Nat Neurosci：大腦皮層可能根本不是吸引子網絡！解釋皮層復發性放電模式的新框架

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:Convergent information flows explain recurring firing patterns in cerebral cortex

發表時間：2025.12.8

發表期刊:Nature Neuroscience

影響因子：20.0

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

在認知神經科學領域，一個長期引人入勝的現象是大腦皮層中反復出現的神經元放電模式（Recurring Firing Patterns）。無論是在自發的靜息狀態下，還是在執行特定的感覺運動任務時，我們的神經元總不僅是“獨奏”，更傾向于組成一個個特定的“樂團”，演奏出高度可重復的神經樂章。這些被稱為“皮層群體事件”（Cortical Population Events）的活動，被認為是感覺運動協調、記憶提取乃至意識產生的基礎。

長久以來，解釋這種現象的主流理論是“吸引子動力學”（Attractor Dynamics）。經典的吸引子網絡模型（如Hopfield網絡）認為，這些穩定的放電模式源于神經元之間經過赫布學習（Hebbian Learning）形成的強相互連接。換句話說，如果要讓一群神經元一起放電，它們之間必須建立緊密的、互相激勵的 “小圈子”，通過正反饋回路來維持活動的穩定性。這一理論在過去四十年中極大地塑造了我們對神經計算的理解。

然而，這一經典假設面臨著嚴峻的解剖學挑戰。如果我們深入微觀層面，真的能在大腦皮層中找到這些支撐吸引子理論的“強互連小圈子”嗎？如果物理結構上不存在這些緊密的互連，大腦又是如何產生那些穩定且可重復的神經活動的？這正是2025年12月8日發表于 Nature Neuroscience 的這項最新研究所試圖解答的核心謎題 。

研究核心總結

這項由Domenico Guarino團隊帶來的突破性工作，通過整合多模態數據集（包括雙光子鈣成像、電生理記錄以及與之配準的電子顯微鏡連接組學數據），對小鼠視覺皮層及其他腦區的微觀網絡結構進行了前所未有的精細解剖 。研究結果挑戰了傳統的吸引子網絡架構，并提出了一種基于“層級模塊化”的全新解釋框架。

Fig. 1 | Reproducible activity patterns occur throughout cortex.

否定經典假設：核心神經元缺乏強互連結構

研究團隊首先識別了那些在群體事件中反復、可靠地參與放電的 “核心神經元” 。根據吸引子理論，這些核心神經元之間應當表現出極強的相互連接。然而，結合MICRONS項目的電子顯微鏡數據，研究者發現了一個驚人的事實：這些核心神經元之間并沒有表現出統計學上顯著的強互連或“小圈子”結構。它們之間的突觸連接數量、強度以及相互連接的比例，與隨機網絡相比并無二致。這意味著，維持皮層放電模式穩定性的物理基礎，并非傳統認為的“抱團取暖”式的強遞歸網絡。

Fig. 2 | Cell connectivity does not support functional selectivity and pattern reproducibility.

核心發現：層級模塊化與高信息流節點

如果不是互相連接的吸引子，那是什么在支撐這些模式？研究發現，皮層網絡呈現出顯著的層級模塊化（Hierarchical Modularity）特征。在這種結構中，核心神經元扮演了截然不同的角色：它們并非位于模塊內部的中心，而是處于不同模塊之間的“接口”（Interfaces）位置。通過圖論分析（如最小流切割和PageRank算法），研究者證實核心神經元是網絡中的高信息流節點（High-information-flow nodes）。它們具有高入度（High degree）但局部聚類系數較低（Low local clustering coefficient），這意味著它們負責匯聚并“漏斗式”（Funnel）地引導跨模塊的信息流動，充當了信息匯聚和分發的關口。

Fig. 3 | Reproducible patterns run through high-information flow nodes of modular networks.

機制解釋：距離依賴的連接規則

為了驗證這一機制，研究者構建了計算模型。結果表明，僅需引入簡單的距離依賴連接規則（Distance-dependent connectivity），即神經元連接概率隨物理距離指數衰減，就足以自發涌現出這種層級模塊化結構以及類似生物大腦的瞬態可重復放電模式。模型顯示，這種連接策略是產生觀察到的模塊化和核心神經元動力學的必要且充分條件，而無需復雜的突觸學習規則。

Fig. 4 | Distance-dependent connectivity creates high-flow core units.

理論意義：從“習得”到“預設”的轉移

這項研究從根本上重塑了我們對皮層結構-功能關系的理解。它暗示大腦皮層產生協調活動的能力可能在很大程度上是“預配置”（Preconfigured）的，源于基本的空間連接規則，而非完全依賴后天的經驗學習。這種預設的模塊化結構為感覺運動協調提供了初始的動力學骨架，后續的學習可能只是在此基礎上固化了狀態間的轉換，而非構建模式本身 。

Abstract

Cortical population events, short-lived patterns of neuronal activity that recur with consistency, are central to sensorimotor coordination. These reproducible firing patterns are often attributed to attractor dynamics, supported by strong mutual connectivity. However, by using multimodal datasets—including two-photon imaging, electrophysiology and electron microscopy—we show that these reproducible patterns do not involve strongly interconnected neurons. Instead, we show that cortical networks exhibit hierarchical modularity, with core neurons serving as high-information-flow nodes at module interfaces. These cores funnel activity but lack the structural signatures of pattern-completion units that are typically found in attractor networks. Using computational models, we find that distance-dependent connectivity is necessary and sufficient to produce the modularity and transient reproducible events observed in cortex. Our findings suggest that cortical networks are preconfigured to support sensorimotor coordination. This work redefines the structural and dynamical basis of cortical activity, with a focus on the relationship between modular structure and function.

請打分

這篇剛剛登上Nature Neuroscience的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

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：飯哥

審核：PsyBrain 腦心前沿編輯部