揭示不一致的神经单元，MIT等提出受生物学启发的大脑模型，首次直接关联神经生理活动与认知功能|信号|mit|神经元|纹状体|解剖学

揭示不一致的神经单元，MIT等提出受生物学启发的大脑模型，首次直接关联神经生理活动与认知功能

分享至

来源：ScienceAI

在人类和动物的决策行为中，「犯错」似乎总发生在一瞬间。一次错误的选择、一次反应过慢，往往被理解为当下信息不足，或噪声干扰的结果。

但如果错误并不是临时发生的呢？如果在做出选择之前，大脑内部已经出现了可被检测的「错误征兆」，只是长期被忽略了？

一项来自达特茅斯学院（Dartmouth College）与 MIT 等团队的研究，正是从这一反直觉的问题出发，通过仿生计算模型与灵长类实验数据，揭示了一种此前未被系统关注的预测性神经信号。

相关研究内容以「Biomimetic model of corticostriatal micro-assemblies discovers a neural code」为题，于 2025 年 12 月 29 日发布在《Nature Communications》。

论文链接：https://www.nature.com/articles/s41467-025-67076-x

从仿生模型开始

神经元集合是如何产生认知的？

大量工作分析了奖励、价值、证据累积等变量，试图解释大脑如何在不确定条件下做出最优决策。一些强大的模型或许能准确模拟全脑现象，但它们显然并不专精此道；另一些学习模型又不太符合仿生机制。

在该研究中，团队着眼于生理一致性，构建了一套生理一致的仿生脑模型，模拟了皮层—纹状体（cortex–striatum）回路，这是已知在决策、动作选择和学习中起关键作用的一组脑区连接。模型在结构和动力学上都尽量贴近真实神经系统，而不是抽象的决策算法。

图 1：模型图解。

该模型覆盖了从单个神经元到皮质、丘脑等脑区回路，并包含生物模拟计算原语（BCPs），如局部反馈侧抑制电路（L-FLIC）、纹状体中型棘神经元（MSNs）、胆碱能持续活性神经元（TANs）等，每个原语对应特定计算功能。

与其他模型不同的地方在于，它既包含了细微细节，比如单个神经元对如何相互连接，也涉及大规模结构，包括神经调节化学物质如乙酰胆碱如何影响跨区域的信息处理。此外，该模型参数完全来自生理文献，未拟合任何非人灵长类（NHP）实验数据。

一些特别的发现

随着模型参与学习任务，现实世界的属性逐渐显现，模拟呈现了非人灵长类动物中观察到的一系列复杂行为，包括特定于所参与的特定行为的不同同步性和相位锁定。

除此之外，该模型还发现了一些不一致的神经元。研究团队强调，模拟结果促使他们成功识别出一些反直觉行为，此前在长期研究的经验数据中这些行为通常会被忽略。

图 2：「不一致性神经元」（ICNs）在模拟中被发现，随后在实证数据中得到证实。

这部分异常约占总量的 20%，当这些所谓的「不一致」神经元影响回路时，模型会做出类似于预测的判断。

具体而言，所有模拟神经元都被发现对四种条件之一表现出强烈的选择性反应：A 正确、A 错误、B 正确和 B 错误。在这里，A 错误意味着呈现了 A 类型的刺激，而受试者做出了错误的反应（在这种情况下，反应就好像出现了 B 一样）。对这四种条件之一的这些选择性反应发生在刺激初始的200毫秒内，远早于错误反应的执行时间。

研究者表示，这些反直觉的单元可能有其独特的作用。学习任务规则固然好，但如果规则改变了呢？偶尔尝试替代疗法，可能会让大脑偶然发现一系列新出现的疾病。

小结

该研究展示了一种脑电路模型，能够模拟多个尺度的活动，从单个神经元、解剖学上的微集合体，到全脑的节律性交互，再到行为。这为复杂的分类学习任务提供了基本操作，如侧向抑制和探索/利用。

这种基于 BCP 的模型最强大的成果之一是，其模拟识别出了一类此前未知的神经信号，随后这些信号通过经验性的非人灵长类动物（NHP）数据得到了独立验证。这些意想不到的发现直接源于对解剖学回路设计中发生的生理运作的纯粹模拟。

作者表示，该计算模型研究结果的广度与深度，有力地证明了其在分析现有数据方面的实用性，并表明它有可能适用于一系列涉及与预测编码和强化学习相关的行为的挑战性问题。