关于网格细胞与位置细胞同时表征多时间视野的学术研究报告

一、 研究团队与发表信息

本研究的主要作者为Prannoy Chaudhuri-Vayalambrone, Michael Everett Rule, Marius Bauza, Marino Krstulovic, Pauline Kerekes, Stephen Burton, Timothy O’Leary, 以及通讯作者Julija Krupic。研究团队主要来自英国剑桥大学的生理学、发展与神经科学系以及工程系，同时也有来自伦敦大学学院Sainsbury Wellcome神经环路与行为中心和Cambridge Phenotyping Limited的研究人员参与。这项研究以题为“Simultaneous Representation of Multiple Time Horizons by Entorhinal Grid Cells and CA1 Place Cells”的论文形式，于2023年7月25日发表在学术期刊《Cell Reports》上（第42卷，文章号112716）。该论文是一篇开放获取（Open Access）文章。

二、 学术背景与研究目的

本研究的核心科学领域是系统神经科学与认知神经科学，具体聚焦于空间导航与记忆的神经机制。大脑的内嗅皮层（Entorhinal Cortex）网格细胞（Grid Cell）和海马CA1区位置细胞（Place Cell）是构成“大脑GPS”系统的关键元件。传统上，这些细胞的活动被视为动物当前位置的“地图”。然而，越来越多的证据表明，它们的放电活动在时间上并非严格与“此刻”对齐，而是会偏向于表征动物刚刚经过或即将到达的位置，即存在“时间偏移”（Time Shift）。这种偏移意味着这些空间细胞的活动实际上编码了一个包含过去、现在和未来的时空连续体。

尽管已有研究分别观察到网格细胞和位置细胞中存在这种前瞻性（Prospective）或回顾性（Retrospective）的放电偏移，但几个关键问题尚不清楚：不同空间尺度（Scale）的网格细胞之间、以及网格细胞与位置细胞之间的时空关系如何？这种时间偏移（或称“时间视野”，Time Horizon）是否受到环境或行为因素的调控？其神经机制是什么？本研究旨在通过同时记录自由觅食大鼠的内嗅皮层网格细胞和海马CA1位置细胞，系统性地探究这些问题。其核心目标是阐明网格细胞和位置细胞如何共同协作，以近乎同时的方式表征一系列逐渐增加的时间视野，从而为基于目标的导航和规划提供神经基础。

三、 详细研究流程与方法

本研究是一项基于在体电生理记录的数据分析研究，其工作流程主要包括数据采集、细胞鉴定、时间偏移计算、行为与空间因素分析、时间偏移与细胞特性关联分析、以及theta节律相位分析等多个环节。

1. 数据采集与实验对象：研究分析了来自两个数据集的多通道电生理记录。主要数据集来自Krupic等人先前发表的研究，包括6只大鼠记录的249个网格细胞和5只大鼠记录的95个位置细胞。这些细胞是在大鼠于四个几何形状不同（从梯形到矩形）的围场中自由觅食时记录的，其中三只大鼠同时记录了网格细胞和位置细胞。为了扩展网格细胞空间尺度的范围以进行更全面的关联分析，研究还纳入了一个在更大围场（约2.8米 x 3米）中记录的独立数据集，增加了21个网格细胞和24个位置细胞。实验使用Neuropixels探针或传统微驱动电极阵列进行记录，大鼠的头部位置通过红外LED追踪系统以50 Hz采样。

2. 细胞鉴定与数据处理：原始神经信号经过预处理（如中值减法去除伪迹）后，使用Kilosort算法进行峰值排序，并经过人工核对以确保单单元分离质量。对于每个细胞，研究人员构建了平滑的发放率地图（Rate Map）。通过计算空间自相关函数（Spatial Autocorrelation, SAC）来确定网格细胞的网格尺度（Grid Scale）和位置细胞的场大小（Place Field Size）。细胞分类（网格细胞 vs. 位置细胞）基于其发放率地图的空间模式特征。

3. 核心方法：时间偏移的计算与验证：本研究的关键创新性分析方法是量化每个细胞的“最优时间偏移”。具体流程如下：首先，将细胞的放电时间相对于大鼠的运动轨迹在时间轴上向前或向后移动（移动范围±2秒，步长20毫秒）。对于每一个时间偏移量，重新计算发放率地图。然后，通过计算该地图的零滞后空间自相关（Zero-Lag Autocorrelation, ZLAC）值来评估其空间“锐度”（Sharpness）。ZLAC峰值越高，表明放电事件在空间上越集中，场越清晰。最终，使ZLAC达到峰值（最接近0毫秒滞后处）的那个时间偏移量，即被定义为该细胞在该次记录中的“最优时间偏移”。正值表示放电倾向于发生在动物到达该位置之前（前瞻性编码），负值则表示放电发生在经过之后（回顾性编码）。为了验证ZLAC方法的可靠性，研究团队还使用了另外两种常用指标——空间信息量（Spatial Information）和峰值发放率（Peak Firing Rate）——来寻找最优时间偏移，结果与ZLAC方法高度相关，排除了方法学偏差的可能性。此外，他们还发展了一种基于单次穿越（Single-Run）放电中位数时间的替代计算方法，其结果与ZLAC方法得到的时间偏移显著相关，进一步确认了发现的稳健性。

4. 影响因素分析流程：

   • 外部线索（环境）：分析时间偏移是否随四个不同形状和大小围场的变化而变化；分析时间偏移是否与动物相对于围墙的运动方向（航向，Heading）相关；特别地，通过识别动物穿越单个放电场的轨迹，比较“向内跑”（从围墙跑向场地中心）和“向外跑”（从中心跑向围墙）时的时间偏移差异。
   • 内部线索（行为）：分析时间偏移与动物的加速度、向前速度、角速度等运动参数之间的非线性关系。为了消除个体细胞和个体大鼠的影响，数据在合并分析前进行了基于排名的转换。
   • 空间尺度关联：分别计算网格细胞的最优时间偏移与其网格尺度、位置细胞的最优时间偏移与其位置场大小之间的相关性（斯皮尔曼秩相关）。
   • 同时记录网格模块分析：对于同时记录的、属于不同网格模块（具有不同空间尺度）的网格细胞对，分析它们在穿越空间重叠的场时，单次跑动时间偏移的差异，以检验不同模块是否提供不同的时间视野。
   • Theta节律相位分析：提取海马CA1区锥体细胞层的局部场电位（LFP）theta振荡（4-12 Hz）。对每个大鼠，调整theta相位，使CA1位置细胞发放概率最高的相位对齐为0度。然后分析每个网格细胞和位置细胞的平均偏好发放相位（Mean Preferred Theta Phase）与其最优时间偏移之间的关联（使用圆形-线性相关性分析）。同时，也评估了细胞是否表现出theta相位进动（Theta Phase Precession）现象。

5. 统计与验证：研究采用了多种统计检验，包括Wilcoxon符号秩检验、Mann-Whitney U检验、Spearman相关性分析、圆形统计等。对于多重比较进行了错误发现率（FDR）校正。为了排除“更大的场可能导致更大的估计时间偏移”这一方法学假象，研究团队进行了模拟实验：生成具有不同尺度/场大小但真实时间偏移为零的模拟网格细胞和位置细胞数据，然后用相同的分析方法进行处理。结果显示，模拟数据中估计出的时间偏移均值并不显著偏离零，且其方差随尺度增大而增加，但未引入系统性正向偏差，从而证实了所观察到的相关性是真实的生物学现象。

四、 主要研究结果

1. 网格细胞和位置细胞普遍呈现前瞻性编码，且位置细胞时间偏移更大：总体而言，无论是网格细胞还是位置细胞，其最优时间偏移的中位数均为正值（网格细胞：133毫秒；位置细胞：180毫秒），表明它们主要进行前瞻性编码。统计分析显示，位置细胞的平均时间偏移显著大于网格细胞。在三只同时记录了两类细胞的大鼠中，这一差异均显著存在。

2. 时间偏移受外部环境边界非线性调控：

   • 围场形状：网格细胞的时间偏移在更大的矩形围场中比较小的梯形围场中显著增大，这与动物预期跑动路径更长时时间视野会扩展的假设一致。位置细胞的这种效应不显著。
   • 运动方向：两类细胞的时间偏移都显示出显著的航向调制，最前瞻的编码 consistently 出现在向东运动时。这种偏好在矩形围场中为向东，在梯形围场中为东南向，提示动物可能使用了与外部房间（而非围墙内部）相关的参考系来估计位置。
   • 与围墙的关系：当动物从围墙“向内跑”（离开围墙）时，网格细胞和位置细胞都显示出显著的前瞻性时间偏移。然而，当动物“向外跑”（接近围墙）时，网格细胞的时间视野显著缩短，变得既不前瞻也不回顾；位置细胞虽然仍为前瞻性，但其偏移量也显著小于向内跑时。这表明接近边界（不确定性降低）会缩短预测视野。

3. 时间偏移受内部行为状态非线性调控：

   • 加速度：时间偏移与加速度呈显著正相关，呈现近似Sigmoid的非线性关系。正加速度（加速）与更前瞻的编码相关，负加速度（减速）与较小（有时为负）的时间偏移相关。这种效应在接近饱和点。
   • 速度：向前速度和角速度与时间偏移呈较弱的负相关，且关系非线性。平均速度最高时，时间偏移最接近零；而非常大（正或负）的时间偏移则与较慢的平均速度相关，这与动物相对静止时更可能进行未来/过去行动信息处理的观念一致。
   • 进一步的部分相关分析表明，加速度、跑动方向（向内/向外）和围场形状对时间偏移的影响并非完全冗余，它们各自独立地贡献于时间偏移的调控。

4. 时间偏移与细胞的空间尺度正相关：这是本研究的一个核心发现。网格细胞的最优时间偏移与其网格尺度呈显著正相关（Spearman‘s r = 0.44），尺度越大的网格细胞，其时间偏移（时间视野）越长。同样，位置细胞的最优时间偏移也与其位置场大小呈显著正相关（Spearman’s r = 0.54）。模拟实验排除了这是分析方法假象的可能性。

5. 不同网格模块提供近乎同时的多重时间视野：对同时记录的网格细胞对的分析显示，属于同一网格模块（尺度相似）的细胞，在重叠场穿越时的时间偏移差异不显著（均值接近零）。然而，属于更大尺度模块的细胞，其时间偏移 consistently 大于同时记录的、更小尺度模块的细胞（平均差异约79毫秒）。这意味着，在同一时刻，不同尺度的网格模块可以近乎同时（在200毫秒时间窗内）提供一系列逐渐增加的时间视野读数。

6. 时间偏移与CA1 theta振荡相位相关：无论是网格细胞还是位置细胞，其平均偏好发放相位（相对于CA1锥体细胞层theta节律）与其最优时间偏移均存在显著正相关。在位置细胞中，这种关系大致是线性的。在网格细胞中，这种关系是强非线性的：对于偏好较早theta相位（~220度之前）的细胞，其时间偏移在一个较低水平（约19毫秒）达到饱和；对于偏好较晚相位的细胞，时间偏移随相位增加而线性增加。这表明，细胞的前瞻编码视野可能受其与海马theta节律耦合相位的组织，这可能有利于从不同尺度网格细胞和不同场大小的位置细胞中读取多重时间视野。

五、 研究结论与意义

本研究综合以上结果得出结论：内嗅皮层网格细胞和海马CA1位置细胞并非仅编码动物的当前位置，而是协同工作，以前瞻性为主的方式编码一个包含多个时间点的局部轨迹。关键机制在于，时间偏移（时间视野）与细胞的空间表征尺度（网格尺度或位置场大小）成正比。因此，沿着内嗅皮层背腹轴排列的不同尺度网格模块，以及具有不同场大小的位置细胞群体，能够在大约几百毫秒的范围内，提供一系列近乎同时的、逐渐增加的未来位置表征。

这一多重时间视野系统受到外部（环境边界、形状）和内部（加速度、速度）线索的非线性调制，以适应不同的行为状态和环境约束。此外，不同时间视野的编码与CA1 theta振荡的不同相位相关联，这种由theta节律组织的时序结构可能促进了这些多重表征的读取与整合。

本研究的科学价值在于： 1. 深化了对“大脑GPS”系统功能的理解：将网格细胞和位置细胞的功能从静态的“空间地图”提升为动态的“时空轨迹预测器”，揭示了它们在实时导航与路径规划中的核心计算角色。 2. 提出了空间导航中多重时间尺度整合的新机制：首次明确建立了细胞空间尺度与时间视野之间的定量关系，并证明不同网格模块可并行提供这一信息，这为理解大脑如何生成平滑的未来运动轨迹提供了神经基础。 3. 连接了微观细胞活动与宏观网络节律：将时间偏移与theta相位耦合联系起来，为经典的“theta相位编码”和“分离的gamma流”假说提供了新的实验证据和解释框架，支持了海马-内嗅皮层网络在theta周期内分离编码与检索、或不同时间尺度信息的计算模型。 4. 为计算模型提供关键约束：研究结果直接支持了“后继表征”（Successor Representation）等计算理论，即网格细胞可能通过整合不同时间视野的输入，将远端目标转化为即时运动指令。同时也扩展了关于海马“前瞻性重放”和“多尺度序列”编码的理论。

六、 研究亮点

1. 重要发现：首次系统揭示了网格细胞和位置细胞的“时间偏移”与其“空间尺度”之间存在正相关关系，并证明不同尺度的网格模块能同时提供递增的多重时间视野。
2. 方法新颖性：综合运用了ZLAC峰值法、单次跑动分析法等多种量化时间偏移的方法，并辅以严谨的模拟验证，确保了发现的可靠性。同时，创新性地将时间偏移分析与环境几何变形、行为参数的非线性调制以及theta相位耦合进行了深度整合。
3. 研究对象的特殊性：成功实现了在自由行为动物中同时对内嗅皮层网格细胞和海马CA1位置细胞进行大规模记录，并区分了不同的网格模块，这使得直接比较两类细胞以及不同模块间的时空特性成为可能。
4. 理论的启发性：研究不仅报告了现象，更将其置于空间导航与记忆的计算理论框架下进行解释，建立了细胞特性、网络振荡与行为需求之间的深刻联系，具有很高的理论启发性。

七、 其他有价值的内容与局限

论文在讨论部分还提及，这种持续存在的、短时间范围的序列性放电，可能与动物静止时发生的、时间范围更长的“重放”（Replay）活动共同构成导航规划的不同组成部分。作者推测，引入明确的目标可能会进一步调制时间视野。

同时，作者也指出了本研究的局限性：1) 同时记录到足够多细胞的网格模块最多只有两个，限制了对最大时间视野范围的结论；2) 需要未来通过功能性干预（如扰动特定网格模块或theta频率）来建立时间偏移与导航功能之间的因果联系；3) 本研究是在无明确目标的自由觅食任务中进行的，未来在目标导向任务中研究时间偏移的调制将能进一步阐明其功能角色。