这篇研究发表于《Nature》期刊，2025年9月4日，第645卷，第177-190页。研究由国际脑实验室（International Brain Laboratory, IBL）联盟主导，这是一个由全球12个实验室组成的合作组织，通讯作者为联盟整体。参与机构包括纽约大学、斯坦福大学、华盛顿大学、伦敦大学学院、日内瓦大学、加州大学洛杉矶分校、加州大学伯克利分校、冷泉港实验室、麻省理工学院、普林斯顿大学、哥伦比亚大学、艾伦神经动力学研究所、莱顿大学等众多国际知名研究机构。

研究背景与目的 本研究属于系统神经科学领域，旨在解决一个核心挑战：理解在复杂行为中，分布在数百个相互连接脑区的神经元如何整合感觉输入与先验预期，以启动运动并做出决策。传统研究通常由不同实验室在不同脑区、使用不同行为范式和不同分析方法进行，这使得构建一个统一、全面的脑活动图谱变得困难。因此，本研究的目标是创建一个在标准化行为任务下，覆盖全脑范围、具有单神经元分辨率的神经活动图谱。具体而言，研究者旨在系统性地描绘小鼠在执行一项包含感觉、运动和认知成分的决策任务时，关键任务变量（如视觉刺激、选择、动作和反馈）在整个大脑中的神经表征分布与动态过程。

详细研究流程 本研究是一项大规模、标准化的数据收集与分析工作，其流程可概括为以下几个关键步骤：

1. 行为任务标准化与动物训练：研究采用了国际脑实验室开发的标准化决策任务。139只小鼠（94只雄性，45只雌性）接受了训练。在每次试验中，屏幕左侧或右侧会出现一个视觉刺激，小鼠需要通过用前爪转动一个滚轮将刺激移动到中心位置。任务包含区块结构，刺激出现在左侧或右侧的先验概率会在一个区块内保持恒定（80:20），区块转换没有提示。刺激对比度从5个可能值中均匀采样，包括0%（无刺激）对比度。小鼠根据选择获得水奖励（正确）或白噪音脉冲加短时暂停（错误）。研究者记录了小鼠的行为表现，包括正确率、反应时间以及对区块先验的利用情况，确保了行为的可重复性和一致性。

2. 大规模电生理记录：在行为任务进行的同时，研究团队使用Neuropixels探针进行了大规模的电生理记录。总计在139只小鼠中插入了699根Neuropixels探针。记录策略采用网格化插入，覆盖了左侧大脑半球（前脑和中脑）以及右侧小脑和后脑。这种设计旨在采样对侧刺激/动作和前脑区域，以及同侧小脑/后脑区域。所有实验室遵循统一的靶点定位和记录方案以确保数据可比性。

3. 数据处理与神经元鉴定：原始记录数据上传至中央服务器，并使用标准化流程进行预处理。使用定制版的Kilosort算法进行 spike sorting（尖峰排序），从所有探针记录中初步识别出621,733个单元。随后应用严格的质量控制指标，从中分离出75,708个隔离良好的单个神经元，平均每根探针108个。记录后，通过连续切片双光子显微镜重建探针轨迹，并使用艾伦通用坐标框架为每个记录位点和神经元分配了具体的脑区标签。主要分析集中在至少2个会话中、每个会话至少有5个神经元、总计至少20个神经元的279个脑区。

4. 多维度神经数据分析：为了全面评估神经活动如何编码任务变量，研究采用了四种互补的分析方法，每种方法侧重于不同的方面：

   • 解码模型：使用正则化逻辑或线性回归，根据特定时间窗口内的群体神经活动（尖峰计数）预测单个任务变量（如刺激侧、选择侧）在每个试次中的值。该方法评估了下游神经元能从活动中读取什么信息，但未区分高度相关的变量（如刺激侧和选择侧）。
   • 单细胞统计：使用条件组合曼-惠特尼U检验，在控制其他变量（如刺激、区块）的情况下，检验单个神经元在特定任务阶段的放电率是否与目标变量（如选择侧）相关。该方法控制了变量间的相关性，但统计效力较低。
   • 群体轨迹分析：将单个会话中所有试次的神经元平均放电率聚合到每个脑区，构建高维神经状态空间中的群体活动轨迹。通过计算不同任务变量条件（如左选 vs. 右选）下轨迹之间的欧氏距离，分析群体水平表征的幅度和时间动态。该方法提供了时间演化信息，但将不同会话的记录合并处理。
   • 编码模型：使用广义线性模型，将每个神经元在每个试次的活动拟合为一系列与任务事件（如刺激、运动、反馈）锁时的“时间核”的线性组合。通过移除某个变量的核来量化该变量对神经元活动方差的贡献大小。该方法提供了精细的时间尺度信息。 所有分析均使用了置换检验和错误发现率校正来控制统计假阳性。

主要研究结果 研究对四个核心任务变量的神经表征进行了详细刻画，揭示了不同变量在全脑范围内的编码具有显著差异：

1. 视觉刺激表征：

   • 结果：视觉刺激的表征相对集中。解码分析和群体轨迹分析显示，刺激信息在刺激出现后100毫秒内，广泛存在于经典视觉皮层、丘脑、中脑和后脑区域。单细胞分析（控制选择等变量后）显示，显著相关的神经元比例较低（约0.5%），主要仍集中在经典视觉通路（如初级视皮层VISp、外侧膝状体LGd）以及一些中脑（如上丘SCm）、后脑（如网状核GRN）区域。
   • 动态与逻辑：群体轨迹分析揭示了清晰的时间序列：视觉信息首先在丘脑（如LGd，约34毫秒）和初级视皮层（VISp，约42毫秒）出现短暂的、较强的响应，随后传播到更高级的视觉皮层和一系列中脑、后脑区域（如MRN、GRN，约100-120毫秒）。这些中后脑区域的响应表现为缓慢上升的“斜坡”式活动，且同时编码了选择信息。这表明视觉信息处理遵循从感觉输入到决策相关区域的层级和时间传播路径。

2. 选择（决策）表征：

   • 结果：选择信号的分布远比视觉刺激广泛。在运动发生前100毫秒的时间窗内，解码分析、单细胞统计和群体轨迹分析一致表明，选择信息广泛编码于皮层、基底节、丘脑、中脑、后脑和小脑中。特别是在后脑（如GRN、IRN）、中脑（如MRN、SCm）和丘脑的一些核团，发现了很高比例的选择相关神经元和很强的群体水平分离。
   • 动态与逻辑：选择信号的出现时间在不同脑区有所不同。一些最早的信号几乎同时出现在丘脑（如LD）和皮层（如视觉相关区域），随后在更大范围的分布式脑区中出现。值得注意的是，脑干网状结构（如GRN、MRN）等区域表现出中等延迟但非常强的选择信号幅度，提示这些传统上认为与低级运动控制相关的结构在决策形成或运动准备中可能扮演重要角色。由于分析控制了刺激和区块的混淆，这些选择信号反映了决策形成或特定动作准备的内在过程。

3. 反馈（奖赏/惩罚）表征：

   • 结果：反馈信号的分布最为广泛，几乎遍及所有记录脑区。无论是解码正确与否、单细胞对反馈类型的响应，还是群体轨迹的分离，在绝大多数脑区都达到了统计显著水平。
   • 动态与逻辑：对正确反馈（奖赏）的响应尤其强烈，并在许多脑区引发了与舔舐行为锁相的、约10赫兹的振荡活动。这种振荡在错误反馈时缺失，表明其可能与奖赏消费相关的运动输出密切相关。响应潜伏期分析显示，听觉相关区域（如AUDp、下丘IC）对错误反馈的声音信号响应最早，随后其他脑区几乎同步出现广泛的响应，提示可能存在一个广播到全脑的共同信号。

4. 滚轮运动表征：

   • 结果：与运动速度相关的神经活动同样广泛存在于全脑。超过80%的报告脑区可以解码运动速度，编码模型也显示运动速度对许多脑区神经元活动方差的贡献很大。运动方向（速度）的表征虽然也存在，但效应量一般小于速度。
   • 逻辑：这种运动相关的广泛活动可能源于多种因素的综合，包括具体的运动规划与执行、感觉反馈、运动引起的自身感觉输入抑制、以及更一般的状态变化（如觉醒水平）。研究还通过视频分析发现，超过半数的神经元与至少一种行为运动变量（如鼻子、爪子运动）显著相关，进一步印证了神经活动与运动的广泛耦合。

研究结论与意义 本研究成功创建并初步分析了一个前所未有的、公开可用的全脑神经活动图谱数据集。其主要结论是：在执行一项认知决策任务时，不同任务变量的神经表征在全脑范围内的“普遍性”存在显著差异。感觉输入（视觉刺激）的表征相对集中且具有明确的层级和时间传播特性；决策变量（选择）的表征则广泛分布于包括皮层下和脑干在内的分布式网络中；而与行为结果（反馈）和运动执行相关的信号则几乎无处不在。

这项研究的科学价值在于：它提供了一个标准化、可重复的基准数据集，为神经科学界深入研究跨脑区计算、分布式信息处理、以及行为控制的神经机制奠定了坚实基础。它挑战了将特定认知功能局限于少数“高级”脑区的传统观念，强调了即使是复杂决策也涉及从皮层到脑干的广泛网络协同。应用价值体现在其公开的数据和分析工具，允许全球研究者进行更深入的二次分析，探索脑区相互作用、细胞类型特异性贡献等问题。

研究亮点 1. 规模与标准化：研究通过大规模国际合作，使用统一的行为范式、记录技术和分析流程，获得了来自621,733个神经元、覆盖279个脑区的标准化数据集，克服了以往研究碎片化的问题。 2. 全脑覆盖与单神经元分辨率：利用Neuropixels探针技术，首次在决策行为背景下，实现了对小鼠近乎整个大脑半球的高密度电生理采样，达到了单神经元水平的分辨率。 3. 多维互补的分析方法：采用解码、单细胞统计、群体轨迹和编码模型四种方法，从不同角度交叉验证了任务变量的表征，提供了关于编码强度、特异性、时间动态和群体性质的全面图景。 4. 重要发现：明确了不同任务变量编码的差异性和广泛性，特别是揭示了中脑和后脑区域在视觉信息处理和决策形成中的重要作用，以及反馈和运动信号在全脑的普遍存在。

其他有价值内容 研究还进行了初步的脑区间格兰杰因果交互分析，发现高交互分数存在于所有主要脑区之间，且多为双向，与解剖距离相关性较弱。此外，研究配套论文（Findling et al., 2025）专门分析了“区块先验”信息在全脑的表征。所有数据和分析结果可通过国际脑实验室的数据门户和在线图谱浏览器公开访问，极大促进了数据的可及性和可重用性。研究也承认了当前分析的局限性，例如未能区分神经调质释放细胞类型，以及任务变量解释的神经活动方差比例有限，提示大部分脑活动可能与任务无关或涉及未监测的变量。