关于大鼠海马体中速度细胞特征的研究报告

本研究由来自巴西北里奥格兰德联邦大学脑科学研究所（Brain Institute, Federal University of Rio Grande do Norte）的 Zé Henrique T.D. Góis 与 Adriano B.L. Tort 共同完成，并作为研究论文（Article）于2018年11月13日发表在期刊 Cell Reports 上，论文标题为“Characterizing Speed Cells in the Rat Hippocampus”。

一、 学术背景

本研究属于系统神经科学与认知神经科学领域，具体聚焦于空间导航的神经机制。空间导航依赖于环境地标（异我中心导航）和自身运动信息（自我中心导航，或称路径整合）。在熟悉环境中，即使没有视觉线索（黑暗条件下），海马体的位置细胞（place cells）和内嗅皮层的网格细胞（grid cells）依然能够维持其发放场，这表明它们持续接收着用于路径整合的运动速度信息。此前研究已在内嗅皮层中鉴定并详细描述了“速度细胞”（speed cells），其发放率与动物的奔跑速度高度相关。然而，尽管有研究报道海马体神经元活动与速度存在关联，但这些研究大多关注平均发放率与速度的关系，并未在亚秒级时间尺度上探究海马体神经元是否真正编码速度，也未检验这种编码在不同空间、时间和环境下的稳定性。此外，海马体中哪些类型的神经元负责速度编码尚不清楚。因此，本研究旨在对大鼠海马体CA1区速度相关的神经活动进行彻底的表征，以阐明速度信息在海马体网络中的编码机制。

二、 详细研究流程

本研究是一项基于电生理记录数据的计算分析研究，数据来源于公开数据库（CRCNS.org, HC-3 dataset），由Buzsáki实验室提供。研究未进行新的动物实验，而是对已有的大鼠在体多通道记录数据进行深入的二次分析。

1. 数据来源与预处理：

   • 研究对象：三只雄性Long-Evans大鼠，在其背侧海马CA1区植入了多通道硅探针以记录单个神经元的活动。
   • 行为范式：分析了大鼠在两种环境中的行为与神经活动数据：(a) 180厘米边长的方形开放场（62个记录会话），动物随机探索寻找食物/水奖励；(b) 250厘米长的线性跑道（101个记录会话），动物来回奔跑以获得终点奖励。
   • 数据处理：使用Neuroscope等软件进行尖峰检测与排序，以分离出单个神经元（单位）的活动。仅分析平均发放率高于0.3 Hz的CA1神经元（共644个来自方形场的数据）。通过尖峰互相关图（cross-correlograms, CCGs）的方法对神经元进行生理学分类，区分锥体神经元（pyramidal cells）和中间神经元（interneurons）。

2. 速度细胞的定义与鉴定：

   • 核心指标：计算每个神经元的“速度分数”（speed score），即其瞬时发放率时间序列与动物瞬时运动速度时间序列之间的皮尔逊相关系数（Pearson’s r）。
   • 统计验证：通过时间平移（time-shift）方法生成替代数据分布，以评估相关性的统计显著性。
   • 操作定义：为了更严格地定义速度细胞，并避免因位置场穿越等空间因素造成的虚假相关，研究者将速度分数的绝对值大于0.3的神经元定义为“速度细胞”。这是一个比仅基于替代分布显著性更保守的阈值。

3. 速度编码特性的分析：

   • 稳定性检验：为了检验速度编码的鲁棒性，研究将行为空间划分为不同象限和中心/边缘区域，并将记录时间划分为不重叠的10分钟区块，分别计算各子区域和各时间段内的速度分数，以评估编码是否随空间位置和时间推移而改变。
   • 编码机制探究：海马体局部场电位（LFP）的θ振荡（5-10 Hz）频率会随速度增加而升高。为区分“振荡编码”（因θ周期增多导致单位时间内发放增多）和“速率编码”（每个θ周期内的发放数随速度增加），研究计算了每个θ周期内的尖峰计数与速度的关系，并将其与发放率-速度关系进行比较。
   • 细胞类型鉴定：将基于CCG方法分类的锥体神经元和中间神经元，与其速度分数进行关联分析，确定哪类神经元构成了速度细胞的主体。
   • 时间动力学分析：通过计算发放率与速度时间序列的互相关，分析速度细胞的活动是领先还是滞后于速度变化。

4. 速度信息解码与模型验证：

   • 线性解码：使用线性解码器，尝试从单个或多个神经元的瞬时发放率来重构动物的运动速度时间序列，以评估不同神经元类型编码速度信息的实际效能。
   • 计算模型模拟：为了验证在线性跑道中观察到的锥体神经元与速度的相关性是否源于任务本身导致的空间与速度的相互依赖（动物在跑道中间跑得快，两端慢），研究者建立了计算模型。模型包含仅对位置编码的“模拟位置细胞”和仅对速度编码的“模拟速度细胞”，并输入真实的动物行为数据（位置和速度）。通过比较模型神经元在方形场和线性跑道中的表现，来区分真实的编码与虚假相关。
   • 线性-非线性-泊松（Linear-Nonlinear-Poisson, LN）模型分析：采用一种基于统计模型的框架（Hardcastle et al., 2017），通过比较包含速度变量、位置变量或两者都包含的模型对神经元发放序列的预测性能，来定量推断神经元对速度和/或位置的编码偏好。

三、 主要研究结果

1. CA1区存在稳定编码速度的细胞群体：在方形开放场中，14%（93/644）的CA1神经元被鉴定为速度细胞。这些细胞的发放率与速度在亚秒时间尺度上高度相关。更重要的是，这种速度编码在空间（不同象限和区域）、时间（长达90分钟会话的不同时段）和环境（方形场与线性跑道）中均表现出高度的稳定性。例如，图2和图3显示，一个典型速度细胞在不同空间子区域和不同时间区块内，其速度分数均保持在高且一致的水平。

2. 速度编码是速率编码而非振荡编码：分析表明，速度细胞在每个θ周期内发放的尖峰数量随着速度增加而增加，且这种增加与发放率随速度增加的斜率高度相关（r = 0.98）。这意味着即使控制了θ频率的变化，速度细胞仍在每个振荡周期内传递了更多的速度信息，从而证实了其采用速率编码机制，而非仅仅因为θ振荡加快而导致发放率上升。

3. CA1速度细胞均为抑制性中间神经元：这是本研究最核心的发现之一。生理学分类显示，在方形场中，被鉴定为速度细胞的神经元几乎全部（61/62个可分类的速度细胞）是中间神经元。相反，在279个被鉴定的锥体神经元中，仅有一个（0.36%）符合速度细胞的标准（图5）。中间神经元通常具有更高的发放率和更低的空间选择性，这与速度细胞的特性相符。互相关分析进一步表明，速度细胞的活动略微滞后于速度变化（平均约65毫秒）。

4. 锥体神经元受速度调制但并非真正的速度编码器：

   • 开放场中的表现：尽管锥体神经元的平均发放率随速度增加而上升（与前人研究一致），但其瞬时发放率与速度的相关系数很低（速度分数小），且无法用于有效解码动物的实时速度（图6）。这表明锥体神经元的活动受速度“调制”，但并非精细时间尺度上的速度“编码器”。
   • 线性跑道中的虚假相关：在线性跑道中，35%的锥体神经元表现出与速度的高相关性。然而，进一步分析揭示，这种相关性具有方向性：仅在动物穿过其位置场（place field）的偏好奔跑方向上显著，而在非偏好方向上不显著（图7）。计算模型模拟证实，这种相关性是由于在线性跑道任务中，动物的速度与位置高度共变（中间快、两端慢）所导致的虚假关联。LN模型分析也表明，绝大多数锥体神经元的发放最好由位置模型预测，而非速度模型。

5. 模型分析支持结论：计算模型和LN模型的结果有力地支持了上述发现。模拟的“纯位置细胞”在线性跑道中表现出虚假的速度相关性，而在开放场中则没有，完美复现了真实锥体神经元的行为。LN模型分析则从统计上确认，中间神经元主要编码速度，而锥体神经元主要编码空间位置。

四、 结论与意义

本研究的结论是：在大鼠海马体CA1区，运动速度信息由一群特定的抑制性中间神经元以速率编码的方式稳定地表征，而锥体神经元虽然其平均活动受速度调制，但并不能在行为时间尺度上精确编码速度。在线性跑道中观察到的锥体神经元与速度的相关性，很大程度上是空间编码与任务结构（速度-位置共变）相互纠缠的副产品。

科学价值： 1. 澄清了海马体速度编码的细胞基础：首次明确将海马体内的速度编码功能主要归属于抑制性中间神经元，修正了此前普遍认为锥体神经元也直接编码速度的观点。 2. 深化了对路径整合神经机制的理解：为路径整合计算模型提供了关键的细胞类型输入。模型通常需要持续的速度信号来更新位置估计，本研究指出高发放率、广空间调谐的中间神经元更可能提供这种持续、稳定的速度输入，而稀疏发放、具有明确位置场的锥体神经元则更适合表征位置信息。 3. 支持了相位进动（phase precession）的计算模型：最近有模型提出，中间神经元接收速度依赖的兴奋性输入，从而调节锥体细胞在θ周期内的发放相位，实现与速度无关的固定位置-相位关系。本研究为中间神经元接收速度信号提供了直接证据。 4. 强调了分析方法和行为范式的重要性：研究揭示了区分“平均发放率调制”与“瞬时时间尺度编码”的重要性，并警示在分析神经编码时需谨慎处理行为变量间的共线性问题（如线性跑道中的速度与位置）。

五、 研究亮点

1. 关键发现：首次系统论证了海马体CA1区存在一群专门编码速度的抑制性中间神经元，其编码具有跨时空和环境的稳定性。
2. 方法学严谨性：
   • 采用了保守且基于双峰分布的速度细胞定义标准。
   • 通过多角度验证（空间/时间/环境稳定性、θ周期分析、解码效能、计算模型、LN模型）确保了结论的可靠性。
   • 巧妙利用线性跑道任务中速度与位置的耦合特性，揭示了锥体神经元速度相关活动的虚假本质，并利用计算模型进行了有力验证。
3. 对已有文献的整合与推进：研究确认了Kropff等人（2015）在内嗅皮层报道的速度细胞在海马体同样存在，并进一步将这类细胞的生理身份明确为中间神经元，与Ye等人（2018）关于内嗅皮层速度细胞也是GABA能神经元的研究相呼应，构建了更完整的海马-内嗅皮层速度处理回路图景。
4. 理论贡献：为空间导航网络中信息流的分离处理提供了新证据：位置信息主要由锥体细胞表征，而速度信息则由中间神经元传递，二者可能在网络层面进行整合以支持路径整合等高级认知功能。

六、 其他有价值的内容

研究还简要讨论了速度细胞命名的恰当性，指出“速度细胞”这一术语仅为表述方便，并不意味这些中间神经元只编码速度，它们在海马局部回路中必然还承担着其他重要功能，如控制输入输出、产生振荡、分离细胞集群序列等。此外，研究推测速度细胞可能接收来自内侧隔膜等脑区的速度相关兴奋性输入，这为后续研究指明了方向。