总纲 / F · 自然行为、目标约束与环境泛化 / F02 · 情境不变信念与前额叶功能连接

F02 · Context-invariant beliefs are supported by dynamic reconfiguration of single unit functional connectivity in prefrontal cortex of male macaques

Noel, J.-P., Balzani, E., Savin, C., & Angelaki, D.E. (2024). Nature Communications, 15, 5738. doi:10.1038/s41467-024-50203-5

降低虚拟导航中的视流密度后，7a和dlPFC仍保留一定的跨情境目标距离解码能力。dlPFC耦合滤波器的重构与解码及行为稳定性相关，打乱统计依赖会削弱这一跨情境读出。

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。

本文目录
  1. 背景
  2. 研究思路
  3. 方法
  4. 主要结果
  5. 逐图解读
  6. 讨论与解读边界
  7. 思考问题

背景

视流证据减少时，动物仍可能利用已习得的动作—感觉关系进行导航。本文研究这种行为稳定性是否伴随细胞间统计依赖的改变。

研究思路

高低视流密度试次交错，作者记录MSTd、7a和dlPFC，并用P-GAM估计任务调谐和短时耦合。跨情境解码、按目标距离分组的打乱及session间相关，检验功能耦合与稳定读出的联系。

方法

三只雄性恒河猴（Q、S、M，7–8 岁，9.8–13.1 kg），共 82 个 session（27/38/17），平均每 session 约 1070 个 trial，合计 44,476 个高密度与 43,286 个低密度 trial。操纵杆控制线速度（上限 200 cm/s）与角速度（上限 90 deg/s）；目标在 1–4 m、±45° 范围内均匀抽样；停止点距目标中心 0.6 m 内给果汁奖励（奖励边界用 staircase 定，使奖励率约 66%）。记录采用急性 24 通道线性电极（猴 Q、S 的 MSTd 与 7a；猴 M 的 dlPFC）加慢性 Blackrock 阵列（猴 Q 的 7a 96 电极，猴 S 的 7a 与 dlPFC 各 48 电极），KiloSort 2.0 加人工矫正，质控（ISIv<20%、cR<0.02、PR>90%）后共 3332 个单单位（MSTd 240、7a 2647、dlPFC 445），平均每 session 同时记录 40 个，三区平均放电率 5.69、6.14、6.61 spikes/s。P-GAM 以 6 ms 分箱，纳入 17 个任务变量（线/角速度与加速度、位置、到目标与到起点距离、眼位、theta/alpha/beta 频段的 LFP 瞬时相位等），外加 spike history 与同 session 内其它单位的 coupling filter（within-area 滤波器时长 36 ms）。解码用 Lasso 回归（跨脑区匹配 10 个单位与平均放电率，5 折交叉验证）和一个 10-20-1 的两层 ANN 作对照。

主要结果

行为层面，高低密度下猴子到达目标的增益几乎没有差别（径向 0.85±0.04 vs 0.79±0.04，角度 0.82±0.14 vs 0.77±0.12，逐猴逐维度对比全部 p>0.13），变的只是终点离散程度（原文以session内SEM衡量：0.19±0.04 vs 0.25±0.04；报告p=0.044，但其t统计量对应关系需核查）与奖励率（0.60±0.01 降到 0.55±0.01，平均掉 4.41%）——这正是感觉 likelihood 变宽而无偏 prior 下的 Bayesian 预期，与动物在低密度下更多依赖internal model的解释一致，但不独立证明其贝叶斯实现。

神经统计结构则按脑区分出两种命运。Tuning 函数形状跨密度高度稳定（96.8% 的调谐保留，形状平均相关 0.92），但 MSTd 的调谐增益在低密度下显著缩水（Cohen's d=0.21），7a 与 dlPFC 几乎不动（d<0.06）。Noise correlation 方面，耦合对的检出跨情境不变（92.1% 保留耦合身份，within-area 显著耦合占 20.4%）；MSTd 的耦合强度在低密度下反而增强（p<0.005，d=0.51，耦合神经元的 STA 从 0.64 升到 1.02 Hz），7a 与 dlPFC 的强度不变。真正的分化在滤波器的时间形状上：跨密度相关 MSTd 为 0.85±0.017，7a 和 dlPFC 都只有约 0.73（Kruskal-Wallis p=0.0021）——感觉皮层是"固定模式的增益调制"，顶叶和前额叶是"时间结构的重构"。

群体码呈现出与连接重构相反的不变性。PCA 显示 MSTd 的群体动力学随密度整体平移，7a 和 dlPFC 的前两个主成分上高低密度轨迹重叠。Lasso 解码 distance-to-target：三种经区域内训练测试都成立，但跨情境（高密度训练、低密度测试）只有 7a（Cohen's d>3）和 dlPFC（d=1.14）能泛化，MSTd 的 CV R² 掉到零以下。三个证据把这份不变性连到 dlPFC 的连接重构上：按到目标距离分 bin 打乱 noise correlation（保持 tuning 完好）后，dlPFC 的跨情境解码消失（p=0.84）而 7a 不受影响（p=1.17×10⁻⁸）；session 之间，dlPFC 的耦合滤波器重构得越彻底，该 session 的跨情境解码越好（r=-0.71，p=0.0018），7a 没有这层关系（r=0.08，p=0.65）；行为上，dlPFC 重构越多、MSTd 越稳定，低密度造成的成绩滑坡就越小（分别为 r=0.59，p=0.004；r=-0.47，p=0.030）。换用非线性 ANN 解码器，dlPFC 的这层依赖依旧成立。

逐图解读

图1

来源：原文 Fig. 1，PDF 第 3 页。

图 1 · 范式与行为：两种计算情境下 belief 的保持。 (A) 任务结构：操纵杆导航、300 ms 闪现的目标、高/低密度地面三角元素两种条件；(B) 单个 session 的径向与角度增益回归（示例增益 0.90 与 0.95，R² 0.55 与 0.78），可见猴子系统性略欠射；(C) 三只猴跨 session 的增益汇总，高低密度两团数据基本重叠；(D) 全部 87,762 个 trial 的终点散点加二维直方图等高线，低密度下等高线明显外扩。这张图承担的是"行为前提"的论证：如果动物在低密度下不会做任务，后面关于 context-invariant belief 的一切神经分析都无从谈起。读的时候抓 C 与 D 的分工——均值不变（C）、方差变大（D），后者恰是感觉证据变少的理论签名。

图2

来源：原文 Fig. 2，PDF 第 4 页。

图 2 · 耦合滤波器的估计及其随 optic flow 密度的重排。 (A) P-GAM 编码模型结构：17 个任务变量、spike history，以及用橙色强调的 coupling filter；(B) 调谐增益（低/高密度之比）：MSTd 显著低于 1（虚线），7a 与 dlPFC 贴着 1；(C) 耦合强度：MSTd 在低密度下增强，7a/dlPFC 不变，每个点是一个 session；(D) 耦合滤波器形状跨密度相关系数的累积分布，附 chance（跨 session、跨通道、跨动物配对相关）与 ceiling（同一耦合对在奇偶 trial 上的相关）两条参考线，MSTd 最贴近 ceiling。这可能是全文最关键的一张图：它把"noise correlation 的变化"拆成强度（C）与时间形状（D）两个指标，显示不同脑区在这两个指标上的变化有所不同——"感觉皮层增益调制、联合皮层重构"的二分法就立在这两个面板上。

图3

来源：原文 Fig. 3，PDF 第 6 页。

图 3 · 群体码的不变性及其与连接重构、行为的关系。 (A) 按目标位置（9 个 bin）×密度分组的 task-unaligned PCA 潜在轨迹：MSTd 的高（彩色）低（黑色）密度轨迹分开呈平移状，7a 与 dlPFC 的两套轨迹重叠；(B) distance-to-target 解码：区内训练测试（左、中）三个脑区都在零线以上，跨情境（右）只剩 7a 和 dlPFC 为正；(C) 五个单 trial 的解码轨迹示例；(D) 只破坏 noise correlation 后的跨情境解码：dlPFC 塌回零线（p=0.84），7a 不动；(E) dlPFC 的耦合稳定性与跨情境解码能力负相关（r=-0.71）；(F) dlPFC 重构越多、MSTd 越稳定，行为受视流证据减少的影响越小。这张图把全文逻辑链收口：从"群体码不变"（A、B），到"不变性依赖 dlPFC 的 noise correlation"（D），再到"重构程度逐 session 预测解码与行为"（E、F），四层递进。

讨论与解读边界

P-GAM把任务调谐、放电历史与短时耦合分开，提供了超出平均放电变化的描述。区域间的差异提示，相似的稳定群体读出可能伴随不同的细胞间统计关系；“功能连接”在本文指模型估计的依赖，不能等同于解剖连接或直接突触强度。

按目标距离分组打乱活动，是对记录数据的计算操作，不是脑内连接的因果干预；它也可能改变未被该分组充分控制的共同变化。到目标距离可被解码，为信念相关表征提供支持，但该变量并非逐试次主观信念的直接测量。行为增益未显著改变不等于完全无偏或严格等效。原文将终点离散程度以session内SEM描述；所列t(81)=1.06与p=0.044不符合通常t检验对应关系，本笔记保留报告值并标明需查原数据或更正，不能当作已复算统计。

思考问题

  1. 控制共同输入、速度、眼动及试次进程后，dlPFC的短时耦合重构是否仍预测跨情境解码？
  2. 怎样用定时神经扰动区分耦合变化是维持信念的原因，还是共同任务状态的结果？
返回总纲