研究揭示感觉信息处理的等级决定远距离输入对皮层中间神经元的支配特性

5月14日，中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）、上海脑科学与类脑研究中心、神经科学国家重点实验室研究员徐敏课题组和上海交通大学医学院研究员张思宇课题组合作，在Science Advances上，在线发表了题为《感觉信息处理的等级体现于远距离输入对皮层中间神经元的支配平衡中》的研究论文。该研究首次对视觉选择性注意各相关皮层区域不同种类神经元构成的子网络的精细解剖学连接图谱以及细胞水平的功能学连接图谱进行了系统研究；结合机器学习的算法，抽提出了在视觉信息处理的网络中携带等级信息的远距离输入与局部微环路中各类神经元相互作用的规律，对理解基于等级架构的神经网络中的信息处理机制具有重要意义。

视觉信息处理体系以等级网络的形式来架构，参与其中的各节点的等级决定了信息流的方向。低级脑区提呈信息传递至高级脑区，高级脑区则整合低级脑区的信息后根据当前行为目标对视觉信息处理进行调控。前期在灵长类和小鼠的工作中，科研人员根据不同脑区之间投射的轴突分布或皮层不同种类中间神经元的密度给皮层和丘脑区域进行了等级排序。同时，大规模电极记录也明确了灵长类和小鼠中各视觉相关脑区在视觉信息处理上的特点，如等级越高神经元感受野越大，处理视觉信息的延时更长。然而，视觉网络或更为广义的神经网络中携带等级信息的远距离投射如何与其支配区域的局部微环路发生相互作用而发挥其功能（即等级信息流的特征），仍未有系统性的研究。

在皮层中，主要种类的抑制性中间神经元（PV+、SST+和VIP+神经元）与兴奋性神经元形成保守的微环路，从而动态且快速地调控局部区域兴奋性神经元的输出。因此，理解等级信息流如何与皮层区域的局部微环路相互作用，可预测携带等级信息的远距离输入的功能，从而深化对神经等级网络的理解。

通过使用假性狂犬病毒介导的逆向跨单突触示踪技术，该研究从解剖学的角度系统研究了视觉选择性注意相关各皮层区域不同种类抑制性神经元的输入。全脑解剖学连接图谱显示，皮层中同类神经元接受的各不同来源的输入强度差异可达10⁴倍，凸显了对解剖学数据的精确定量分析在理解神经网络组织结构中的重要性。

基于解剖学连接组研究结果，研究人员进一步解析了皮层丘脑网络中主要的皮层-皮层和丘脑-皮层输入在细胞层面的功能学连接组，阐明了具有不同等级方向性的输入如何在时间维度上招募不同种类的神经元，从而实现对局部微环路的精确调控以及兴奋-抑制的动态平衡的机制。根据不同等级皮层-皮层输入的强度及动力学特性，自下而上的远距离输入首先招募PV+神经元，经过一段时间积累后可招募VIP+神经元；自上而下的远距离输入首先招募VIP+神经元，经过一段时间积累后可招募SST+神经元。考虑自下而上和自上而下的远距离输入在时间上的差异，这两种输入很可能同时激活VIP+神经元增强自上而下的对感觉信息处理的调控。自上而下的输入积累一段时间后招募SST+神经元则可同时抑制PV+和VIP+神经元，可能在局部微环路重平衡中发挥重要作用。丘脑-皮层输入的选择性和动力学特性与皮层-皮层输入大致相同，除自上而下的丘脑-皮层输入在SST+神经元上表现为短时程减弱而不能累积，表明丘脑-皮层输入与皮层-皮层输入的主要差异在于对SST+神经元的招募上。

在构建了皮层不同种类神经元的全脑解剖学连接图谱和细胞层面的功能学连接图谱的基础上，该研究进一步使用机器学习的分类方法——支持向量机分类器（SVM classifier）来抽提携带等级信息的皮层-皮层和丘脑-皮层输入与局部微环路中各类神经元相互作用的规律。支持向量机分类器学习了等级已知的皮层-皮层输入的数据后，发现自下而上的输入更倾向于激活PV+神经元，自上而下的输入则更倾向于激活VIP+神经元。经学习后的支持向量机分类器可用于预测其他方向未知的远距离输入的等级，通过计算机建模分析，该研究进一步构建选择性注意相关各脑区的等级网络，为研究网络中各节点在整体动物行为层面的功能学连接图谱奠定了基础。

该研究由上海交通大学医学院助理研究员马国芬和博士生刘燕梅等在徐敏、张思宇的指导下完成。研究工作获得中科院深圳先进技术研究院研究员徐富强、上海交通大学医学院教授徐天乐、脑智卓越中心研究员李澄宇的支持，得到科学技术部、国家自然科学基金委、中科院和上海市的资助。

图1.研究揭示感觉信息处理的等级决定远距离输入对皮层中间神经元的支配特性

图2.自主研发的基于Allen mouse brain atlas的解剖学数据分析系统

图3.A.各皮层区域的不同种类中间神经元的全脑范围内的输入在皮层及丘脑区域的分布；B.中间神经元的全脑范围内的输入在其他各主要亚区内的分布

　　图4.A.测量了电生理性质的主要皮层-皮层和丘脑-皮层输入；B.皮层-皮层输入在不同种类皮层神经元上的短时程可塑性；C-D.将皮层-皮层和丘脑-皮层输入同时考虑，支持向量机分类器根据各投射在VIP+神经元上的短时程可塑性，可以较好地区别自下而上和自上而下的输入

来源： 脑科学与智能技术卓越创新中心