自监督预测学习解释大脑新皮质的层特异性机制

本研究通过构建模拟新皮质微环路的计算模型，揭示了L2/3层神经元通过整合L4层传递的延迟感觉输入和自上而下的上下文信息，实现对L5层传入感觉刺激的预测。该自监督学习框架不仅解释了皮层特异性稀疏编码现象，还重现了清醒小鼠实验中观察到的层特异性错配反应，为理解大脑多层级结构的计算原理提供了新视角。

　　

大脑如何通过其标志性的六层结构构建对外部世界的内部表征，一直是神经科学的核心谜题。传统观点认为感觉信息通过丘脑传递至新皮质第4层（L4），再经第2/3层（L2/3）整合后传递至第5层（L5）。然而近年研究发现，L5锥体细胞可直接接收丘脑输入，这种平行通路的功能意义尚不明确。同时，实验观察到L2/3神经元表现出比深层更稀疏的激活模式，且在不同皮层深度记录到方向相反的错配反应（mismatch response），这些现象缺乏统一的理论解释。

来自英国的研究团队Kevin Kermani Nejad等人在《Nature Communications》发表研究，提出新皮质通过分层自监督学习实现预测编码的计算理论。研究人员构建包含L4、L2/3和L5的三层神经网络模型，其中L2/3整合延迟的L4输入和自上而下（top-down）信号来预测即将到来的感觉输入，而L5接收实际感觉输入作为监督信号。通过对比预测与实际的差异，系统以自监督方式驱动突触可塑性。

研究采用梯度下降法优化网络连接权重，关键包括：1）建立L4→L2/3→L5前馈通路与L5→L2/3反馈通路；2）设计预测损失函数C_L2/3→L5和重建损失函数C_L5防止表征坍缩；3）模拟L2/3-to-L5突触可塑性规则；4）构建时序Gabor任务和视觉运动任务验证模型；5）通过消融实验分析各通路功能；6）采用Treves-Rolls指标量化层间稀疏性差异。

【新皮质层可实现自监督预测学习】模型成功再现了实验观察到的L2/3-to-L5突触可塑性规则，即在L5去极化增强时出现抑制-增强转换。在时序Gabor任务中，L2/3对即将输入方向的预测准确率达93%，而L5对当前输入的分类准确率达85%，表明分层表征的形成。

【新皮质环路共同实现自监督学习】消融实验显示，L4介导的延迟对预测功能至关重要，移除延迟会使L2/3丧失预测能力。L2/3主要编码过去信息，而L5专注当前输入，这种功能分离依赖于完整的微环路结构。

【L5→L2/3反馈是学习必要条件】随机反馈连接即可支持学习，但完全移除反馈会破坏L2/3的预测表征。反馈连接密度与解码性能呈正相关，最优反馈权重可使网络用更少主成分解释相同方差。

【预测学习增强噪声鲁棒性】L2/3→L5连接使系统能有效滤除输入噪声，在50%遮挡条件下仍保持较高解码准确率。L2/3可完整重建被遮挡信息，而L5仅能编码可见部分，显示预测模型对感知补全的作用。

【层特异性稀疏源自预测学习】模型重现了实验观察到的层间稀疏梯度（L2/3>L4>L5）。L2/3稀疏性随网络规模增大而增强，且与解码性能正相关，表明稀疏编码是提取时序特征的适应性策略。

【模型重现感觉运动错配反应】在视觉运动任务中，当视觉流与运动速度解耦时，模型L2/3产生正错配误差（ME_L2/3），L5产生负错配误差（ME_L5），与小鼠实验数据一致。错配反应强度与运动速度线性相关，且开环训练会导致反应符号反转，证实其预测本质。

研究结论表明，新皮质的分层结构通过L4→L2/3→L5通路实现时序预测，而并行的丘脑-L5通路提供自监督信号。这种架构不仅解释了层特异性现象（如稀疏编码和错配反应），还揭示了反馈连接在预测学习中的核心作用。该理论为理解皮质层进化（如人类L2/3显著扩张）提供了计算视角，并为研究感知-运动整合的神经机制建立了新框架。研究提出的光遗传学操作方案（如分层特异性神经元激活）可为后续实验验证提供指导。