乌鸦端脑时间间隔估计的神经元关联机制研究揭示鸟类抽象时间表征的神经基础

本研究针对鸟类如何在大脑缺乏分层皮质的背景下处理时间信息这一科学问题，通过训练乌鸦完成时间估计任务并记录NCL神经元活动，发现乌鸦端脑采用抽象的时间间隔编码机制而非爬升活动模式。研究人员证实NCL神经元能够通过群体活动区分不同目标时长，且这种编码与感觉线索无关，为跨物种时间感知的神经机制提供了重要证据，论文发表于《Nature Communications》。

　　

准确感知时间的能力对人类和非人类动物的复杂认知能力至关重要。从情景样记忆（回忆事件发生时间）到未来规划（分配时间），再到延迟决策等行为，都需要灵活运用时间信息来实现目标导向行为。诸如时间折扣（倾向于选择即时奖励而非延迟奖励）、沉没成本（基于已投入资源继续投资）和延迟满足（等待改进但延迟的机会）等行为，都依赖于在几秒或几分钟内内部监控时间的能力，这种能力被称为“间隔计时”。

在哺乳动物大脑中，运动区和前额叶区域通过爬升活动（ramping activity）和类别表征的组合来编码时间。运动区神经元通常表现出爬升活动，反映朝向预期事件经过的时间或剩余时间，但也可以显示对特定间隔时长的类别调谐。前额叶神经元则表现出与抽象时间表征相关的持续或相位活动，同时也被发现存在与经过时间相关的爬升活动。这种重叠表明运动区和前额叶区域都参与多种形式的时间编码，在不同行为任务中促进时间的灵活表征。

鸟类在3.2亿年前与哺乳动物分化后，演化出了不同的端脑结构。鸟类端脑呈现显著的核状结构，缺乏分层的大脑皮层。尽管如此，鸟类在决策行为中展示了精细的间隔计时能力。蜂鸟使用间隔计时来确定花蜜耗尽的花朵和喂食器何时可能补充并值得重访；灌丛鸦使用时间来判断先前储存的易腐烂食物是否可能已经变质到不值得回收的程度。因此，间隔计时对鸟类及其不同演化的端脑是可及的。

迄今为止，关于鸟类间隔计时的神经机制研究有限。一个潜在的时间估计候选区域是称为“尾外侧巢状端脑”（nido-pallium caudolaterale, NCL）的联想端脑区域，该区域与鸟类的高级认知相关，被认为是哺乳动物前额叶皮层（prefrontal cortex, PFC）的潜在鸟类类似物。一些工作记忆实验提出假设认为NCL神经元受到被动时间追踪的影响，但鸟类主动时间估计的神经基础仍然难以捉摸。

在本研究中，研究人员评估了观察到的行为是否符合标量预期（即更长的估计导致更多的变异），然后检查了NCL中时间间隔的神经元表征。 overarching假设是，独特发育的鸟类端脑尽管缺乏分层端脑，但已经演化出与哺乳动物相似的生理机制，以应对处理时间间隔所涉及的共同计算挑战。

研究人员训练两只小嘴乌鸦完成时间估计任务，其中两组视觉刺激伪随机提示乌鸦需要等待的三个最小等待时长（1500毫秒、3000毫秒和6000毫秒），然后才能做出反应。乌鸦只有在等待至少最小等待时长后才做出反应才会获得奖励。乌鸦1和乌鸦2分别完成了71次和32次实验 session。

行为结果显示，乌鸦的行为估计集中在1500、3000和6000毫秒的目标时长附近，估计分布对称，且估计的变异随着目标时间的增加而系统性地增加，即对更长目标时间的估计准确性降低。这两种行为特性反映了动物中标量预期理论的两个关键行为基础。然而，研究人员也观察到两只乌鸦经常在6000毫秒试验的等待期第一秒内中止试验，这可能是因为乌鸦采用了策略性方法来优化总体奖励率。

从NCL记录了409个单单位活动（乌鸦1：265个神经元；乌鸦2：144个神经元）。通过双向ANOVA分析，发现238个神经元（58.19%）具有显著的时间主效应，但没有显著的刺激协议主效应或显著的交互作用项，这些神经元被标记为“时间”神经元。

研究人员通过支持向量机（SVM）分类器分析发现，神经活动能够准确预测经过的时间，并且神经元群体包含关于当前目标时长的信息，这种信息是抽象的，与线索的感觉特性无关。时间神经元的群体活动在错误试验中与正确时间估计中观察到的活动不同，即使在乌鸦计时行为开始时也是如此，这表明NCL中的神经元活动不仅具有预测性，而且在指导行为方面具有功能意义。

多维状态空间分析显示，不同目标时长的神经轨迹在状态空间中分离，1500毫秒轨迹在提示开始后立即与3000和6000毫秒轨迹分离，而3000和6000毫秒轨迹之间的分离在提示期后期开始。轨迹幅度随着目标时长的增加而轻度增加，轨迹速度在等待开始前随着等待间隔长度的增加而增加。

本研究表明乌鸦在秒级范围内跟踪时间，可能使用 magnitude estimation system。NCL神经元在显性计时行为期间代表目标时长的准确内部表征。为了在NCL活动和计时之间建立明确的因果关系，需要进行涉及病变或光遗传学实验的进一步研究。

关键技术方法包括：训练乌鸦完成延迟反应任务的行为学实验；使用慢性植入微驱动器记录NCL区域单神经元活动的电生理技术；采用支持向量机（SVM）分类器进行神经解码分析；通过双向ANOVA识别时间选择性神经元；使用多维状态空间分析神经群体动态；通过 percent explained variance (PEV) 分析量化任务因素信息含量。

Behavior

通过高斯曲线拟合反应时间直方图，发现乌鸦对1500、3000和6000毫秒目标时长的估计均值分别为1722、3201和6117毫秒，标准差分别为299、642和1260毫秒，符合标量预期理论。

Time preference neurons

记录NCL区域409个单单位活动，发现238个时间神经元（58.19%），其中75个神经元（31.5%）在提示偏移和反应开始对齐期均显著。这些神经元表现出对特定目标时长的偏好。

Neuronal correlates of time estimation

研究发现很少证据表明NCL单单位通过爬升活动编码经过时间。仅有少量神经元显示随时间增加的活动，且没有一致的爬升活动指示经过时间编码。

Target duration decoding

SVM分类器分析显示，神经活动能够准确区分不同目标时长，且这种编码是抽象的，与线索感觉特性无关。跨协议分类准确率达到89%以上。

Temporal dynamics across the population

PEV分析显示神经元代表所有任务因素信息，目标时长表征在早期等待期高度持久。跨时间SVM分类器显示从提示期到等待期初期存在静态编码证据。

研究结论表明，乌鸦端脑采用序列编码而非爬升活动模式来处理时间信息，NCL神经元形成动态时间序列，代表抽象的时间间隔信息。这种编码机制与哺乳动物前额叶功能相似，为解决共同的计算挑战提供了演化收敛的证据。讨论部分强调，尽管鸟类端脑组织与哺乳动物新皮层不同，但都演化出了类似的抽象时间表征机制，支持高级认知功能。该发现为理解时间处理的神经基础提供了跨物种比较的新视角，对揭示认知功能的演化起源具有重要意义。