上移动的活动凸包。当模拟动物接近一个地标时，凸包会被拉向该地标预先设定的钉扎相位。他们利用11个随机环境的数据来估算每个地标的固定钉扎相位，然后用这些固定参数去预测第12个（留出测试的）环境中网格细胞的放电模式。

结果令人印象深刻：这个简单的固定连接模型能够相当准确地预测许多网格细胞在全新环境中的放电模式，其预测相关性显著高于随机打乱的对照模型。更重要的是，当他们在模型中加入可调节学习速率的赫布可塑性机制时，发现最能解释神经数据的学习速率为零。这强有力地支持了他们的核心发现：在几分钟到几小时的时间尺度上，地标输入到网格细胞网络的连接是固定的，网格细胞通过这种固定的架构快速形成稳定（ albeit distorted）的空间地图。

5. 探索快速稳定地图与灵活行为的关系（“隐藏奖励任务”实验） 固定连接赋予了网格系统快速生成稳定地图的能力，但同时也造成了地图的扭曲。这引发了一个关键问题：动物如何能利用扭曲的网格表征进行精确导航？为了回答这个问题，研究团队设计了一个依赖内侧内嗅皮层的“隐藏奖励任务”。小鼠需要结合奔跑距离和地标位置来判断一个未标记的奖励区。在训练后，他们突然将跑道上的地标向前移动。

神经记录显示，当地标移动后，基于网格细胞群体活动解码出的动物估计位置发生了扭曲，并且这种扭曲在数十次尝试后也未恢复——这与“随机环境跑道”实验的发现一致，即网格图谱发生了持久改变。然而，动物的行为却表现出了快速的适应性：它们的舔水行为（预示奖励位置）在不到10次尝试内就调整到了新的正确位置。这表明，尽管网格细胞编码本身是扭曲且固定的，但动物的导航行为可以通过下游脑区的快速学习来修正。

进一步的实验证实了内侧内嗅皮层对于该任务是必需的：双侧注射GABA-A受体激动剂蝇蕈醇（muscimol）沉默内侧内嗅皮层后，小鼠的行为表现显著受损。研究团队提出，下游脑区（如海马CA1区）可能存在一种快速的行为时间尺度突触可塑性（behavioral timescale synaptic plasticity， BTSP），它能够以秒为单位，将来自内侧内嗅皮层的（可能扭曲的）空间模板与奖励等环境特征进行关联，从而实现行为的快速适应。他们用基于BTSP学习规则的解码器模拟了该过程，该解码器能够像真实动物一样快速适应地标变化，准确预测奖励位置。

主要研究结果及其逻辑关联 1. 首次实现了对网格细胞吸引子网络状态的实时、逐时刻追踪。在黑暗环境中，活动凸包轨迹呈角扩散，证实了无地标时路径整合的误差累积。这为后续观察地标的影响提供了基准。 2. 发现视觉地标能诱导网格细胞发生“单次重映射”。单个地标的引入即可在单次尝试内迅速改变网格细胞的放电模式，并使其在新环境中保持稳定。这说明网格系统具备极强的快速适应能力。 3. 证实了地标会引起网格表征的稳定扭曲。通过“随机环境跑道”实验，定量揭示了地标对活动凸包轨迹的弱钉扎效应，导致生成的地图在几何上是扭曲的。这一结果将经典的网格扭曲现象置于群体动力学的框架下理解。 4. 构建并验证了“固定连接”计算模型。模型仅凭固定的地标钉扎相位，便能成功预测网格细胞在新环境中的活动。且最佳拟合的学习速率为零，这为“固定连接”假说提供了强有力的计算证据，排除了快速赫布可塑性在此过程中的主要作用。 5. 揭示了导航系统中“快速地图”与“灵活行为”的解耦。“隐藏奖励任务”实验表明，内侧内嗅皮层的网格编码在地标变化后发生持久扭曲，但动物的行为却能通过下游脑区的快速可塑性迅速调整。这指明了行为灵活性可能源自下游脑区（如海马）对相对稳定的网格模板进行快速解读和修正。

这些结果层层递进：从观察到网格网络的快速变化现象（结果2），到探究其产生机制（发现扭曲，结果3），再到用计算模型验证其底层原理（固定连接，结果4），最后探讨该原理如何与整体行为适配（上下游分工，结果5），形成了一个完整、闭环的逻辑链条。

研究结论与价值意义 本研究的核心结论是：大脑的导航系统通过在不同网络层面分配固定连接与可塑性连接，巧妙地解决了导航任务中对“快速性”和“准确性”的双重需求。 * 在内侧内嗅皮层网格细胞网络层面，地标输入与网格网络之间采用固定的连接。这使得动物在首次遇到新地标时，能够近乎瞬间地生成一个稳定的空间地图，为即时导航提供了基础。但这种固定性也导致了地图的几何扭曲。 * 在下游脑区（如海马）层面，则利用快速的可塑性机制（如行为时间尺度突触可塑性）。这允许大脑基于上游提供的稳定（即便是扭曲的）空间模板，快速学习并准确关联特定的环境特征（如奖励位置），从而实现行为的精确性和灵活性。

这项研究的科学价值极为重大： 1. 机制突破：它首次清晰揭示了网格细胞快速适应环境变化的神经机制，解决了该领域长期存在的争论，提出了一个全新的“固定连接与下游可塑性”分工框架。 2. 方法创新：开发了在虚拟现实一维环境中大规模记录并实时追踪网格细胞群体动力学状态的方法，为研究高阶认知的神经表征提供了强大的新技术范式。 3. 理论贡献：研究结果提示了一个更广泛的神经原理：通过在不同网络或处理阶段配置不同的连接属性（固定 vs. 可塑），大脑可以优化解决那些同时要求速度与精度的复杂计算问题。这超越了导航系统本身，对理解学习、记忆和决策等认知功能具有深远的启示。 4. 应用潜力：对大脑高效导航策略的深入理解，将为类脑人工智能、机器人导航算法以及空间认知障碍相关神经系统疾病（如阿尔茨海默病早期常涉及内嗅皮层损伤）的研究提供新的思路和靶点。

研究亮点 1. 开创性的发现：“单次暴露”即可形成稳定的网格地图，以及“固定地标连接”是这一快速现象的核心机制，这是对网格细胞功能认识的重大更新。 2. 超大规模的数据：记录和分析超过1.5万个网格细胞的活动，提供了前所未有的统计力和系统视野。 3. 先进的交叉方法：完美融合了最前沿的实验技术（Neuropixels高通量记录、虚拟现实行为控制）、创新的数据分析手段（二维环形神经片排序、活动凸包轨迹追踪）以及简洁而有力的计算建模，形成了实验-理论紧密结合的典范。 4. 对经典问题的重新阐释：将网格扭曲、重映射等分散的现象，统一到一个清晰的群体动力学和固定连接框架下，给出了连贯的解释。 5. 提出系统的层级分工原则：明确区分了内侧内嗅皮层（提供快速稳定的空间模板）与下游区域（负责灵活学习）的功能角色，为理解大脑多脑区协同工作提供了重要范例。

其他有价值的补充 研究也在讨论中指出，尽管模型成功，但地标信息输入到网格网络的具体上游神经来源（如MEC内的非网格空间细胞、边界细胞、物体向量细胞，或外侧内嗅皮层、初级视觉皮层、下托等脑区的相关神经元）仍有待明确。同时，下游实现快速行为适应的确切可塑性机制（除BTSP外，是否还有其他形式的联想学习）也需要未来研究，例如同时记录MEC和海马的活动将进一步深化这一认识。这些开放性问题为后续研究指明了方向。