人脑屏状核单神经元在厌恶学习中编码不确定性（uncertainty）与预测误差（prediction error，PE）

《Nature Neuroscience》：Human claustrum neurons encode uncertainty and prediction errors during aversive learning

　　

灵活行为依赖于内部模型的持续更新，然而协调该过程的神经环路仍知之甚少。屏状核（claustrum，CLA）与几乎整个新皮层互为连接，在影响皮层处理方面具有独特位置。研究人员报道了人类屏状核在厌恶学习期间的单神经元记录，并以背侧前扣带回皮层（anterior cingulate cortex，ACC）和杏仁核（amygdala，AMY）记录作比较。CLA 与 ACC 神经元表现出结构化、与任务相关的反应。不同亚群分别编码刺激起始与动作偶联结果，区域间结果表征存在差异。关键是，两区域都编码模型推导的潜变量，包括不确定性（uncertainty）和预测误差（prediction error，PE），但时间特征不同；仅 ACC 在试次间期携带不确定性信号，而两区域在主动回避期都编码不确定性和预测误差。相比之下，AMY 对潜变量调制极弱。这些发现证明人类 CLA 神经元可追踪无法从感觉输入直接观测的高阶认知变量，并揭示 CLA 与 ACC 在追踪潜任务状态中的可分离作用。

研究背景方面，人类大脑在变化环境中学习与适应依赖层级组织及分布式神经系统交互。屏状核（claustrum，CLA）深埋于皮层下白质，与广泛皮层及皮层下结构相连，但其功能角色长期不明。理论观点从“意识整合中枢”到“进化残迹”不一而足。小鼠与非人灵长类示踪研究显示 CLA 与额叶皮层密集互连，可协调分布式皮层活动；但非人灵长类单单元记录倾向认为 CLA 以单模态、空间分离反应为主，类似被动感觉中继。已有啮齿类研究缺乏把 CLA 活动与计算定义任务变量联系的直接证据，人类单细胞证据尤其稀缺。为填补空白，研究人员在难治性癫痫患者中进行人类 CLA、背侧前扣带回皮层（anterior cingulate cortex，ACC）与基底外侧杏仁核（amygdala，AMY）单神经元记录，采用视觉运动飞船避小行星任务，并用近似贝叶斯（approximate Bayesian）模型推导试次水平主观不确定性与预测误差（prediction error，PE），以检验 CLA 是否及如何表征抽象任务状态。

该研究论文发表于《Nature Neuroscience》。研究人员对 7 名难治性癫痫患者行机器人植入深度电极，微丝分别靶向 CLA、背侧 ACC 与基底外侧 AMY；通过术前磁共振（magnetic resonance imaging，MRI）与术后高分辨计算机断层扫描（computed tomography，CT）配准定位。行为上采用飞船避小行星任务，zone A/B 安全概率在 90% 与 10% 间按块切换；用 beta 分布更新信念，后验方差作为不确定性、观察与估计安全概率之差作为 PE。神经数据采用单神经元放电率分析、聚类型响应分类、线性混合效应模型、分位数高低条件群体分析、条件互信息（conditional mutual information，CMI）控制 y 位置等混杂，以及单神经元解码。

神经网络与行为任务部分，研究人员确认微丝位于 1 mm 薄层 CLA、ACC 与 AMY；任务每试次 6 s，主动回避期约 1.1 s，试次间期约 5 s。被试练习后撞毁率由前 25% 试次的 66% 降至后 25% 的 54.9%，撞毁后飞船位移调整约为回避后的 2.2 倍，说明快速策略更新。

CLA 神经元显示多样任务相关放电模式部分，110 个 CLA 单神经元中 78 个（71%）在任务事件显著改变放电；61 个在 asteroid appearance 后早发响应，分 bursters 与 pausers。appearance-specific 神经元只对小行星出现选择性反应；appearance-and-outcome 神经元在出现与结果均响应且撞毁强于回避；outcome-specific 神经元仅对动作偶联结果响应并偏撞毁。结论：CLA 含刺激起始、结果整合与结果专用亚群。

ACC 神经元显示任务相位选择性部分，80 个 ACC 神经元中 56 个（70%）任务响应；appearance-specific、appearance-and-outcome、outcome-specific 三类均有，但 outcome-specific 中回避偏好与撞毁偏好亚群近平衡。结论：ACC 响应异质且分布式，不表现单一结果方向偏好。

CLA 和 ACC 间不同结果模式部分，全任务响应神经元中 CLA 撞毁放电高于回避，ACC 平均回避高于撞毁；线性混合效应显示区域×结果交互显著。结论：两区在动作偶联结果调制上存在区域分离，ACC 异质性掩盖群体均值检验差异。

CLA 神经元反映潜任务变量部分，28.2% CLA 神经元受不确定性调制，22.7% 受 PE 调制，二者高度重叠；高不确定性或高 PE 下撞毁反应增强。CMI 显示主动回避期 CLA 仍携带超出外部变量的不确定性与 PE 信息。结论：CLA 在信念不精确且结果违预期时优先响应，参与底向上误差释放。

ACC 神经元编码不确定性和 PE 部分，23.6% ACC 神经元低不确定性激活，26.4% 低 PE 激活，不确定性与 PE 调制近完全重叠，且在试次间期已表现。结论：ACC 更像维持与监控内部模型可靠性或信念精度（precision）。

AMY 表现出有限潜变量调制部分，75 个 AMY 神经元仅 30% 任务调制，多为 pausers，潜变量调制极少。结论：本任务中 AMY 较少参与高阶推断，偏效价与显著性反应。

讨论部分总结中，研究人员指出 CLA 与 ACC 均高度参与，但时间剖面与功能分离：ACC 在试次间期代表信念精度，CLA 在主动回避期代表低置信度下预期违例，符合预测加工（predictive processing）中顶向下抑制解除、底向上误差信号释放并协调皮层更新。CLA 经汇聚额叶、扣带回、感觉与内嗅皮层输入及地形发散输出，适合情境敏感计算转换；鼠类研究提示 CLA 调节感觉增益与皮层动态。该工作把 CLA 单神经元层级推断证据扩展到人类。

研究结论部分译为：本研究中，研究人员在人类 CLA、背侧 ACC 与 AMY 记录厌恶学习下单神经元活动，任务要求被试在不确性下形成并更新概率信念。CLA 与 ACC 均高度参与，各约 70% 神经元表现任务调制，AMY 仅 30%。两区域都编码模型推导潜变量（不确定性与 PE），但时间和功能剖面不同：ACC 在试次间期携带不确定性相关信号，符合在新证据前维持信念精度；CLA 主要在小行星回避期编码潜变量，此时可计算 PE 且显著结果要求快速更新。CMI 分析确认 CLA 中这些信号超出外部任务变量可解释范围。单神经元解码显示两区域放电率可线性读取潜变量信息，AMY 不能。综上，在预测加工框架下 CLA 与 ACC 对潜任务状态具互补作用：ACC 维持并监控内部模型可靠性，CLA 在模型置信度低时优先发出目标导向预期违例信号，这一模式与顶向下抑制下信念精度低时底向上误差信号释放一致，并可能促进动态环境中分布式皮层协调更新。