D13 · Interactively integrating reach and grasp information in macaque premotor cortex
Chen, J., Sun, G., Zhang, Y., Chen, W., Zheng, X., Zhang, S., & Hao, Y. (2025). Neuroscience Bulletin, 41, 1991–2009. doi:10.1007/s12264-025-01430-3
先后提供位置和握法信息时，PMd持续保留第一条信息，但不少单细胞的调制及群体编码方向会改变。经CCA对齐后仍可提取跨延迟期共享的编码成分。
核对版本：Zotero VR 集合中的本地 PDF（2026-09-18）；Zotero 条目 · 打开原文。图下页码均为该 PDF 的文件页序，从 1 开始，可能不同于期刊印刷页码。
背景
伸手位置和握法信息经常同时到达，使保持已有信息与整合新信息难以区分。本文通过先后提示两类信息，观察PMd编码如何随信息到达而变化。
研究思路
位置先行与握法先行试次交错呈现。作者比较两个延迟期的单细胞调制、交互项、编码方向和跨期解码，再用CCA寻找共享成分；统计对齐用于检验可读性，不预设下游实际采用同样权重。
方法
两只雄性恒河猴（Y，7.4 kg，4 岁；W，9.1 kg，5 岁），右手固定、用左手操作。面板竖直放在眼前 20–25 cm 处，两个相同手柄相距 15 cm，每个手柄内嵌四个电容触摸传感器（前+后两个触发记 precision grip，四个全触发记 power grip），行为因此可以被硬件严格判定。时间线：按键启动并注视，900 ms 后第一个 cue 亮 500 ms（cue1），进入 delay1；1000 ms 后第二个 cue 亮 500 ms（cue2），进入 800–1200 ms 的 delay2；然后注视灯灭、RGB 灯变绿为 GO，猴子松键完成正确的伸手抓握。错误 trial（提前松键、抓错手柄、握法错误、注视出界——最后一条只对戴眼动仪的猴 W 生效）被剔除，两只猴正确率都保持在 85% 以上。每猴记录 5 个 session，M1 和 PMd 各植入一块 96 通道 Blackrock 阵列（工作肢体对侧半球；猴 Y 另有 PMv 阵列未用；猴 W 用皮层内微刺激核实电极落在前肢区）。Cerebus 系统采样 30 kHz，阈值 −5.5 倍 RMS 提取锋电位，Offline Sorter 分选；每 session 平均分出 101（猴 Y）和 158（猴 W）个单单元，锋率以 10 ms 分箱、50 ms 高斯核平滑。初步分析显示 M1 神经元基本只对实际动作有反应、不区分 trial 类型（补充图 S1），故后续只用 PMd。分析工具包括：双因素 ANOVA（用 eta 值量化各因素及交互项解释的方差比例）、modulation depth（MD）、SVM 解码（10 折交叉验证）、coding direction（CD，200 ms 窗滑动的群体编码向量及其互相关矩阵）、delay1/delay2 的 MD 四分类（stable/enhanced/attenuated/reversed，取 cue 熄灭后 300 ms 起的两个 500 ms 窗）、以两 delay 活动的 Pearson 相关定义的稳定性指标，以及用 QR 分解加 SVD 实现的 CCA——CCA 的每个成分被当作一个"伪神经元"来画 PSTH、算 MD、做解码。
主要结果
第一层结果确认 PMd在规划期同时表征两类信息。delay1 里平均 21.5% 的神经元显著调制位置、17% 调制握法、38.5% 两者都调（两猴合计）；PCA 平面上 pro 模式的位置条件和 anti 模式的握法条件分得清清楚楚；单 trial 解码里，先到的那条信息准确解出、后到的还在机会水平，位置和握法的 MD 分布几乎完全重叠。有趣的是这个平等只在规划期成立：到实际运动期，两猴的 reach MD 都显著高于 grasp——PMd 干起活来还是偏它的老本行。
第二层结果有点意外：第二条信息一到，第一件信息的编码表面还在、里子全变了。编码第一条信息的神经元比例从 cue1 一直维持到运动期（anti 模式的猴 Y 在 delay2 略降，40.35% 对 27.51%，P=0.0141），解码也接近满分，所以信息没丢。但双因素 ANOVA 的交互项 eta 值在 cue2 出现后抬头、在 cue2 熄灭附近达峰、随后衰减——reach 和 grasp 确实在互相调制，不是简单相加。有显著交互效应的神经元猴 W 高达 59.4%、猴 Y 约 24%；在交互组里，若神经元偏好第一条信息的某个取值，第二条信息的 MD 显著更大（pro 模式 P=3.13×10⁻⁵，anti 模式 P=9.74×10⁻⁷），无交互组则无此效应。
第三层结果把"里子变了"量化了。群体层面，CD 的互相关矩阵里 delay1×delay2 的交叉块明显发暗（相关性显著低于 delay1 内部或 delay2 内部），用 delay1 训练的解码器测 delay2 接近机会水平——编码方向发生变化，导致原始权重的跨期泛化下降。单神经元层面更生动：比较两个 delay 的 MD，只有平均 33.15% 的神经元是 stable，20.33% enhanced、30.03% attenuated，还有 16.49% 连偏好方向都反了（reversed）。控制比较（pro 与 anti 模式的 delay2 互比，信息相同只有顺序不同）给出 48.57% stable，说明部分变化确实来自时序而非信息量，而且这些差异在 delay2 后段逐渐消融、GO 前各条件按 trial 类型重新聚拢。
进一步分析跨期共享成分：CCA 在两个 delay 之间找到了最大相关的投影方向对，最高典型相关达 0.8（shuffle 后只有 0.3），每 session 平均 75.0%（猴 Y）和 65.4%（猴 W）的成分对显著，前八对尤其高——这块子空间里 delay1 与 delay2 的编码格局平行对齐，而对照的 PCA 空间里两个 delay 几乎正交；交叉解码也显著高于机会。那么这个稳定子空间是谁撑起来的？答案出人意料：神经元的稳定性指标与其对 CCA 的贡献指数之间没有任何关系，高稳定组的贡献在猴 W 里与低稳定组无异（P=0.3401）、在猴 Y 里甚至更低（P=0.0222）。作者还用 100 个纯"不稳定"模拟神经元（权重在两 delay 间故意错开）跑 CCA，照样抓出共享子空间——CCA 的线性重组可以把不稳定变成稳定。
逐图解读
来源：原文 Fig. 1，PDF 第 3 页。
图 1 · 任务与植入。 A 是装置：竖直面板上左右两个手柄，白色 LED 指示位置，中央 RGB LED 蓝黄两色分别提示 power/precision grip、变绿作 GO，小 LED 用于注视；所有灯挤在中心小区域以压制 cue 期的眼动。B 是 SPRG 时间线，两个模式的 cue1/delay1/cue2/delay2/GO 结构可以看出——这张图是全文设计的钥匙：delay1 只有单信息，delay2 是整合期，pro/anti 互为对方的顺序对照。C 汇总两猴的行为：正确率两模式一致（猴 W 略有差异但 >85%），反应时间总体相当（配对 t 检验中个别比较达显著）。D 是两猴的阵列位置，黑框标出 M1 与 PMd，都放在中央沟之前的弧状沟上方——后文讨论抓握神经元为何也在这里，靠的就是这张解剖图。
来源：原文 Fig. 2，PDF 第 8 页。
图 2 · delay1：PMd 同时编码 reach 和 grasp。 A 是两个示例神经元的 raster 加 PSTH，竖虚线切出八个任务段（delay1、delay2 有高亮）：神经元 1 在 pro 模式 delay1 里清楚分左右位置，anti 模式里握法调制较弱；神经元 2 两种模式都调，是个地道的双编码神经元。B 是比例条：平均 21.5% 调位置、17% 调握法、38.5% 双调——注意双调者比任何单一调制都多，表明本任务中的 PMd 活动同时涉及伸手位置和握法。C 用 PCA 把 delay1 活动投到二维，pro 模式按位置、anti 模式按握法分成两团。D 显示位置与握法的 MD 直方图几乎重叠。E 是单 trial 解码：pro 模式解码位置、anti 模式解码握法都远超机会线（灰条），而尚未提示的信息都在机会水平——支持delay1优先表征已提示信息，但不能证明未提示信息绝对不存在，该结果与提示顺序相符。
来源：原文 Fig. 3，PDF 第 9 页。
图 3 · 第二条信息到来后，第一条还在。 A 沿 trial 时间画显著调制神经元比例的位置（红）与握法（蓝）曲线，阴影为跨 session 标准差：从 cue1 一直延伸到运动期，先到信息的编码比例不掉线。B 把 delay1 与 delay2 的比例做成柱状图，除猴 Y 的 anti 模式（40.35% vs 27.51%，P=0.0141）外均无显著差异。C、D 换成解码指标：第一条信息在两个 delay 里都接近满分；黄色是四种"位置×握法"组合的解码（机会 25%），delay1 里只有约 50%——与未提示信息尚未被当前解码器可靠检出相符——delay2 里升到接近满分。这张图确立了全文的张力：信息没丢，但这不等于编码没变。
来源：原文 Fig. 4，PDF 第 10 页。
图 4 · 交互整合的直接证据：ANOVA 的 eta 值。 A 是位置（红）、握法（蓝）、交互（黑）三条 eta 曲线沿时间的走势：交互项在 cue2 之后升起、cue2 熄灭附近达峰、trial 末衰减——时程上严丝合缝地对应"第二条信息到达并整合"的窗口。B 分模式比较 delay1/delay2 的 eta，delay2 的交互项显著非零。C 是三个示例神经元：神经元 1 无交互（P>0.05），无论往左伸还是往右伸都一贯偏好 power grip；神经元 2 有强交互（P<0.001），只在往右伸时才分握法；神经元 3 更激进，握法一换，位置偏好直接反向。D 从统计上收口：把神经元按有无交互分组后，交互组里"第一条信息取偏好值时第二条信息的 MD"显著更大（P=3.13×10⁻⁵ / 9.74×10⁻⁷），非交互组无此效应（P=0.127 / 0.06）——交互不是统计假象，而是有结构的选择性增益。
来源：原文 Fig. 5，PDF 第 11 页。
图 5 · 群体编码结构在两个 delay 之间断裂。 A 是 coding direction 的互相关矩阵（pro 模式算位置、anti 模式算握法），200 ms 窗沿 trial 滑动算出 CD 序列再两两求相关：对角线上 delay1 内部和 delay2 内部各自亮成方块，中间 delay1×delay2 的交叉区域明显发暗——同一信息的群体编码向量换了副面孔。B 把相关系数按 delay1×delay1、delay2×delay2、delay1×delay2 三组平均，第三组显著更低。C 用交叉解码给出行为学式的确认：delay1 训练、delay2 测试，成绩跌回机会线附近。和图 3 合起来读：信息还在（图 3），载体换了（图 5）。
来源：原文 Fig. 6，PDF 第 13 页。
图 6 · 单神经元层面的四类命运。 A 是主图：每个显著调制神经元以 delay1 的 MD 为横轴、delay2 的 MD 为纵轴画点，按位置分成 stable（对角线附近，偏好和深度都不变）、reversed（二、四象限，偏好翻转）、enhanced（对角线与 y 轴之间，深度变大）、attenuated（对角线与 x 轴之间，深度变小）四类。B 给一个 reversed 神经元的实例——anti 模式下 delay1 偏好一种握法，delay2 里换了另一个。C 是比例汇总：平均 33.15% stable、20.33% enhanced、30.03% attenuated、16.49% reversed，两猴两模式格局一致。三分之二的神经元在第二条信息到达后改变了编码规则，这是"交互整合"在细胞分辨率下的样子。
来源：原文 Fig. 7，PDF 第 14 页。
图 7 · CCA 子空间：乱象之下的稳定层。 A 是全部 CCA 成分对的平均典型相关：前八对左右明显高出尾部，最高约 0.8，shuffle 对照（虚线）只有 0.3 左右；每 session 显著的成分对占 75.0%（猴 Y）/65.4%（猴 W）。B 挑四个成分当"伪神经元"画活动：CCA1 在 pro 模式 delay1 分位置、delay2 里同样的分离格局复现，CCA2/CCA3 类似（分离幅度渐弱），到了 CCA30 就杂乱无章——稳定性是排在前面的成分的属性。C 是最直观的对比：前两个 CCA 维度里 delay1（实线）与 delay2（虚线）同一条件的轨迹平行对齐，而 PCA 的前两维里两个 delay 几乎正交。D 用 MD 量化：CCA 成分的 delay1/delay2 MD 紧贴对角线，PCA 成分随机散布。E 的交叉解码确认 CCA 空间里 delay1 训练对 delay2 测试仍显著高于机会。读这张图要抓住"PCA 找方差最大、CCA 找跨期相关最大"这组对照——它说明稳定表征不在默认的低维投影里，得去找才找得到。
来源：原文 Fig. 8，PDF 第 15 页。
图 8 · 稳定子空间由谁贡献：一场反直觉的普查。 A 把每个神经元的编码稳定性（两 delay 活动的 Pearson 相关）与其对 CCA 的贡献指数画成散点——没有可见的关系。B 按稳定性升序排列神经元画贡献曲线，无趋势。C 分别给低稳定组和高稳定组的贡献直方图，分布形状相似。D 是 session 平均：高稳定组的贡献在猴 W 与低稳定组持平（P=0.3401），在猴 Y 甚至更低（P=0.0222）。这张图是群体分析的重要结果：直觉会猜"稳定子空间由稳定神经元构成"，数据说不——连那些 delay2 里偏好翻转的神经元，都通过 CCA 的线性重组为稳定编码出了力。作者的模拟（100 个纯不稳定神经元照旧产出共享子空间）说明一种统计组合方式在模型中可行：恰当的权重可以把不稳定变量组合成稳定成分。
讨论与解读边界
顺序提示把单条信息保持与信息整合分开，交互项及跨期解码显示，保留内容并不意味着使用完全相同的群体权重。两种提示顺序的比较有助于区分信息到达与单纯时间推进，仍不能把全部差异归因于一个特定整合回路。
CCA寻找的是最大跨期相关的两组投影，并不证明下游脑区实际使用这组权重。稳定和不稳定单元都能贡献对齐后的信号，是群体读出的统计事实；模拟说明这种组合可能实现，尚非生物机制证明。未提示信息的解码未超过机会水平，也只能说明当前采样与分类器未检出。
思考问题
- 在未参与CCA拟合的提示组合或新session上，共享编码能否保持？
- 若改变第二条信息的可靠性或与第一条信息的冲突程度，跨期编码重组是否可预测？