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。
背景
在光流密度稀疏的虚拟环境中,动物仍能通过操纵杆动作估计自身相对目标的位置与距离。这表明导航行为不单纯依赖当下的瞬时感官输入,还整合了由经验形成的动作—感觉映射或内部前向模型。当在不同光流密度条件下动物均能维持相对稳定的目标距离估计时,便提出了“情境不变性(context-invariance)”的实现机制问题:不同皮层区域究竟是通过固定不变的单一神经调谐来维持内部信念,还是通过动态重组细胞间的协同统计耦合,使群体表征在外界输入波动下保持稳健?平均发放率与单细胞一维调谐曲线本身无法充分解答这一群体机制。
泊松广义加性模型(P-GAM)能够将任务变量调谐、内源性放电历史与同记录单元间的短时功能耦合分离开来,进而区分信号相关性与统计估计意义上的功能连接。需要考察的统计维度包括各脑区调谐增益是否受光流影响、噪声相关强度的升降,以及细胞间耦合滤波器(coupling filters)时间响应形状的动态重组。跨情境解码分析提供了读出层面的有效性检验,但按目标距离分箱打乱(shuffling)属于针对已有记录数据的离线计算操作,并非对神经环路的直接因果干预,且可能伴随未受控共同变化的影响。目标距离的稳定可解码性支持了内部信念相关表征的存在,但在概念上不能直接等同于逐试次主观信念的直接测量。
Noel 等在虚拟导航范式中交替呈现高密度与低密度光流试次,同步记录背侧内侧颞上区(MSTd)、后顶叶 7a 区与背外侧前额叶皮层(dlPFC),系统对比了行为表现、调谐特性、局部网络耦合及目标距离跨情境解码。研究旨在评估感官证据减少时哪些脑区能实现表征泛化、功能连接重组是否与解码稳健性及行为保持相关,以及各功能区在表征维持上的机制分工。结果表明 7a 与 dlPFC 展现出显著的跨情境解码能力,且 dlPFC 耦合滤波器的重组程度能预测解码性能与行为表现的稳定度;破坏其噪声相关统计结构则会导致该跨情境读出失效。需强调文中的“功能连接”指统计模型估计出的依赖关系,不能等同于解剖突触连接,行为控制增益无统计差异亦不代表绝对无偏或完全等效。
研究思路
通过交替呈现高、低光流密度试次操纵感官证据强度,记录 MSTd、7a 及 dlPFC 的群体放电,利用 P-GAM 分离任务调谐与细胞间短时耦合。借助跨情境线性解码、按目标距离分组的数据置乱及跨会话相关性分析,检验局部网络功能耦合重组与稳健信息读出的统计关联。
方法
实验对象为三只成年雄性恒河猴(Monkey Q、S、M,年龄 7–8 岁,体重 9.8–13.1 kg),累计采集 82 个记录会话(分别为 27、38 与 17 会话),平均每个会话包含约 1070 试次,合计完成 44,476 个高密度光流与 43,286 个低密度光流试次。动物使用两自由度操纵杆控制虚拟移动线速度(上限 200 cm/s)与角速度(上限 90 deg/s);目标呈现时间为 300 ms,空间位置在 1–4 m 距离、±45° 角度范围内均匀采样;最终停止点落入目标中心 0.6 m 半径内给予果汁奖励(奖励边界利用阶梯法自适应调整,使总体正确率维持在约 66%)。
电生理记录采用急性 24 通道线性电极(覆盖猴 Q、S 的 MSTd 与 7a,以及猴 M 的 dlPFC)结合慢性 Blackrock 微电极阵列(猴 Q 的 7a 区 96 通道,猴 S 的 7a 与 dlPFC 各 48 通道);神经信号经 KiloSort 2.0 自动分选后结合人工校验,通过严格质控(不应期违背率 <20%、信噪比指标符合标准)后共获得 3332 个单神经元(MSTd 240 个、7a 区 2647 个、dlPFC 445 个),单会话平均同步记录 40 个单元,三脑区平均放电率分别为 5.69、6.14 与 6.61 spikes/s。P-GAM 统计模型采用 6 ms 时间分箱,纳入 17 个连续任务变量(线/角速度、线/角加速度、绝对位置、到目标及到起点距离、眼动坐标、以及 theta/alpha/beta 频段 LFP 瞬时相位),外加自发放电历史核与同记录区域内其它神经元的短时耦合滤波器(滤波器窗口为 36 ms)。解码分析采用 Lasso 线性回归(跨脑区随机抽取 10 个神经元并匹配平均放电率,执行 5 折交叉验证),并与 10-20-1 结构的两层非线性人工神经网络(ANN)解码进行基准对比。
主要结果
行为测试表明,在高密度与低密度光流条件下,猴子到达目标的控制增益无统计学显著差异(径向增益分别为 0.85±0.04 vs 0.79±0.04,角向增益分别为 0.82±0.14 vs 0.77±0.12,所有逐动物、逐维度的假设检验 p 均大于 0.13);主要行为变化体现在终点散点的空间离散度扩展(原文以会话内 SEM 衡量:0.19±0.04 vs 0.25±0.04;原告标注 p=0.044,但对应 t 统计量需进一步核实)以及平均任务成功率的轻度下降(由 0.60±0.01 降至 0.55±0.01,平均下降 4.41%)。这种“均值稳定、方差增加”的特征符合贝叶斯推断中似然度方差扩展且先验保持无偏的理论预期,与动物在低感官证据下更多依赖内部前向模型的推断相符。
神经调谐分析揭示了不同皮层区域的功能分离。任务变量的调谐函数空间形态在不同光流密度间保持高度稳定(96.8% 的单元保留调谐属性,形态相关系数均值为 0.92);但在调谐增益上,低密度下 MSTd 的调谐幅度显著萎缩(Cohen's d=0.21),而 7a 与 dlPFC 的调谐增益未发生显著改变(d<0.06)。在局部耦合方面,显著耦合单元对的检出比例在不同情境间高度恒定(92.1% 的单元对维持了耦合关系,区内显著耦合对占 20.4%);低密度条件下 MSTd 的平均耦合强度出现补偿性增强(p<0.005,d=0.51,峰值触发平均发放率由 0.64 Hz 升至 1.02 Hz),而 7a 与 dlPFC 的耦合绝对强度基本持平。显著的分水岭体现在耦合滤波器的时间动态结构上:跨密度时间波形相关系数在 MSTd 达 0.85±0.017,而在 7a 与 dlPFC 分别低至约 0.73(Kruskal-Wallis 检验 p=0.0021),表明感觉皮层以固定时间模式的增益缩放为主,而联合皮层发生了时间动态结构的显著重塑。
群体表征呈现出与滤波器重构互补的不变性。主成分分析(PCA)表明 MSTd 群体轨迹随光流密度发生全局空间平移,而 7a 与 dlPFC 的前两个主成分投影轨迹在高低密度下彼此重叠。在目标距离解码上,在各区域内部训练并测试时三区均能实现准确预测;但当进行跨情境泛化测试(在高密度下训练解码器、在低密度数据上测试)时,仅 7a(Cohen's d>3)与 dlPFC(d=1.14)能够成功泛化,MSTd 的交叉验证解释方差(CV R²)则跌落至零以下。三项计算证据将该不变性与 dlPFC 的连接重构直接关联:首先,在保持单细胞调谐完好的前提下,按目标距离打乱噪声相关结构,dlPFC 的跨情境解码显著崩溃(p=0.84),而 7a 未受明显影响(p=1.17×10⁻⁸);其次,在会话水平上,dlPFC 耦合滤波器的重构程度与跨情境解码表现呈显著正相关(r=-0.71,p=0.0018,稳定性越低代表重构越强),7a 则未见显著关联(r=0.08,p=0.65);最后,在行为层面,dlPFC 耦合重构越充分、且 MSTd 状态越平稳的会话,动物在低密度下的行为成绩下降幅度越小(分别为 r=0.59,p=0.004;r=-0.47,p=0.030)。换用两层非线性网络解码时上述关系依然成立。
逐图解读

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) 任务设计:操纵杆连续导航控制、短暂呈现的目标(300 ms)以及高/低密度地面三角形光流线索。(B) 代表性会话的径向与角度增益线性拟合(回归增益 0.90 与 0.95,R² 0.55 与 0.78),显示轻度欠射。(C) 三只动物多会话的行为控制增益汇总,高低密度分布重合。(D) 全部 87,762 试次的终点二维概率等高线图,直观展现低密度下终点散点方差的显著扩展,为感官不确定性增加提供了行为学证据。

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 统计模型框架:涵盖 17 项任务自变量、自发放电历史核以及橙色标示的细胞间短时耦合滤波器。(B) 单细胞调谐增益比值(低密度/高密度):MSTd 显著受抑,7a 与 dlPFC 维持原位。(C) 局部耦合强度散点图:MSTd 在低密度下代偿性上升,7a 与 dlPFC 强度稳定。(D) 耦合滤波器时间波形跨密度相关系数的累积分布,对比偶然基线与信噪比上限,显示 7a 与 dlPFC 发生时间动态重构。

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) 基于任务特征分箱的非对齐 PCA 潜在动力学轨迹:MSTd 高(彩色)低(黑色)密度轨迹呈现显著平移分离,7a 与 dlPFC 轨迹高度重合。(B) 目标距离解码性能对比:区域内训练测试在各脑区均成立,跨情境测试仅 7a 与 dlPFC 具备稳健泛化能力。(C) 代表性试次的实时解码轨迹。(D) 破坏噪声相关结构后各脑区的跨情境解码表现,dlPFC 解码完全失效而 7a 保持完好。(E, F) dlPFC 耦合重构程度跨会话预测跨情境解码精度及行为稳定度的散点相关。
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
- 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?
- 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?