Computational principles of microcircuits for visual object processing in the macaque temporal cortex

这是一篇由 Hirabayashi 与 Miyashita 撰写的综述，把近年在清醒行为猴颞叶皮层上做"微回路（microcircuit）计算"的实验进展整理成三条原理：Hebb"相位序列"在物体记忆提取中的实体化、层间信号流随编码/提取情境反转，以及跨层级区域之间"前体编码先创建、再增殖"的物体表征生成原则。它值得读，是因为它回答了一个比"哪个神经元编码什么"更精细的问题——神经编码如何在相互连接的少数神经元之间被变换和传递，而这正是把单细胞感受野研究与认知功能连起来的缺失环节。

研究背景

微回路被认为是嵌在全脑网络中的计算单元。理解它的经典起点是 Hebb 六十多年前提出的细胞集群（cell assembly）概念：一群皮层神经元如何被协调起来完成认知所需的计算。约二十年后，Perkel 等人把这一概念落成可操作的分析框架——对同时记录的神经元 spike train（锋电位序列）做互相关分析，定量评估其协调性。此后大量研究确认了大脑中存在编码感觉信息的细胞集群，早期视觉系统的系列工作更确立了"神经元按感受野性质的相似性建立连接或接受共同输入"的接线图景，而同步放电可以高效驱动共同的目标神经元。

但综述作者指出两个明显缺口。其一，多数研究只关注同步放电本身，很少沿着"串联连接"的单个神经元链条去考察信息流与神经编码的变换——而这恰恰对应 Hebb 的相位序列（phase sequence，即多个细胞集群依次激活构成的认知过程的神经表现），是理解回路计算原理的关键。其二，单区域内部的微回路研究无法回答层级问题：一个特征表征究竟是在它"流行"的皮层区域生成的，还是先在低阶区域以少数前体形式出现、再转移到高阶区域扩散开的？后者并非空想——V1 中投向 MT 区的 4B 层神经元已经被证明具有与目标区相似的方向选择性。要回答这两个问题，需要在清醒行为猴上对被认知任务刻画的神经元做有向的信息流分析，而这在当时才刚刚变得可行。

研究思路

综述的逻辑是沿着"从区域内部到区域之间"展开的。作者把 microcircuit 明确定义为组成神经元都处在一个直径约 300 µm 球体内的回路，把"计算"定义为通过单神经元间有向交互推断出的神经编码变换。全篇的论证框架是：先用物体联想记忆任务把神经元按功能分类（哪些保持线索、哪些回忆配对），再用有向分析工具（互相关、Granger 因果）检验这些功能类别之间的信号流向及其时间结构，从而回答"编码变换发生在哪里、沿什么方向、以什么速度进行"。

作者特别强调"跨区域比较微回路"这一策略的方法学价值：物体联想表征在猴 IT 层级中表现极不均衡——高阶的围嗅皮层 area 36 中占主导，低阶的 area TE 中只是少数——传统解读是表征在 area 36 生成。作者检验的对立假说则是"前体编码创建与随后的增殖（precursor-code creation and subsequent proliferation）"：少数前体编码先在低阶区域生成，再在高阶区域通过神经元数量增多而变得普遍。把两个相邻区域的微回路操作并列比较，正是裁决这两种计算原则的实验设计。

方法

本文是综述而非单一实验，其"方法"由所综述的一系列实验构成，核心都围绕猕猴颞叶皮层的行为电生理。行为范式是物体联想记忆任务：猴先学习六对物体的配对关系，正式试验中先呈现线索刺激（cue），经过延迟期后呈现两个物体，其中一个是线索的配对联想（paired-associate），另一个是干扰项，猴正确选择配对联想才获得奖励。利用该任务，IT 皮层（inferior temporal cortex，下颞皮层）中被划分出两类功能不同的记忆神经元：线索保持神经元（cue-holding，CH）在延迟期继续编码已呈现的线索，配对回忆神经元（pair-recall，PR）的延迟期活动编码将被回忆的线索之配对联想。

分析工具以 Box 1 系统介绍：（i）互相关分析（cross-correlation），以一个神经元的每个锋电位为参考计算另一神经元的放电概率随时间的变化，中心峰提示共同输入，位移峰提示串联连接；（ii）相干（coherence），互谱的归一化形式，可检出含长时滞结构在内的连接，多锥度方法使其可应用于 spike 数据；（iii）Granger 因果（Granger causality），基于线性回归判断一个时间序列的过去值能否改进对另一序列当前值的预测，其非参数版本使其适用于离散的 spike 数据，用于判断信号流方向。层间研究采用垂直插入的多触点线性电极同时记录各层 spikes 与局部场电位，用电流源密度（current source density，CSD）分析中最早出现的电流"阱"来定位颗粒层深度，免去反复实验中的组织学定位。所有研究均在执行认知任务的清醒猴上进行，记录对象为规则发放的、推定锥体神经元（regular-spiking putative pyramidal neurons）。

主要结果

1. 物体记忆提取的信号流方向为 CH → PR。在围嗅皮层（perirhinal cortex）area 36 同时记录多单单位并做 Granger 因果分析：对编码同一物体对的 CH-PR 神经元对，记忆提取期的信号流显著地从 CH 流向 PR（反向少见）；信号流在 gamma 频率范围（30–120 Hz）最显著，与既往"局部交互以 gamma 为主"的报道一致（图 2A）。

2. 提取信号在回忆神经元集合内传播。对"1 个 CH + 2 个 PR"的三元组同时记录显示，CH→PR1 的信号流之后，紧接着出现以 PR1→PR2 为主的进一步信号流——说明从 CH 发出的提取信号会触发回忆神经元之间的连锁传播，从而对将被回忆的目标物体形成稳健表征（图 2B、C）。作者指出，这把 Hebb 的相位序列在行为动物中实体化了。

3. 层间信号流随认知需求反转。Takeuchi 等用多触点线性电极配合 CSD 分析记录围嗅皮层各层：线索呈现（编码）期，信号按"经典皮层回路"的方向流动——从颗粒层（granular layer，第 4 层）到 supragranular 层（第 2/3 层），再到 infragranular 层（第 5/6 层）；而在记忆提取期，方向反转为从 infragranular 层流回 supragranular 层。层间信息流因此不是固定的布线属性，而是随编码与提取的情境动态切换的。

4. 联结表征在低阶区 TE 生成、在高阶区 36 增殖。在 TE 与 36 两个区域分别做双神经元同时记录并用互相关检出串联功能性连接（source→target）：在 area TE，连接主要从编码单个物体的神经元流向编码学过物体对的神经元，即"汇聚型"微回路在 TE 生成联结表征；而 area 36 中连接双方编码联结的强度相近，不存在这种偏差（图 3A）。在 area 36 内部，source 与 target 神经元的联结编码时间均值相似，但 target 神经元的联结编码随线索呈现逐渐建立得较慢，提示联结编码在 36 中经循环（recurrent）交互逐步发展（图 3B）。综合即得"前体编码在 TE 创建、转移到 36 后经循环交互增殖而成为主导"的层级计算原则（图 3C）。

5. 复杂（非线性）表征普遍发展缓慢。Brincat 与 Connor 用 1000 多个由轮廓片段组合的人工形状，把 IT 神经元反应拟合为线性项（单个片段）与非线性项（片段组合）之和：非线性成分的建立显著慢于线性成分（图 4A、B）；网络模拟表明引入调谐相似神经元之间的循环交互即可复现这种慢动态。类似的渐进编码还见于：最前部面孔补丁中视角不变的个体身份需要 300 ms 以上才达最大表征；单神经元先编码"脸/非脸"这类全局信息、后编码面孔身份等细粒度信息。作者据此提出，经循环网络的复杂加工导致的编码渐进发展可能是 IT 皮层物体表征的一般机制。

图注解读

图 1 · 微回路与物体联想记忆任务的组织框架

原文图注：Figure 1. Microcircuits and their organization for object association in macaque temporal cortex. (A) Schematic diagram showing activities of functionally different classes of neurons in macaque inferior temporal (IT) cortex. In this task, monkeys were presented with a cue stimulus first, and two different objects were then presented following the delay period, one of which was the paired-associate of the cue-stimulus and the other a distracter. The monkeys were then rewarded when they correctly chose the paired-associate. Monkeys were trained to learn six pairs of objects. Using this task, several types of IT neurons showing different response patterns have been identified [42,43,75]. These neurons potentially interact during the cue and/or memory retrieval period in the task. (B) Potenti……

这张总览图分三步铺垫全文问题。A 面板画出任务时间线与三类功能神经元（线索响应、配对编码，以及细分的 CH 与 PR）各自的放电模式；B 面板是"潜在连接图"——线索信息如何经微回路操作被转换为联想性物体表征或目标提取信号（图中以问号标出待检验的问题）；C 面板把问题抬升到皮层层级：一个区域经微回路操作产生的变换后编码，会被传到下一个区域、由该区域固有的计算原则继续加工。它支撑的是全文的提问方式，而非某条具体结论。

图 2 · 物体记忆提取微回路中的信号流

原文图注：Figure 2. Information flow in a microcircuit of macaque perirhinal cortex underlying retrieval of object association memory. (A) Population results of the Granger causality from cue-holding (CH) neurons to pair-recall (PR) neurons (top) and in the opposite direction (bottom). Vertical white lines represent cue onset and offset. Note that CH and PR for the causality analysis encoded the same object pair. During the memory retrieval period, neuronal signal flow emerged predominantly in the direction from CH to PR. (B) Population results of the Granger causality for CH–PR1–PR2 triplet recordings. Top, Granger causality from PR1 to PR2 triggered by that from CH to PR1. Abscissa, the time from the maximum Granger causality from CH to PR1 in each triplet……

读法：A 面板是人群平均的 Granger 因果时频图，横轴为线索呈现后的时间、纵轴为频率，颜色深浅代表因果强度；上图为 CH→PR 方向，下图为 PR→CH 方向——提取期（线索消失后）只有 CH→PR 方向在 gamma 段（30–120 Hz）显著，方向性一目了然。B 面板把三元组记录按"各自 CH→PR1 因果峰值时刻"对齐，可见 PR1→PR2 的因果紧随其后，而 PR2→PR1 则弱得多。C 面板是微回路模型示意：蓝（CH）与红（PR）神经元的亮度表示放电率，箭头表示有向交互。此图支撑结果 1 与 2。

图 3 · 跨颞叶区域的联结表征回路

原文图注：Figure 3. Neuronal circuits for associative object representation across macaque temporal areas. (A) Response profiles of pairs of TE neurons that exhibited significant functional connectivity in the direction from source-neurons (bottom) to target-neurons (top). Functional connectivity was predominantly observed in the direction from neurons coding for a single object to neurons encoding a learned pair of objects, suggesting that converging microcircuits generate the representations of learned object associations. These converging microcircuits were predominantly observed in area TE, but not in area 36, suggesting that the representations of object associations are generated in area TE, but not in the higher-order area 36. (B) Dynamics of associative coding for source- and target-neurons……

读法：A 面板展示 area TE 中一例有向连接对的响应谱：source 神经元（下排）对单个物体反应最强，target 神经元（上排）则对该物体的配对联想（optimal paired-associate）反应最强——连接恰好把"单物编码"变换为"联结编码"。B 面板把 area 36 中各连接对的联结编码指标（pair-coding index，PCI，即神经元对所有学过物体对的响应相关）按 source 神经元 PCI 半最大值时刻对齐：source 的联结编码在线索呈现后快速上升，target 的则缓慢爬升。C 面板给出层级模型：TE 创建少数前体联结编码，转移到 36 后经循环交互增殖为该区主导表征。此图支撑结果 4，是"前体编码创建与增殖"原则的核心证据。

图 4 · 循环交互导致的表征渐进发展

原文图注：Figure 4. Gradual development of neuronal representations constructed by complex processing via recurrent neuronal interactions. (A) Response profile of a representative neuron in the IT cortex. In this study, neuronal response profiles to a large (>1000) stimulus set were fitted by model functions in which responses were represented by the weighted sum of several different terms, each corresponding to the response to a contour fragment in a stimulus or a combination of the fragments. Left: example stimuli including contour fragments that locate near the tuning peaks. This neuron responded primarily to two different contour fragments (left, blue) and their combination (left, green). Right: observed (grey histograms) and predicted (black traces) responses to the example stimuli. Blue and gr……

读法：A 面板是后 IT 一例神经元的响应拟合：左侧为调谐峰附近的示例刺激，右侧灰色直方图为实际放电、黑色曲线为模型预测；关键看右下角的分解——对单个曲率的线性响应（蓝）出现得快，对曲率组合的非线性响应（绿）发展明显更慢。B 面板给出线性与非线性成分的群体动态（非线性慢于线性）及机制示意：前馈输入解释快成分，调谐相似神经元间的循环交互解释慢成分，混合前馈与循环的网络模拟基本复现了观察到的动态。改为：非线性成分比线性成分建立得更慢；包含循环交互的模型能够大体复现这一动态，提示循环加工可能参与组合性表征的逐步形成。

讨论

作者把三条证据线收拢为一个叙事：Hebb 的相位序列不再是纯理论构念，它在围嗅皮层的记忆提取微回路中有了神经元层面的实体（CH→PR 的有向信号流及其在 PR 集合内的传播）；层间信号流的方向不是固定布线，而是随编码与提取的认知需求反转，这把"经典皮层回路"从静态解剖升级为动态可调的加工模式；跨层级比较则确立了"前体编码创建与随后的增殖"原则——表征并非总在它最终流行的区域生成。作者同时指出，这些微回路操作应反映学习诱导的突触修饰，脉冲时序依赖的可塑性（spike timing-dependent plasticity）可能参与其中，因为 CH 与 PR 的活动时序具备所需的时间关系。

综述也坦承多处未决：细胞集群作为"回荡活动"的实体仍然有争议，未来需要能同时记录数千神经元的钙成像提供在体证据；Box 2 列出的开放问题包括不同层级回路如何协调、抑制性中间神经元如何参与编码变换、学习依赖的回路发育机制、丘脑枕核（pulvinar）等高阶丘脑结构的作用（Saalmann 等已证明其在 V4 与 TEO 交互中的角色），以及自上而下信号对提取与回路发育的贡献。在方法层面，作者展望把光遗传学与跨层多单单位记录结合，以在皮层层级的不同水平上统一刻画网络操作。

一句话总结

读这篇综述最大的收获是把"层级加工"从体素图上的箭头变成了可检验的回路命题：一个物体对表征可以诞生在 TE 的少数汇聚连接里，然后在 36 靠循环交互散播成主流——"哪里表征多"不等于"哪里生成的"。我尤其欣赏作者对"计算"的定义方式：不谈抽象功能，只谈经有向交互推断出的编码变换，改为：这些方向性交互为 Hebb 六十多年前提出的相位序列概念提供了行为动物中的可测量神经对应证据。当然这是我基于文本的理解——文中所有关键结论都来自小样本、行为猴的记录，三条原理能否推广到其他认知功能，作者自己也列为开放问题。