Nat Neurosci | 全脑 5 万神经元同时“看电影”：运动信息在大脑里是怎么排兵布阵的？

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

不错过每日前沿资讯

认知神经科学前沿文献分享

基本信息：

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

发表时间：2025.11.18

Journal:Nature Neuroscience

影响因子：24.8

获取原文：

1. 添加小助手:PSY-Brain-Frontier即可获取PDF版本

引言

在传统教科书里，我们常说大脑的工作是“从感觉到行动”：前面是视觉、听觉等感觉皮层，中间是联结区，后面是运动皮层，最后驱动肌肉完成动作。但在真实的实验记录中，科研人员越来越发现：几乎到处都在对“动”做出反应——视觉皮层会跟着眼球微动而变化，体感皮层会被须 whisker 的拨动重刷一遍，连我们以为主要做“感觉”的区域，也充满了运动相关活动。

这就带来一个棘手的问题：

当我们在研究“决策”、“记忆”、“注意力”等高级认知时，记录到的大量神经活动，究竟有多少是在“想事情”，又有多少只是动物在悄悄做小动作（uninstructed movements）？比如，人类在思考时会无意识地抖腿、动手指，实验中的小鼠也会在等待信号时舔嘴、伸爪、微微偏头——这些动作往往和未来的选择方向高度相关，却又不是任务规定要做的“正式反应”。如果不把这一层拆清楚，我们很难判断：某个脑区的放电，是在编码证据累积和决策，还是仅仅在回响一连串细碎的动作。

之前的工作已经提示，运动相关信号在感觉、运动多个脑区广泛存在，并且能解释掉相当一部分单次试次（single-trial）的神经波动。但大多数研究要么只看少数几个脑区，要么行为范式和记录技术各不相同，很难在同一套任务中，系统地比较全脑不同区域、不同层次的运动编码特征：哪些地方更像“发号施令的运动指挥部”，哪些更像“反馈监控的感觉回路”；同一个脑区里，又是否存在精细的层次或核团差异？

为了解答这些问题，Wang 等人借助多根 Neuropixels 探针，同时记录小鼠大脑十余个皮层与皮层下结构中超过 5 万个神经元的活动，让小鼠在一个基于声音频率的记忆指导舔水任务（memory-guided licking decision task）中做左右选择；与此同时，用 300 Hz 的高速多视角视频精细捕捉面部和前肢的细微动作，并用从简单线性回归到深度神经网络的一系列机器学习方法，将“每一帧视频”映射到“每一刻放电”。通过比较神经活动是领先还是滞后运动，他们刻画出全脑范围内感觉与运动编码在空间和时间上的结构化分布，并进一步利用单试次视频对未来选择的预测，把“决策相关活动”与“未指令运动相关活动”区分开来，为理解大脑如何在“动”与“想”之间分工协作，提供了一张分辨率极高的全脑运动编码地图。

核心结果

1. 运动信号遍布全脑，但有清晰空间梯度

基于视频预测神经活动的模型显示，大多数脑区都存在显著运动相关放电，但靠近感觉/运动外周的区域（如延髓、部分中脑与丘脑核团）“可由运动解释的方差”最高，而联结区和部分皮层弱得多，形成从外周向高级中枢递减的梯度。

2. 感觉与运动编码在脑区内外呈细粒度分层

通过扫掠神经活动相对于视频的时间偏移，作者把“领先运动”的放电视作运动指令/传出信号，“滞后运动”的放电视作感觉反馈/再传入信号。结果发现，不仅丘脑、中脑等皮层下结构之间存在系统性差异，连 ALM 皮层内部也随皮层深度从“更偏感觉”平滑过渡到“更偏运动”，提示感觉–运动编码在单一区域内高度结构化。

3. 未指令小动作可在单试次水平预测未来选择

端到端视频解码器表明，在样本与延迟阶段，虽然小鼠尚未真正舔水，面部和前肢的细微未指令动作已能预测将要选择左还是右（平均 ROC-AUC≈0.66），到反应期预测几乎完美（AUC≈0.99），且这些预备动作的强度与该次实验整体行为表现正相关，说明“小动作”本身就是决策过程的一部分外显读出。

4. 剥离未指令运动后，不同脑区“更像决策”或“更像运动”

利用“真实选择”和“由视频预测的选择”组合成四类试次，作者区分出只对选择敏感的神经元（choice-modulated）和只对未指令运动敏感的神经元（movement-modulated），并绘制全脑 3D 分布图。结果显示，两类神经元在每个区域内高度交错，但比例显著不同：ALM 和中脑明显富集决策相关神经元，延髓则以运动相关神经元为主，凸显全脑在同一行为中对“动”与“选”的分工和层级。

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 一句话锐评

这篇工作把以往被当作“噪声”的小动作变成了主角，用机器学习和全脑多点记录画出了一张精细的“运动编码地图”，为今后在复杂行为中真正看清“大脑在想什么”打下了地基。

前沿交流|欢迎加入认知神经科学前沿交流群！

核心图表、方法细节、统计结果与讨论见原文及其拓展数据。

分享人：BQ

审核：PsyBrain 脑心前沿编辑部