Nat Neurosci：大脑皮层可能根本不是吸引子网络！解释皮层复发性放电模式的新框架

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:Convergent information flows explain recurring firing patterns in cerebral cortex

发表时间：2025.12.8

发表期刊:Nature Neuroscience

影响因子：20.0

获取原文：

1. 添加小助手:PSY-Brain-Frontier即可获取PDF版本

研究背景

在认知神经科学领域，一个长期引人入胜的现象是大脑皮层中反复出现的神经元放电模式（Recurring Firing Patterns）。无论是在自发的静息状态下，还是在执行特定的感觉运动任务时，我们的神经元总不仅是“独奏”，更倾向于组成一个个特定的“乐团”，演奏出高度可重复的神经乐章。这些被称为“皮层群体事件”（Cortical Population Events）的活动，被认为是感觉运动协调、记忆提取乃至意识产生的基础。

长久以来，解释这种现象的主流理论是“吸引子动力学”（Attractor Dynamics）。经典的吸引子网络模型（如Hopfield网络）认为，这些稳定的放电模式源于神经元之间经过赫布学习（Hebbian Learning）形成的强相互连接。换句话说，如果要让一群神经元一起放电，它们之间必须建立紧密的、互相激励的 “小圈子”，通过正反馈回路来维持活动的稳定性。这一理论在过去四十年中极大地塑造了我们对神经计算的理解。

然而，这一经典假设面临着严峻的解剖学挑战。如果我们深入微观层面，真的能在大脑皮层中找到这些支撑吸引子理论的“强互连小圈子”吗？如果物理结构上不存在这些紧密的互连，大脑又是如何产生那些稳定且可重复的神经活动的？这正是2025年12月8日发表于 Nature Neuroscience 的这项最新研究所试图解答的核心谜题 。

研究核心总结

这项由Domenico Guarino团队带来的突破性工作，通过整合多模态数据集（包括双光子钙成像、电生理记录以及与之配准的电子显微镜连接组学数据），对小鼠视觉皮层及其他脑区的微观网络结构进行了前所未有的精细解剖 。研究结果挑战了传统的吸引子网络架构，并提出了一种基于“层级模块化”的全新解释框架。

Fig. 1 | Reproducible activity patterns occur throughout cortex.

否定经典假设：核心神经元缺乏强互连结构

研究团队首先识别了那些在群体事件中反复、可靠地参与放电的 “核心神经元” 。根据吸引子理论，这些核心神经元之间应当表现出极强的相互连接。然而，结合MICRONS项目的电子显微镜数据，研究者发现了一个惊人的事实：这些核心神经元之间并没有表现出统计学上显著的强互连或“小圈子”结构。它们之间的突触连接数量、强度以及相互连接的比例，与随机网络相比并无二致。这意味着，维持皮层放电模式稳定性的物理基础，并非传统认为的“抱团取暖”式的强递归网络。

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

核心发现：层级模块化与高信息流节点

如果不是互相连接的吸引子，那是什么在支撑这些模式？研究发现，皮层网络呈现出显著的层级模块化（Hierarchical Modularity）特征。在这种结构中，核心神经元扮演了截然不同的角色：它们并非位于模块内部的中心，而是处于不同模块之间的“接口”（Interfaces）位置。通过图论分析（如最小流切割和PageRank算法），研究者证实核心神经元是网络中的高信息流节点（High-information-flow nodes）。它们具有高入度（High degree）但局部聚类系数较低（Low local clustering coefficient），这意味着它们负责汇聚并“漏斗式”（Funnel）地引导跨模块的信息流动，充当了信息汇聚和分发的关口。

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

机制解释：距离依赖的连接规则

为了验证这一机制，研究者构建了计算模型。结果表明，仅需引入简单的距离依赖连接规则（Distance-dependent connectivity），即神经元连接概率随物理距离指数衰减，就足以自发涌现出这种层级模块化结构以及类似生物大脑的瞬态可重复放电模式。模型显示，这种连接策略是产生观察到的模块化和核心神经元动力学的必要且充分条件，而无需复杂的突触学习规则。

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

理论意义：从“习得”到“预设”的转移

这项研究从根本上重塑了我们对皮层结构-功能关系的理解。它暗示大脑皮层产生协调活动的能力可能在很大程度上是“预配置”（Preconfigured）的，源于基本的空间连接规则，而非完全依赖后天的经验学习。这种预设的模块化结构为感觉运动协调提供了初始的动力学骨架，后续的学习可能只是在此基础上固化了状态间的转换，而非构建模式本身 。

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.

请打分

这篇刚刚登上Nature Neuroscience的研究，是否实至名归？我们邀请您作为“云审稿人”，一同品鉴。精读全文后，欢迎在匿名投票中打分，并在评论区分享您的深度见解。

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：饭哥

审核：PsyBrain 脑心前沿编辑部