人类能够根据周围环境的复杂变化，持续且灵活地调整自己的行为。过去的认知神经科学研究表明，这种适应性行为依赖于大脑将抽象的目标、规则或上下文（Context）线索转化为特定物理行动的能力。然而，这种将抽象规则表征映射为具体运动计划的群落级神经环路机制，在人类大脑中一直未能得到明确阐明。
近日，德国图宾根大学（University of Tübingen）医学中心内哈·比尼什（Neha Binish）与乔纳斯·特劳（Jonas Terlau）等研究人员领衔的团队，在学术期刊《自然-神经科学》（Nature Neuroscience）上发表了最新研究论文。研究团队利用临床难治性癫痫患者的颅内电极技术，成功在人类大脑的高维神经元群落动力学中，识别出一条连接前额叶皮层（PFC）与初级运动皮层（M1）的特异性“通讯子空间（Communication subspace）”。这一发现揭示了大脑跨区域信息协同的高效编码原理，也为下一代脑机接口算法与类脑具身智能的开发提供了神经动力学依据。
实验设计：利用颅内电极捕捉单试次群落轨迹
前额叶皮层（PFC）通常被认为通过高维动力学（High-dimensional dynamics）支持灵活的精神计算，主导抽象规则与环境上下文的表征；而初级运动皮层（M1）则更直接地参与具体运动计划的执行。在此之前，PFC 的上下文表征究竟如何转化为 M1 内随之而来的行动计划，其在人类神经元群体水平上的通讯机制仍属未知。
为了攻克这一神经科学盲区，研究团队采用了一种在人类活体脑科学研究中具有独特优势的临床基线方案。他们招募了 12 名正在接受颅内电极植入治疗的药物难治性癫痫（Drug-resistant epilepsy）患者。利用这些预先植入的微型电极，研究人员得以在患者清醒状态下，直接获取 PFC 和 M1 脑区高时空分辨率的颅内记录数据（Intracranial recordings）。
实验中，受试者被要求完成一项定制的视觉检测任务：他们必须根据随时变化的上下文提示（Contextual cues）作为策略引导，尽可能快地捕捉并确认特定目标。通过引入多维降维算法与群落状态空间分析工具，研究团队对受试者执行任务期间的群落级神经元动力学轨迹实施了单试次（Single-trial level）的深度解析。
核心发现：嵌入高维动力学中的低维“中继通道”
计算神经学建模结果表明，跨区域的群落层级通讯并非全脑范围的无序放电，而是由一种低维编码子空间组织起来的。研究人员在 PFC 复杂的高维活动轨迹中，成功分离并锁定了一个嵌入其中的、简化的低维“通讯子空间”。
实验证实，在单次试验尺度下，该子空间发挥着类似于“信息滤波器”的核心功能，能够从前额叶浩瀚的认知背景中，特异性地筛选出与当前行为直接相关的上下文预测信息，并将这些规则表征定向地向 M1 运动控制区进行传导。
数据显示，该通讯子空间内的群落神经活动对“上下文依赖性行动”的预测能力，显著强于单独的 PFC 脑区或单独的 M1 脑区。这一关键证据揭示了人类大脑的一种根本性编码原理，即协同的跨区域群落动力学（Interareal population dynamics）是通过特定子空间来过滤并中继关键预测信息，进而精确指引后续动作的执行。
转化前瞻：从系统神经生物学到类脑具身智能
这项关于大脑依靠简化通讯路径实现高效信息传输的初步发现，具备多方面的潜在医学与工程转化价值。
在临床精神医学与神经病学领域，若该通讯子空间的演化规律在后续更大规模的人群研究中得到进一步确证，将直接有助于阐明以“未来行动规划与环境适应障碍”为核心特征的精神或神经疾病的底层病理机制，例如帕金森病（Parkinson's disease）引起的运动迟缓，以及精神分裂症（Schizophrenia）患者表现出的行为执行功能断裂。
同时，在微系统工程与脑机接口（BCI）领域，该研究所解构的低维通讯算法，为研发新型神经修复假肢设备（Neuro-prosthetic devices）以及高转化效率的侵入式脑机接口系统奠定了底层动力学算法基础，有助于直接、高效地将人类的抽象“运动意图（Intentions）”高保真地翻译为外部机器的控制指令。
联合团队最后指出，这一跨脑区协同通路还将对人工智能领域带来新的启发。通过借鉴这种通过通讯子空间过滤环境上下文信息的策略，未来有望开发出全新的类脑计算算法（Brain-inspired algorithms），使自动化机器人能够模仿人类大脑的灵活应变机制，根据周围环境的不可预测变化，实时、自主、低功耗地规划并调整自身行动。
参考文献：Neha Binish et al, A communication subspace relays context-dependent actions from human prefrontal to motor cortex, Nature Neuroscience (2026). DOI: 10.1038/s41593-026-02290-4.
编辑：王洪
排版：李丽
评论 (0)