IT / 文献库

PAPER 247 / CLOSE READING

Dissociation between local field potentials and spiking activity in macaque inferior temporal cortex reveals diagnosticity-based encoding of complex objects

语义审核:pass · 图表审核:pass

本文目录 (Table of Contents)
  1. 研究背景
  2. 研究思路
  3. 方法
  4. 主要结果
  5. 图注解读
    1. 图 1 · 示例单细胞:诊断性决定遮挡条件下的反应
    2. 图 2 · 群体反应:遮挡普遍降低反应、诊断性条件显著更高
    3. 图 3 · 高诊断性 case 的放电与 LFP 群体平均
    4. 图 4 · 记录位置对单细胞与 LFP 诊断性效应的影响
    5. 图 5 · 示例 LFP 位点:P140 只对诊断条件反应
  6. 讨论
  7. 一句话总结

这项研究先通过判别任务确定复杂自然场景中对猕猴行为判断起关键作用的诊断性部位(diagnostic parts),再用遮挡刺激在猕猴下颞叶(inferior temporal, IT)皮层同步记录单细胞放电与局部场电位(local field potential, LFP)。结果显示,两类信号都优先表征诊断性部位,但只有 LFP 的诊断性效应沿 TE 区前后轴系统增强。研究报告了随解剖部位分离的放电-LFP 解离:放电信号在 TE 各处均匀携带诊断性信息,而 LFP 仅在前部携带。作者由此提出推论:计算发生地可在单细胞水平观察到,而信息动态路由经过的区域在两类信号中均可见。这一视角对人类脑电(EEG)研究具有参考价值。

研究背景

遮挡研究通常把可见面积作为识别难度的重要变量,但露出面积大小与露出了什么部位并不等价。行为实验表明,同一物体的不同区域对识别判断的贡献并不均衡:保留少量关键部位可能仍可辨认,露出较大面积的非关键区域却未必足够。这些“诊断性部位”由具体判别任务和学习经验决定,不能简单等同于直觉上醒目的几何或形状特征。下颞叶神经元能够对物体局部成分产生响应,也能在随机遮挡后维持一定选择性;联想学习与任务相关特征训练还会重塑其反应。这些发现引出一个问题:遮挡后的神经反应,究竟主要反映剩余视觉信息的物理数量,还是按照动物实际利用的信息权重重新分配。

此前基于部件的研究多通过逐步简化刺激来寻找单个神经元的有效特征,或人为设定训练任务中有用的维度,尚不能充分说明自然场景中行为实测的关键部位是否获得优先表征。另一个缺口来自记录信号本身。单细胞放电与局部场电位反映神经活动的不同层面:前者指示细胞的动作电位输出,后者包含局部群体突触电流及外来输入的影响,因此同一认知变量未必在两种信号中以相同方式呈现。若仅观察诱发电位,容易将信号缺失误判为局部神经元不携带相关信息;若仅记录单细胞放电,又难以厘清该信息在区域间如何组织传递。将行为诊断性与两类电生理信号同时联系起来,才能检验这种表征与传递上的差异。

本文先依据猕猴先前的判别表现确定每幅场景的诊断性区域,再构造可见面积相匹配的诊断与非诊断条件,并与完整场景进行对比。在被动注视任务下同步记录 TE 区放电与场电位,使分析聚焦于已形成的表征,而非当下的判别动作;沿前后轴系统取样,旨在考察两种信号的诊断性效应是否存在不同的空间分布。研究借此追问经验如何改变遮挡信息的加工权重,以及单细胞放电与群体电流能否揭示不同的组织层次。需要说明的是,放电与场电位的解离并不直接等同于完整计算回路的定位,也不能直接证明因果信息流向;“后部计算、前部接收”的解释仍依赖皮层投射关系和信号来源假设。任务定义的诊断性也不能脱离测试情境,直接泛化为所有识别行为下的固定关键部件。

研究思路

研究总体策略分为两步,逻辑上先定义行为变量,再探查其神经表征。第一步:在先前研究中训练两只猕猴判别少量自然场景图片,通过系统测试逐张确定猴子完成判别所依赖的具体图像部位;第二步:以行为测得的诊断性与非诊断性区域为模板,使用掩膜构造出仅露出诊断性部位(3 个版本,可见面积分别为 10%、30%、50%)与仅露出非诊断性部位(同样 3 个版本)的遮挡刺激,连同完整场景共 7 个条件。随后在被动注视范式下,在 IT 皮层 TE 区记录单细胞放电与 LFP。该设计使“诊断性”基于动物行为实测而非实验者直觉设定,并通过配平平均亮度和整体对比度排除低级视觉差异,针对每只猴子使用适配其判别策略的刺激集。同步记录放电与 LFP 的理论依据在于两者的生理构成差异:LFP 源自电极尖端邻近神经元群的轴突、胞体与树突电流,属于群体质量信号。解剖学估计显示锥体细胞约 60%–70% 的兴奋性连接保留在局部,仅 30%–40% 投射到其他皮层区(Braitenberg 与 Schüz 1998;Binzegger 等 2004),因此 LFP 综合反映了局部加工与来自其他脑区的传入输入;单细胞放电则体现局部加工并投向靶区的输出。若任务相关信号仅出现在放电水平而 LFP 中缺失,提示该信号主要在局部计算产生;若两类信号均存在,则可能包含从其他脑区中继传入的信息。这一推理构成了作者解释结果的基础框架。

方法

实验被试为两只成年雄性恒河猴(Macaca mulatta)。刺激呈现于距眼 97 cm、经过伽马校正的 21 英寸显示器上,每幅图像视角为 6°×6°;每只猴子从先前研究使用的六幅自然场景中选取四幅。所有修改图像的平均灰度与对比度(灰度值标准差 SD)均与原图配平,遮挡图像的均值与 SD 仅针对未遮挡区域计算。记录实验采用注视任务:试次以猴子注视屏幕中央点开始,经历至少 100 ms 的可变基线后呈现刺激 500 ms,全程需将视线保持在中心 1° 窗口内(巩膜搜索线圈监测,采样率 200 Hz),注视成功后在刺激结束 1 秒给予果汁奖励;每种条件在每次记录中至少完成 10 次重复试次。记录装置采用带球窝关节与 18 号不锈钢导管的记录舱(Horsley-Clarke 坐标:猴 1 AP 18.1、ML 17.7;猴 2 AP 15.4、ML 16.8),使用五通道微驱动器搭载石英玻璃包覆的铂/钨电极(阻抗 1–2 MΩ)。原始信号分离为多单元活动(500 Hz–10 kHz 带通)与 LFP(1–100 Hz 带通),并通过离线 spike-sorting 分离单细胞单元。取样过程未按任务选择性预先筛选神经元,电极推进至出现一个或多个良好隔离的单位即开始采集。两只猴子的记录位点沿前后轴呈相反方向推进(猴 1 由前向后,猴 2 由后向前),用以排除记录批次或会话内学习效应对空间梯度的干扰。单细胞分析选取刺激出现后 100 ms 起的 300 ms 时间窗(TE 神经元典型潜伏期约为 100 ms),基线取刺激前 100 ms,放电密度函数通过 σ=10 ms 高斯核卷积计算。量化指标“诊断方差”(diagnostic variance)定义为 VGroup/Vtotal × 100%,其中 Vtotal 为放电率总方差,VGroup 为诊断与非诊断条件均值对总均值离差平方和的一半:若细胞放电率完全由可见部位的诊断性决定,该值为 100%;若两类条件反应完全相等,则为 0%。LFP 原始采样率为 4.46 kHz,降采样至 1 kHz 后经 5–80 Hz Butterworth 带通滤波,以刺激前 100 ms 基线进行 z 变换,刺激锁定平均得到视觉诱发电位(VEP);随后提取 P140 峰值处 20 ms 窗口的平均 LFP 幅值替代放电率,代入相同的方差公式。每个神经元对单幅场景所有测试版本的响应定义为一个“case”,仅当至少一个版本诱发出显著兴奋反应时(对比基线 t 检验,p<0.05,经 28 次多重比较校正)纳入分析。单细胞记录中 423 个神经元共产生 220 个视觉反应 case;LFP 记录中 214 个位点共产生 458 个 case。

主要结果

  1. 单细胞水平:诊断性是遮挡条件下诱发反应的主导因素。 示例神经元(图 1)对完整场景呈现强烈反应(p<10⁻⁶),三个诊断条件均诱发出显著放电(p=0.0004 及两处 p<10⁻⁴),而非诊断条件中仅最大可见面积(50%)达到显著水平(三个 p 值分别为 0.54、1.0、0.003)。群体水平(220 个 case,图 2)中,完整刺激引发潜伏期约 100 ms、贯穿整个刺激呈现期的持续放电;所有遮挡条件的反应均显著弱于完整刺激(配对 t 检验 p<0.001),但在三种可见面积(10%、30%、50%)下,诊断条件的反应均显著高于同等面积的非诊断条件(配对 t 检验均 p≤0.02)。同时,诊断条件下的反应幅度与可见面积无显著相关(重复测量 ANOVA,p=0.9),露出 10% 诊断性部位所引发的放电与露出 50% 相当。逐 case 对比显示(图 2c),在 10% 面积下,147 个 case 的放电率在诊断条件下更高,高于非诊断条件的 70 个(χ² 检验 p<0.001);30% 面积下为 129 比 87(p=0.004);50% 面积下为 127 比 90(p=0.01)。另有 90 个 case 在至少一个面积条件下表现出诊断与非诊断反应的显著差异。此外,许多神经元对非诊断部位仍保留一定反应,说明判别学习主要是对神经表征依据诊断性进行了“相对重加权”,而非完全压制了对非关键特征的神经响应。

  2. 高诊断性单细胞与高诊断性 LFP 位点均优先表征诊断性部位。 按诊断方差排序,选取超过第 90 百分位数的 22 个单细胞高诊断性 case(图 3a),其平均放电密度函数显示诊断条件的反应显著强于非诊断条件(诊断性主效应 p=0.001,与面积无交互作用 p=0.92)。同样,超过第 95 百分位数的 23 个 LFP 高诊断性 case(图 3b)中,P140 幅值在诊断条件下显著大于非诊断条件(主效应 p<0.001,与面积无交互作用 p=0.39)。在全体数据中,诊断方差越高的单位,其诊断条件相比非诊断条件的反应差值也越大。

  3. LFP 的 P140 成分能明确区分诊断与非诊断条件。 群体平均 VEP 在刺激呈现后 100–200 ms 之间包含三个特征峰:约 100 ms 的负偏转 N100、约 140 ms 的正偏转 P140 以及 200 ms 处的负偏转 N200(N200 分析结论与 P140 类似,N100 未见系统效应)。示例记录位点(图 5)中,三个诊断条件与完整条件的 P140 幅值均显著高于基线零点(p=0.006、0.003、<0.001;完整条件 p=0.003),而三个非诊断条件均未显著高于基线(p=0.83、0.20、0.23);该位点的 P140 幅值不受可见面积显著影响(面积主效应 p=0.61,诊断性主效应 p<0.001,交互作用 p=0.15)。遮挡诊断条件的 P140 潜伏期显著长于完整条件(p<0.001、0.001、0.005);非诊断条件下幅值过低,无法稳定测定潜伏期。

  4. 关键解离:诊断性效应在单细胞放电水平沿 TE 前后轴均匀分布,而在 LFP 水平沿前后轴系统增强。 单细胞记录的高诊断性 case 在记录区前后两半分布均匀(两只猴子 χ² 检验均 p=1),诊断方差与 AP 位置无显著相关(猴 1 p=0.5;猴 2 p=0.9;合并 p=0.6),内外侧(ML)轴位置及上颞沟(STS)下岸与腹侧 TE 之间亦未见显著差异。LFP 数据则表现出明显梯度(图 4b,d):高诊断性 LFP case 集中分布于记录区前半部(猴 1 χ² 检验 p=0.008;猴 2 p=0.005),全体 LFP case 的诊断方差与 AP 位置呈现显著正相关(猴 1 r=0.16,p=0.04;猴 2 r=0.31,p<0.001;合并 r=0.33,p<0.001),记录位点越偏向前部,LFP 对诊断性表现出的差异响应越强。由于两只猴子的电极推进方向相反但呈现出一致的空间梯度,会话先后的训练或暴露效应无法解释该分布;ML 轴的总体弱相关(r=0.26)仅由猴 2 单独驱动(猴 1 r=−0.04,无统计学意义),STS 下岸与腹侧 TE 之间的相关系数也无显著差异。

  5. 作者由此提出假说:诊断性信息先在后部 TE 的部分神经元群中编码,随后投射至前部 TE。 解剖上后部 TE 对前部 TE 存在强投射连接;诊断性在后部 TE 仅见于单细胞放电而未反映在群体 LFP 中,在前部 TE 则在两类信号中均可观测。作者据此推测:某一认知特征进行实际局部计算的区域,往往表现为“单细胞放电可测、LFP 不明显”;而信息中继或动态路由经过的受体区域,则倾向于“两类信号均可测得”。

图注解读

图 1 · 示例单细胞:诊断性决定遮挡条件下的反应

原文图注:Figure 1. Responses of an exemplar single unit. a, Raster plots. In these plots, each line denotes the occurrence of an action potential generated by the selected neuron (stimulus onset at 0 ms). Each plot summarizes the responses in one of the seven conditions, using the stimuli shown next to each raster plot (occluded image parts are shown as hatched regions; they were gray in the actual stimuli). The labels next to each raster plot indicate the type of condition (D, diagnostic; ND, nondiagnostic; numbers correspond to the visible stimulus size). The gray region in each raster plot corresponds to the time window used for computing the stimulus evoked firing rate. b, Average net firing rate for the selected neuron. Error bars denote SEM, asterisks indicate conditions for which a t test between stimulus and baseline firing rate yielded p < 0.05. As a reference, the diagnostic variance for this case is given in the plot.

a 展示七个条件(完整场景、三个诊断条件 D、三个非诊断条件 ND,数字表示可见面积百分比)的光栅图:每行代表一个试次,每个点代表一个动作电位,刺激起始于 0 ms。遮挡区域在附带的小图中使用斜线阴影标示(实际实验中为灰色),灰色底纹区域指示计算刺激诱发放电率的时间窗。b 展示该神经元的平均净放电率,误差棒表示 SEM,星号标出相比基线 t 检验达到 p<0.05 的条件,图内同时列出该 case 的诊断方差数值。从光栅点密度可见,完整场景与各诊断条件下放电密集,非诊断条件仅在 50% 面积时出现中等反应,直观体现了单细胞水平对诊断性特征的选择性偏好。

Figure 1

图 2 · 群体反应:遮挡普遍降低反应、诊断性条件显著更高

原文图注:Figure 2. Population response. a, Average normalized spike density function for the 220 visually responsive cases. Spike density functions are averaged across the three diagnostic and nondiagnostic conditions. Dashed lines correspond to the SEM. The stimulus onset occurs at time 0 ms. b, Mean net firing rate for the complete population. Errors bars show the SEM and asterisks indicate conditions with a mean significantly different from zero (t test, p<0.05). Labels for conditions are as in Figure 1. c, Net firing rate in a diagnostic condition (visible stimulus size 10%) versus the net firing rate in the matching nondiagnostic condition. Each point represents one case. A minority of cases had firing rates higher than 20 spikes/s or lower than −10 spikes/s. These cases are plotted overlying the corresponding axis. The square represents the example neuron depicted in Figure 1. The dashed line indicates equal responses in the diagnostic and nondiagnostic condition. The numbers list the cases above and below this line.

a 展示 220 个有视觉反应 case 的平均归一化放电密度函数(诊断与非诊断条件分别对三种可见面积取平均,虚线表示 SEM,刺激于 0 ms 呈现):神经反应在约 100 ms 开始并贯穿刺激期。b 展示全群体的平均净放电率,星号标出显著高于零的条件,可见诊断条件在三种面积下均维持显著放电,非诊断条件仅 50% 面积时达到显著。c 为散点图,横纵坐标分别为 10% 可见面积下的配对非诊断与诊断净放电率,每个点代表一个 case,虚线表示两条件响应相等,方框为图 1 的示例神经元;对角线上方(诊断反应更强)与下方的数据点数量分别为 147 与 70。在 30%(129 比 87)和 50%(127 比 90)面积下也呈现类似分布,支持了群体水平上诊断性信息的优先编码。

Figure 2

图 3 · 高诊断性 case 的放电与 LFP 群体平均

原文图注:Figure 3. Population average for the high diagnosticity cases. a, Average normalized spike density function, computed across the 22 single-unit cases for which the diagnostic variance exceeded the 90th percentile of all cases. b, Average VEP for the 23 LFP cases for which the diagnostic variance exceeds the 95th percentile. The VEP component labeled with an arrow is the P140. For spiking activity and LFP, the diagnostic and nondiagnostic conditions are plotted separately; the response to the full condition is repeated in the two plots. Labels indicate the condition (D, diagnostic; ND, nondiagnostic; numbers correspond to the visible stimulus size).

a 为诊断方差超过全体前 10%(第 90 百分位数)的 22 个单细胞 case 的平均放电密度函数;b 为诊断方差超过全体前 5%(第 95 百分位数)的 23 个 LFP case 的平均视觉诱发电位(VEP),箭头所指为 P140 成分。两幅子图中诊断与非诊断条件分栏绘制,完整场景条件在两栏中重复展示作为参照,标签含义同图 1。在高诊断性亚群中,诊断条件的神经反应均大幅提升,而非诊断条件的放电与 P140 波形则几乎回落至基线水平,展现出两类信号在诊断性编码上的对应关系。

Figure 3

图 4 · 记录位置对单细胞与 LFP 诊断性效应的影响

原文图注:Figure 4. Influence of recording position on the properties of single units and the LFP. a–b, Location of high diagnosticity cases in monkey 1, shown on a sagittal view of parts of the temporal lobe. In a, the two small brain pictures on the left indicate the location of the selected brain region. This region is indicated in black in the upper image; it is generated by slicing along the line depicted in the lower image. The right side in a shows the distribution of single-unit high-diagnosticity cases. b, Distribution of the high-diagnosticity LFP cases. In these plots, each dot corresponds to one case recorded from this monkey. Large dots show the location of the diagnosticity cases; small dots show the locations of the rest of the cases. To allow a better separation of different cases, the AP position of each case was randomly jittered by a small amount for display purposes only. The dashed line divides the recording region into a posterior and anterior half with equal extent along the AP axis; numbers list the diagnosticity cases in each half. Thick black lines indicate the location of the STS and the ventral end of the brain. The white matter (WM), which separates the lower bank of the STS from ventral TE in the selected slice, is shown by the gray region. The position of these landmarks is plotted as estimated during recordings. c–d, Diagnostic variance as a function of recording location. In these plots, the diagnostic variance of each case is plotted as a function of its AP position. Symbols indicate the monkey in which a case was recorded; the thick line plots the regression computed between diagnostic variance and AP position. c, Single unit data. d, LFP data. In all plots, Post and Ant label the posterior and anterior end of the recording region, respectively.

a 与 b 在猴 1 颞叶局部矢状面上标出记录位点(左侧示意图标注切片位置与剖线):大圆点代表高诊断性 case,小圆点代表其余 case,点坐标经微小随机抖动以避免重叠;虚线将记录区域沿前后(AP)轴平分为前后两半,并标注两半区的 case 数;粗黑线代表上颞沟(STS)与大脑腹侧边缘,灰色区域为分隔 STS 下岸与腹侧 TE 的白质(WM)。a 中单细胞高诊断性 case 在前后两半分布均匀;b 中 LFP 高诊断性 case 显著聚集于前半区。c 与 d 分别绘制单细胞与 LFP 的诊断方差随 AP 位置变化的散点分布及线性回归线(不同符号区分两只猴子):单细胞数据的拟合线接近水平,LFP 数据的回归线则沿前后向显著抬升。这一对比直观展示了解离现象:LFP 的诊断性效应随记录位置向前推移而显著增强,而单细胞放电水平在全区保持均衡。

Figure 4

图 5 · 示例 LFP 位点:P140 只对诊断条件反应

原文图注:Figure 5. Responses of an exemplar LFP site. a, Visual evoked potentials. The P140 is labeled with an arrow. Diagnostic and nondiagnostic conditions are plotted separately; the response to the full condition is repeated in both plots. Conditions are labeled as in Figure 3. b, Amplitude of the P140, averaged across trials. Error bars denote the SEM; asterisks indicate the conditions for which a t test of the peak amplitude against 0 yielded p < 0.05. As a reference, the diagnostic variance for this site is also given.

a 为该位点在各条件下的 VEP 波形(条件标签同图 3,完整刺激在两栏重复绘制),箭头指示 P140 峰;b 为跨试次平均的 P140 幅值,误差棒表示 SEM,星号标出峰值显著高于零的条件(t 检验,p<0.05),图中同时标注了该位点的诊断方差。对比可见,在诊断条件及完整刺激下,P140 波形清晰且幅值显著高于基线;而在非诊断条件下,波形几近抹平,即使呈现 50% 可见面积也未引出明显电位变化。该位点体现了前部 TE 记录点在群体电位层面对诊断性成分的高选择性。

Figure 5

讨论

作者将这些发现置于物体表征与特征加工的脉络中进行探讨。相较于在麻醉动物上逐步简化刺激以寻找最优特征的研究范式,本研究以动物自身判别行为实测依赖的图像区域为标准,表明这种与行为任务直接相关的“诊断性”特征是训练后皮层编码的重要决定因素。这一结论与清醒猴研究中任务相关特征增强表征的发现趋势一致(Sigala 与 Logothetis 2002;Baker 等 2002),同时拓展了对遮挡局部反应与完整图像反应之间量化关系的直接对比,并覆盖了放电与 LFP 两个电生理层级。

关于放电与 LFP 解离机制的解释是讨论的核心。LFP 主要反映电极尖端邻近神经元群的树突与胞体突触电流,涵盖局部突触活动与外来传入信号;放电则代表局部神经元整合后的动作电位输出。在本实验中,携带诊断性信息的放电活动均匀分布于整个 TE 区,而诊断性 LFP 反应仅见于前部 TE。作者据此提出两点推论:第一,后部 TE 携带诊断性信息的神经元未在局部 LFP 中形成群体效应,说明“某区域 LFP 未检出任务相关信号”并不意味着该区单个神经元不参与相关表征;第二,在某脑区检测到显著的任务相关 LFP 效应,也未必证明该认知加工就在此地独立完成,它可能源自其他脑区计算后投射而来的群体突触输入。由于 LFP 与人类头皮脑电(EEG)信号直接相关,这一解释框架为非侵入性脑成像与电生理研究提供了方法学提示:例如将人类枕颞皮层与局部部件整合(知觉闭合)相联系的 EEG 研究(Doniger 等 2000;Murray 等 2004),若仅依赖表面电位推断,可能会低估参与底层计算的实际皮层范围。

研究也指出了相应局限:在内外侧(ML)轴上的相关性主要由猴 2 单独贡献,侧向空间维度的规律尚不够稳健,但前后轴上的主效应在两只猴子中高度一致;通过相反的记录推进方向排除了会话累积效应,但仍属于间接论证。此外,“前部 TE 接收后部中继”属于基于解剖连接与电生理特性的推论模型,信息沿前后轴流动的动态过程与局部微回路机制仍有待后续因果操纵研究进一步证实。

一句话总结

研究以猕猴判别任务实测依赖的图像部位定义诊断性特征,证实 IT 皮层优先编码诊断性部位;单细胞放电在 TE 区前后均匀表征诊断性,而 LFP 效应仅在前部显著,提示诱发电位中观察到的信号可能反映了信息的中继与汇聚,而实际执行局部计算的皮层区域可能表现为单细胞有响应但宏观场电位不明显。

审校与证据追溯

当前来源未附审校评注。请参照上方登记状态。