Nat Neurosci | 全腦 5 萬神經元同時“看電影”：運動信息在大腦里是怎么排兵布陣的？

PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關注，點亮星標 ??

不錯過每日前沿資訊

認知神經科學前沿文獻分享

基本信息：

Title:Brain-wide analysis reveals movement encoding structured across and within brain areas

發表時間：2025.11.18

Journal:Nature Neuroscience

影響因子：24.8

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

在傳統教科書里，我們常說大腦的工作是“從感覺到行動”：前面是視覺、聽覺等感覺皮層，中間是聯結區，后面是運動皮層，最后驅動肌肉完成動作。但在真實的實驗記錄中，科研人員越來越發現：幾乎到處都在對“動”做出反應——視覺皮層會跟著眼球微動而變化，體感皮層會被須 whisker 的撥動重刷一遍，連我們以為主要做“感覺”的區域，也充滿了運動相關活動。

這就帶來一個棘手的問題：

當我們在研究“決策”、“記憶”、“注意力”等高級認知時，記錄到的大量神經活動，究竟有多少是在“想事情”，又有多少只是動物在悄悄做小動作（uninstructed movements）？比如，人類在思考時會無意識地抖腿、動手指，實驗中的小鼠也會在等待信號時舔嘴、伸爪、微微偏頭——這些動作往往和未來的選擇方向高度相關，卻又不是任務規定要做的“正式反應”。如果不把這一層拆清楚，我們很難判斷：某個腦區的放電，是在編碼證據累積和決策，還是僅僅在回響一連串細碎的動作。

之前的工作已經提示，運動相關信號在感覺、運動多個腦區廣泛存在，并且能解釋掉相當一部分單次試次（single-trial）的神經波動。但大多數研究要么只看少數幾個腦區，要么行為范式和記錄技術各不相同，很難在同一套任務中，系統地比較全腦不同區域、不同層次的運動編碼特征：哪些地方更像“發號施令的運動指揮部”，哪些更像“反饋監控的感覺回路”；同一個腦區里，又是否存在精細的層次或核團差異？

為了解答這些問題，Wang 等人借助多根 Neuropixels 探針，同時記錄小鼠大腦十余個皮層與皮層下結構中超過 5 萬個神經元的活動，讓小鼠在一個基于聲音頻率的記憶指導舔水任務（memory-guided licking decision task）中做左右選擇；與此同時，用 300 Hz 的高速多視角視頻精細捕捉面部和前肢的細微動作，并用從簡單線性回歸到深度神經網絡的一系列機器學習方法，將“每一幀視頻”映射到“每一刻放電”。通過比較神經活動是領先還是滯后運動，他們刻畫出全腦范圍內感覺與運動編碼在空間和時間上的結構化分布，并進一步利用單試次視頻對未來選擇的預測，把“決策相關活動”與“未指令運動相關活動”區分開來，為理解大腦如何在“動”與“想”之間分工協作，提供了一張分辨率極高的全腦運動編碼地圖。

核心結果

1. 運動信號遍布全腦，但有清晰空間梯度

基于視頻預測神經活動的模型顯示，大多數腦區都存在顯著運動相關放電，但靠近感覺/運動外周的區域（如延髓、部分中腦與丘腦核團）“可由運動解釋的方差”最高，而聯結區和部分皮層弱得多，形成從外周向高級中樞遞減的梯度。

2. 感覺與運動編碼在腦區內外呈細粒度分層

通過掃掠神經活動相對于視頻的時間偏移，作者把“領先運動”的放電視作運動指令/傳出信號，“滯后運動”的放電視作感覺反饋/再傳入信號。結果發現，不僅丘腦、中腦等皮層下結構之間存在系統性差異，連 ALM 皮層內部也隨皮層深度從“更偏感覺”平滑過渡到“更偏運動”，提示感覺–運動編碼在單一區域內高度結構化。

3. 未指令小動作可在單試次水平預測未來選擇

端到端視頻解碼器表明，在樣本與延遲階段，雖然小鼠尚未真正舔水，面部和前肢的細微未指令動作已能預測將要選擇左還是右（平均 ROC-AUC≈0.66），到反應期預測幾乎完美（AUC≈0.99），且這些預備動作的強度與該次實驗整體行為表現正相關，說明“小動作”本身就是決策過程的一部分外顯讀出。

4. 剝離未指令運動后，不同腦區“更像決策”或“更像運動”

利用“真實選擇”和“由視頻預測的選擇”組合成四類試次，作者區分出只對選擇敏感的神經元（choice-modulated）和只對未指令運動敏感的神經元（movement-modulated），并繪制全腦 3D 分布圖。結果顯示，兩類神經元在每個區域內高度交錯，但比例顯著不同：ALM 和中腦明顯富集決策相關神經元，延髓則以運動相關神經元為主，凸顯全腦在同一行為中對“動”與“選”的分工和層級。

Fig. 1 | Multiregional neural recordings and prediction of neural activity from video.

Fig. 2 | Movement encoding varies across brain areas.

Fig. 3 | Differences of movement encoding across thalamic nuclei

Fig. 4 | Temporal relation between neural activity and behavior.

Fig. 5 | Temporal relation between activity and movement at the level of individual neurons.

Fig. 6 | Prediction of single-trial behavior directly from video.

Fig. 7 | Single-trial analysis of movement and spike rate reveals neurons modulated by choice and movement.

AI 一句話銳評

這篇工作把以往被當作“噪聲”的小動作變成了主角，用機器學習和全腦多點記錄畫出了一張精細的“運動編碼地圖”，為今后在復雜行為中真正看清“大腦在想什么”打下了地基。

前沿交流|歡迎加入認知神經科學前沿交流群！

核心圖表、方法細節、統計結果與討論見原文及其拓展數據。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部