同步记录高达百万个神经元的皮层动态揭示神经元数量与维度性无界缩放

文章简介

这篇题为《同步记录高达百万个神经元的皮层动态揭示神经元数量与维度性无界缩放》的科学报告发表于《Neuron》期刊（112卷，第1694–1709页），由Jason Manley, Sihao Lu, Kevin Barber, Jeffrey Demas, Hyewon Kim, David Meyer, Francisca Martínez Traub 和 Alipasha Vaziri撰写。文章发布于2024年5月15日，是由Rockefeller University和The Kavli Neural Systems Institute联合研究的成果。这项研究深入探讨了神经元动态的维度性与神经元数量的关系，以及由此所揭示的神经元计算机制。

背景介绍

神经元集群被认为是不独立的处理器，而是形成紧密关联的单元，共同支持适应性和目标导向行为的计算。过去由于技术的限制，记录通常仅限于少量神经元，导致一系列关键范式基于单个神经元的可测量特性构建，相应的理论框架旨在推断单细胞响应是如何从大规模不可观测的神经回路中出现的。随着大规模神经元记录技术的发展，监测行为动物中较大规模神经元集群的活动成为可能。

维度性缩减技术的广泛应用表明，神经动态可以通过低维”潜在”信号来近似，这种信号反映了神经计算。然而，能否通过这种低维表示真正解释大脑活动的广泛范围？若不能，捕捉这些活动的适当记录分辨率和规模是什么？

研究方法

研究中，作者使用一种名为光珠显微镜（light beads microscopy, LBM）的技术，记录了多达100万神经元在小鼠皮层的动态。在这种技术中，神经元在三维视场中的荧光活性通过一个包含30个轴向分离且时间上独特的双光子激发点的列来捕捉。这些光珠密集地捕获了轴向范围内的神经活动，以提供空间和时间上最优的采集，极限仅受制于基因编码钙指示器的荧光寿命。研究对象为表达gcamp6s或gcamp6f的转基因小鼠。

研究结果

研究发现，神经元集群的记录动态维度随着神经元数量呈现出无界缩放的幂律关系。尽管神经元的50%变异包含在与行为相关的16个维度内，但这些维度与立即的行为或感觉相关指标无关。高维度的组件显示出独特的时间结构，并且跨越从秒到时间分辨率极限的时间尺度。此外，这些高维活动几乎与感觉诱发模式正交，这表明这些维度解释了缺乏即时感觉或行为相关的神经计算。

具体地，作者使用共享方差组件分析（shared variance component analysis, SVCA）方法，分离了皮层记录中所有神经元的两部分，并确定了两组神经元活动的线性维度，这些维度称为共享方差组件（SVC）。利用这些维度的协方差进行可靠性测试，作者发现SVCA方法比传统维度性缩减技术更精确地分离出有潜在生物学意义的信号。

通过对146,741个神经元的皮层半球记录进行SVCA分析，作者发现维度性根据幂律增加到最大可观察的神经元集群量，同样在仿射分布和不同记录密度下。这一结果表明，无论样本策略如何，皮层的维度性主要取决于记录的神经元数量，而不是它们在体积或皮层区域中的空间分布。

研究意义

研究的结论强调了神经元计算的高度维度性，其观察强调了大规模、细胞层次记录技术对揭示完整神经计算基质的重要性。这意味着理解皮层动态的高维地理空间需要更大规模地观测神经元活动。尽管超过90%的可靠神经维度与动物立即行为无关，但这不意味着这些高维度对神经功能无用。研究结果还显示，传统的基于方差的方法可能严重低估了神经维度性，并强调了进一步大规模记录的需求。

通过理解这些高维度的维度特性，科学家们可以进一步探讨神经回路如何编码和处理信息。此外，本文所使用的新技术和方法可能为进一步研究内在状态如注意、动机、饥饿或恐惧如何影响神经计算开辟新的途径。

这项研究不仅为神经计算提供了新的视角，还展示了未来研究需要的高维度性和大规模细胞记录组合，为理解大脑如何处理复杂信息提供了新的研究方向。