关于“丘脑-脑干吸引子网络驱动历史偏向决策”的研究报告

一、 研究作者、机构与发表信息 本研究由来自中国科学院脑科学与智能技术卓越创新中心、北京大学心理与认知科学学院、麦戈文脑研究所、定量生物学中心、北京大学-清华大学生命科学联合中心、华中科技大学武汉光电国家研究中心以及海南大学等机构的科研团队共同完成。主要作者包括 Shan Zhao, Heying Shan, Xiao Liu, Yu Qian, Jingyao Huang, Yi-Ran Liu, Zhenfei Jiao, Lichen Ye, Lin Cong, Xiaoou Wang, Zhi-Yuan Wang, Danyang Li, Ming-Quan Chen, Kai Wang, Ling Fu, Xu-Fei Du, Si Wu 和 Yu Mu。该研究成果以研究长文（Article）的形式于2026年发表在顶级学术期刊《自然》（*Nature*）上。

二、 学术背景 本研究属于系统神经科学与计算神经科学交叉领域，聚焦于一个普遍存在的行为现象：序列依赖性（Serial Dependence）。在自然环境中，事件通常连续发生，因此将近期经验纳入当前决策（即产生历史偏向）具有适应意义，能帮助生物体稳定行为、平滑噪声输入并利用环境的结构性特征（如资源聚集）。序列依赖性广泛存在于多种物种和认知任务中，其神经表征遍布整个大脑，从前额叶皮层到早期感觉区域。然而，尽管这些相关区域已被广泛识别，一个核心问题仍未解决：这种历史偏向是如何通过特定的神经环路计算产生的？大脑如何选择性地维持、更新过去的经验信息，并将其转化为行为偏差？

针对这一知识空白，本研究团队提出一个核心假设：大脑中广泛存在的历史信息表征并非功能冗余，而是构成了一个计算层级结构。在该结构中，上游节点将过去信息作为短期记忆保存，下游节点则将该记忆与当前感觉输入整合，从而产生序列依赖性。为了验证这一假设并揭示其背后的完整神经环路机制，研究团队选择以斑马鱼幼鱼为模型，利用其全脑、细胞分辨率成像的技术优势，结合虚拟现实行为学、光遗传学操控与计算建模，系统性地探究了历史偏向决策的神经基础。

三、 详细研究流程 本研究采用了多学科交叉的研究策略，流程环环相扣，从行为学表征到环路机制，再到计算原理的阐释。

1. 行为学范式建立与序列依赖性验证 * 研究对象与方法：使用5-7天大的转基因斑马鱼幼鱼（表达泛神经元钙指示剂GCaMP8m），将其部分麻痹后置于虚拟现实环境中。通过记录其尾部运动神经元电信号并实时解码，控制虚拟场景更新，使其能够“游动”并躲避虚拟障碍物。障碍物（黑色方块）随机出现在其视野左侧或右侧，每个障碍物消失后间隔一段时间（通常10-20秒）再出现下一个，形成一系列左右障碍物序列。 * 关键实验：在虚拟导航任务中，精确量化斑马鱼的避障轨迹。通过分析不同历史序列（如前一个障碍物在左/右，当前障碍物在左/右，即LL, LR, RL, RR）下的避障强度，来检测序列依赖性。 * 数据分析：计算“避障距离”（鱼在遇到障碍物期间的横向位移）。通过比较相同当前刺激但不同先前历史（如LL vs. RL, RR vs. LR）下的避障距离差异，来量化序列偏见的强度。 * 结果：斑马鱼表现出显著的序列依赖性。当连续两个障碍物出现在同侧（LL或RR）时，其避障反应（轨迹远离障碍物的程度）比交替出现（LR或RL）时更强。这种偏见可持续长达20秒，并能追溯到前两个试次的历史，且与简单的感觉或运动惯性无关（通过暂停背景光流使鱼在间隔期完全不动来验证）。这为后续神经机制研究奠定了可靠的行为学基础。

2. 全脑成像筛选与关键脑区鉴定 * 研究对象与方法：在斑马鱼执行上述虚拟避障任务的同时，使用定制化的光片显微镜进行全脑、单细胞分辨率的钙成像。记录数万神经元的活动，并将所有神经元注册到标准斑马鱼脑图谱中。 * 关键实验：聚焦于障碍物消失后的“间隔期”，此时大脑需要内部维持过去障碍物的位置信息。分析每个脑区群体活动（通过主成分分析PC1）在间隔期内对“左”或“右”历史信息的区分能力（可解码性）、信号的持久性以及对间隔期的选择性。 * 数据分析：计算各脑区的可解码性指数（基于左右历史下PC1活动分布的统计差异）、持久性指数（间隔期内信号显著的时间比例）和选择性指数（间隔期与刺激期持久性的差异）。 * 结果：多个脑区在间隔期表现出历史信息编码，其中背侧丘脑（Dorsal Thalamus， DT） 在可解码性、持久性和选择性上均表现最为突出。DT神经元的活动在刺激消失后能持续10-20秒，并表现出对侧选择性，且主要活跃于间隔期而非刺激呈现期。这提示DT可能作为维持近期感觉历史记忆的关键节点。

3. 光遗传学验证DT的因果作用 * 研究对象与方法：在转基因斑马鱼中，分别在DT神经元中表达抑制性光敏感蛋白（如GtACR1）或激活性蛋白（如ChrimsonR）。使用空间光调制器进行精确的脑区靶向光刺激。 * 关键实验： * 必要性实验：在间隔期内，双侧抑制DT神经元活动，观察其对下一个试次序列偏见的影响。 * 充分性实验：在长间隔期（27秒，此时内源性偏见已很弱）结束时，单侧激活DT神经元，模拟“记忆”一个对侧障碍物，观察是否能在下一个试次中诱导出相应的行为偏向。 * 数据分析：比较光遗传操控组与对照组（无光敏感蛋白表达或光照非目标脑区）的序列偏见强度。 * 结果： * 必要性：在间隔期抑制DT活动，显著削弱甚至消除了序列偏见，鱼的反应变得如同没有记忆。 * 充分性：单侧激活DT，能够模拟对侧障碍物历史的效果，即激活左侧DT会增强对后续右侧障碍物的避让，减弱对左侧障碍物的避让，反之亦然。 * 操控本身不引起即时运动反应，偏见仅在遇到下一个障碍物时才显现，证明DT的持续活动编码的是内部记忆状态，而非直接驱动运动。

4. DT吸引子动力学的揭示 * 研究对象与方法：深入分析DT群体神经元在间隔期的活动模式。 * 关键实验与数据分析： * 状态分离：对DT群体活动进行降维分析（如PCA），发现其活动在间隔期会稳定在两个离散的状态，分别对应“左”或“右”的历史。 * 扰动与切换：在间隔期开始时给予DT一个短暂的双侧光抑制扰动。发现扰动后，DT的活动要么回到原始状态（“保持”），要么切换到对立状态（“切换”）。这种双峰分布是离散吸引子动力学的特征。更重要的是，这种神经状态的“切换”预测了行为偏见的反转：“切换”试次表现出与“保持”试次相反的序列偏见。 * 输入鲁棒性：系统改变障碍物的距离和呈现时长，发现DT的活动在刺激消失后仍能收敛到两个离散状态，而其他脑区（如中脑顶盖）则表现出衰减或连续的反应。DT在“双稳态指数”（衡量类别间差异与类别内差异之比）上得分最高。 * 结果：DT在间隔期的活动表现出典型的离散吸引子动力学：两个自我维持的、稳定的状态，能够抵抗扰动，并能将变化的感官输入分类到对应的状态中。这为DT作为稳健的、分类式的单次事件记忆缓冲器提供了直接证据。

5. 脑干整合器的发现与功能验证 * 研究问题：DT作为双态吸引子，每次新输入都会重置其状态，无法累积多试次的历史信息。然而行为显示偏见能追溯到前两试次。因此，需要一个下游脑区来整合DT的离散记忆信号。 * 研究对象与方法：在全脑数据中，寻找能同时编码当前（trial t）和前一试次（trial t-1）障碍物信息的神经元。 * 数据分析：使用线性解码器分析，并设计“理想整合器模板”来筛选神经元。该模板要求神经元活动能根据历史序列（LL, LR, RL, RR）分化出四种不同的活动水平。 * 结果：在后脑（Hindbrain） 的特定区域（主要位于菱脑节2, 3, 5, 6），发现了一小群稀疏分布的“整合器”神经元。这些神经元的活动能同时编码当前和过去的刺激，其活动水平能根据多试次历史（如LL > RL > LR > RR）进行分级，并能预测即将发生的行为偏见强度。 * 环路连接验证： * 功能连接：光遗传激活DT，能可靠地引起这些后脑整合器区域的活动。 * 解剖连接：基于斑马鱼全脑投射组数据，证实DT存在到这些后脑区域的兴奋性投射。 * 功能意义：光遗传激活与DT输出同侧的后脑整合器区域，能反转后续的行为偏见，这与DT信号在传递过程中发生侧向交叉（即左侧DT影响右侧后脑，从而影响对左侧障碍物的避让）的观察一致。

6. 全脑计算模型的构建与验证 * 模型构建：基于斑马鱼全脑图谱的解剖约束，构建了一个三层计算模型： * 层1（输入层）：模拟中脑顶盖（TeO），接收感觉输入。 * 层2（吸引子层）：模拟DT，通过兴奋性神经元、持续性抑制神经元和感觉门控的瞬时性抑制神经元构成的循环网络，实现双态吸引子动力学。瞬时抑制有助于在出现新刺激时快速更新记忆状态。 * 层3（整合器层）：模拟后脑整合器，接收来自层1（当前感觉）和层2（历史记忆状态）的输入，通过整合产生分级输出，对应四种历史序列。 * 模型验证与预测： * 动力学重现：模型成功重现了DT的离散吸引子状态和后脑整合器的分级活动模式。 * 行为预测：通过一个将层3活动映射为避障运动的读出阶段，模型模拟出的行为表现出与真实斑马鱼一致的序列依赖性。 * 关键预测验证：模型预测DT中存在功能异质的抑制性神经元亚型（瞬时的和持续的）。通过活体成像DT中的GABA能神经元，研究团队确实识别出了这两类功能不同的抑制性神经元集群，验证了模型的关键预测。

四、 主要研究结果 1. 行为学层面：成功建立了斑马鱼虚拟避障范式，并首次在该模型中定量证实了跨越数十秒、涉及多试次历史的序列依赖性行为。 2. 神经环路层面： * DT作为记忆缓冲器：通过全脑筛选，发现DT是维持近期感觉历史信息最关键的脑区。其神经元活动在刺激消失后能持续数十秒，编码分类式的记忆。 * DT的因果必要性：光遗传抑制DT可消除序列偏见，激活DT可模拟历史记忆、诱导行为偏见，证明DT活动是序列依赖性的必要且充分条件。 * DT的吸引子动力学：DT群体活动在间隔期稳定于两个离散状态，符合双点吸引子的特征：自我维持、抗扰动、能对扰动产生“保持”或“切换”响应，且“切换”直接导致行为偏见反转。 * 后脑作为多试次整合器：发现了后脑中一群稀疏的“整合器”神经元，其分级活动同时编码当前和过去试次的信息，并能预测行为偏见强度。该区域接收来自DT的输入，并将DT的离散“保持/切换”信号转化为连续的整合输出。 3. 计算机制层面：构建的解剖约束全脑计算模型揭示了一个吸引子-整合器（Attractor-Integrator） 的层级计算架构。DT的吸引子网络负责稳健地维持分类记忆，而后脑的整合器网络则将这种离散记忆与当前感觉输入相结合，产生反映多试次历史的梯度化行为输出。模型预测并实验验证了DT中感觉门控的瞬时抑制神经元在实现记忆稳定性和更新灵活性平衡中的关键作用。

五、 研究结论与意义 本研究揭示了一个驱动历史偏向决策的层级化丘脑-脑干神经环路机制。其核心在于将记忆维持与感觉整合这两个计算功能分离到不同的神经基质中：背侧丘脑（DT）通过离散吸引子动力学充当稳健的记忆缓冲器，维持对最近单次事件的分类记忆；而后脑（Hindbrain）的整合器网络则接收来自丘脑的信号，将其与当前感觉线索合并，产生反映多试次历史的梯度化输出，从而驱动序列依赖性行为。

这项研究的科学价值在于： 1. 提供了序列依赖性的完整环路解释：将此前分散在不同脑区的相关发现，统一到一个具有明确信息流和计算分工的层级框架中，超越了仅仅描述神经相关性的层面。 2. 阐明了“稳定性-灵活性权衡”的神经实现：通过揭示DT中瞬时与持续抑制神经元的作用，展示了大脑如何在稳健保存过去信息（稳定性）和快速更新以应对新输入（灵活性）之间取得平衡。 3. 提出了一个可推广的神经计算原理：吸引子-整合器架构可能是一个通用的计算模块，可被不同的感觉任务灵活调用，以实现跨行为领域的历史依赖性调制。DT作为一个相对任务通用的记忆缓冲区，而后脑则作为多种感觉运动功能的汇聚区。 4. 创新性地解读了下游整合机制：下游环路解码的是吸引子的状态转换结构（保持 vs. 切换），而非其绝对的持续活动水平。这为如何将离散的、抗噪声的分类记忆稳健地转化为连续的、可累积的信号提供了一个生物学上可行的解决方案。

六、 研究亮点 1. 技术整合与系统性：研究结合了虚拟现实行为学、全脑单细胞钙成像、细胞类型特异性的光遗传学操控以及解剖学约束的计算建模，形成了从行为到环路再到计算原理的完整证据链。 2. 因果机制的深度解析：不仅发现了关键脑区（DT和后脑），还通过精巧的光遗传学扰动实验（如诱导状态“切换”）和建模，深入揭示了其内在的吸引子动力学和层级信息转换机制。 3. 计算神经科学的典范：研究成功地将高维神经数据提炼为清晰的计算模型（吸引子-整合器），并用模型做出可验证的预测（如DT抑制神经元亚型），再通过实验加以证实，实现了实验与理论的紧密闭环。 4. 概念的突破：明确了序列依赖性并非神经惰性的被动副产品，而是由专门化神经模块执行的主动计算过程。将DT的吸引子状态视为一种“先验”，为理解大脑如何利用环境统计结构进行贝叶斯推断提供了具体的环路基础。

七、 其他有价值的内容 研究也指出了未来的方向：例如，探索序列偏见如何根据环境统计特性（如事件相关性的强弱）进行适应性调整（可塑性）；利用连接组学解析DT内部的微环路及其到后脑的精确投射图谱；探究更高维的神经表征；以及使用实时活动引导的光遗传学进行更精确的功能剖析。此外，研究提到异常的序列依赖性与精神分裂症、自闭症等疾病相关，这为理解这些疾病的认知缺陷提供了潜在的神经机制视角。