撰文 | 陳文強 (哈佛醫學院博士後)
責編 | 兮
大腦廣泛分布的不同神經元群體如何通過相互溝通來完成複雜任務？在執行這些複雜任務時，這些散布的神經元群體是否存在某些工作原則？一個例子是，為完成知覺決策(perceptual decision)，大腦需對感覺信息加工處理，選擇能帶來獎賞效應的行動(action)，進而執行。大腦多個區域的神經元可介導這些過程的某一或某些方面，而對於具體哪些腦區具體執行哪項信息處理，這些信息的處理是否依賴於相似或不同的神經環路，我們仍不得而知。目前對於行動選擇(action selection，即決策)的研究主要集中於單個腦區，如額葉皮層、頂葉皮層及運動皮層，或者基底神經節、丘腦、小腦、上丘等，而編碼運動、獎賞及其他任務的神經元也在多個腦區發現【1】。因此，很可能多個腦區同時參與行為選擇。但是，由於全腦範圍大規模神經元記錄技術的限制，在同一行為任務中研究全腦多個腦區對知覺決策任務不同方面的編碼，仍然是一項非常具有挑戰的科學問題。
近日，來自英國倫敦大學學院的Kenneth Harris課題組(其中第一作者、通訊作者Nicholas A Steinmetz現搬至美國華盛頓大學西雅圖分校擔任助理教授)在Nature雜誌在線發表了題為Distributed coding of choice, action and engagement across the mouse brain 的研究論文，通過使用神經像素電極(Neuropixel probe)對小鼠大腦42個腦區、近3萬個神經元在進行視覺辨別任務時進行了電生理記錄，發現這些神經元在編碼視覺、選擇及行動信息時的不同作用，從而揭示了這些神經元群體在整個小鼠全腦範圍內編碼行為相關信息時的工作原則。
首先，為同時研究神經元對視覺、選擇及行動等相關信息的編碼，研究人員設計了一個巧妙的行為範式，可同時結合二選一強制選擇任務及Go-NoGo任務 (圖1)。小鼠可通過使用前爪轉動轉輪產生行動而得到獎賞。根據視覺刺激導致不同方向的轉動輪子、或者不產生行動，從而可以將編碼視覺信息、行動產生(轉動輪子或者握住不動)及行動選擇(向左或向右轉)進行有效分離。
結合該任務，研究人員使用此前同一課題組於2007年在Nature【2】報導的Neuropixel電極技術對多個腦區的神經元活動性進行記錄(圖2)。該電極具有384個記錄位點，能在同一個動物上記錄近1000個神經元的活動性。本文中，研究人員對42個不同腦區的近3萬個神經元進行了記錄，包括同時在左右兩側半腦使用電極記錄，使用不同算法可有效識別單個神經元的放電時程信息，隨後使用不同腦區的電生理學特徵及螢光標記的形態學重構可獲取電極記錄位點信息，從而精準得到具體記錄的大腦腦區。研究人員發現，在每次記錄開始前，全腦範圍內的大部分區域都可以檢測到神經元活動性，而74.3%的神經元能在任務中表現出增加的活動性，20.2%的神經元能表現出活動性降低。對平均活動性的分析表明，對視覺刺激的響應大多局限於特定視覺通路上，而對行動效應的神經元群體則廣泛分布。
隨後，研究人員使用核擬合(Kernelfitting)對單個神經元的任務響應進行分析，將單個神經元的活動性擬合至刺激出現或運動開始時的核函數匯總值，因而產生3類刺激相關的核(Kernel)，一類是視覺核，可捕獲視覺活動性相關的幅度及時間點變化，另兩類是運動相關核，一個為左右方向運動觸發的行動核，另一個為捕捉左右運動時產生的活動性差值，稱為選擇核。研究人員發現，編碼視覺信息的神經元(即視覺核)主要分布在經典視覺途徑的腦區，包括視皮層、丘腦及上丘淺層，但也偶爾分布於其他結構，比如額葉皮層、基底神經節及多個中腦核團(圖3)。而編碼行動的神經元(即行動核)廣泛分布於所有記錄區域，遠比編碼視覺信息的神經元分布更廣(圖3)。
有意思的是，編碼選擇的神經元僅在小部分的腦區尋獲(圖4)。這些神經元較為稀少，且主要分布於額葉皮層、基底神經結、高級丘腦與運動相關上丘，同時也在兩個意料之外的皮層下結構可找到(中腦網狀核及ZI)。這些區域部分與視覺通路重疊，然而，在視覺皮層中未發現任何編碼選擇的神經元。研究人員進一步發現，絕大部分在中腦編碼選擇信息的神經元偏好於對側選擇，而在前腦編碼選擇信息的神經元對對側及同側無差別響應。因此，前腦編碼選擇的神經元表現出顯著的雙側編碼，而中腦的這類神經元表現出單側編碼。
隨後，研究人員想回答的問題是，任務參與(taskengagement)程度是否會影響大腦活動性的特徵？也就是說，在Go任務里，當小鼠決定向左或者向右轉動時，表現出的任務參與程度要比小鼠在失誤任務(miss trials)里或在任務之外的被動視覺響應(passive visual response) 里表現出的任務參與要大得多。通過計算每個腦區在任務狀態下和被動狀態下，在給予刺激前的放電頻率差值，研究人員發現，新皮層和感覺丘腦在任務狀態下表現出刺激前活動性顯著下降，而其他皮層下結構表現出一致增加(圖5)。研究人員可從參與指數中預測小鼠是否會在某次任務中對某個刺激表現出響應，這一參與指數在Go任務和失誤任務中顯著不同，且該指數在運動、獎賞和覺醒狀態下均顯著不同，提示這可能是任務參與狀態下大腦全腦範圍內的神經元活動性特徵。
總而言之，本文通過全腦大範圍內神經元活動性記錄，揭示了視覺選擇行為學任務下不同腦區的神經元編碼不同相關信息的工作原則——非選擇性編碼行動的神經元廣泛分布，編碼選擇的神經元較少，且更局限分布，在中腦區域表現出單側編碼，而在前腦區域表現出對側編碼，而對任務參與度編碼主要是通過提高皮層下結構活動性並抑制皮層結構活動性而達到的。
本文的一大局限性為未對運動及決策編碼的其他重要腦區小腦和腦幹進行研究。相關信息可參考今年4月美國史丹福大學駱利群課題組使用雙側、同時雙光子鈣成像技術對皮層L5層神經元及小腦顆粒細胞的動態活動性進行的研究，該發現了這兩群細胞的神經元活動性在任務編碼上表現出相似特徵【3】，對本文的結論會有相互支持和補充。
今年4月同期在Science雜誌上發表的三篇「背靠背」文章，與本文的工作較為相似，均使用不同技術與不同行為範式，也在全腦尺度下揭示了在複雜任務下神經元活動性的動態變化。比如，同樣是本文作者Kenneth Harris課題組為主要通訊單位的團隊，在題為Spontaneous behaviors drive multidimensional, brainwide activity的文章里，使用雙光子鈣成像並結合Neuropixel電極記錄對清醒小鼠視皮層約1萬個神經元進行了活動性監測(圖6)，發現了初級視皮層可編碼與面部運動相關的視覺及運動信息【4】。史丹福大學Deisseroth課題組在該期Science上發表的題為Thirst regulates motivated behavior through modulation of brainwide neural population dynamics的文章，使用本文中使用的Neuropixel電極記錄了口渴狀態下小鼠的34個腦區、近24000個神經元活動性(圖7)，發現飲水動機狀態能決定大腦全腦範圍內的神經元群體活動性從而將感覺信息轉變為行為效應【5】。而另外一篇來自瑞士巴塞爾大學Andreas Lüthi課題組的題為Amygdala ensembles encode behavioral states的文章【6】則使用GRIN稜鏡對基底杏仁核在截然不同行為範式下編碼行為狀態進行了研究，發現在探索和非探索階段，兩群不重疊的功能性神經元群體可編碼相反的行為狀態(圖8)。筆者認為，連同本文，這些研究均一致提示了當今神經生物學界的研究熱點和發展方向——從大規模尺度揭示全腦不同腦區的神經元群體在複雜任務下的工作狀態，從而更好地讓我們理解大腦工作原理。這一前所未有的大規模尺度上的神經元活動性記錄均得益於Neuropixel電極、清醒活動動物鈣成像等技術的最新突破，使得我們可以更大膽、更自由探索從來未能想像的科學問題。這些研究也有助於我們探討問題重要還是技術重要這一經久不息的話題，從而更進一步有效促進兩者的有機結合。
原文連結：
https://doi.org/10.1038/s41586-019-1787-z
製版人：小嫻子
參考文獻
1. Cisek, P. & Kalaska, J. F. Neural mechanisms forinteracting with a world full of action choices. Annu. Rev. Neurosci. 33, 269–298 (2010).
2. Jun, J. J. et al. Fully integrated silicon probes forhigh-density recording of neural activity. Nature 551, 232–236 (2017).
3. Wagner M.J. et al. Shared cortex-cerebellum dynamics inthe execution and learning of a motor task. Cell177, 669-682 (2019)
4. Stringer C. et al. Spontaneous behaviors drivemultidimensional, brainwide activity. Science364(6437):255 (2019)
5. Allen W.E. et al. Thirst regulates motivated behaviorthrough modulation of brainwide neural population dynamics. Science. 364(6437):253 (2019)
6. Gründemann J. et al. Amygdala ensembles encodebehavioral states. Science. 364(6347):eaav8736 (2019)