海马-下托环路通过经验痕迹动态更新认知地图的计算模型研究

《Hippocampus》：Dynamic Updating of Cognitive Maps via Traces of Experience in the Subiculum

本文推荐了一篇关于海马-下托通路在空间记忆更新中作用的重要计算模型研究。传统的海马经典模型（CA3自联想、CA1异联想）将下托（Subiculum）视为简单的输出层，但最新研究发现其近端与远端（pSub/dSub）存在功能差异，并存在边界向量细胞（BVCs）及其具有记忆痕迹的亚型——向量痕迹细胞（VTCs）。本研究首次提出了一个整合CA1-下托网络的环路计算模型，解释了VTCs的分布、不同线索下的比例、数小时持续的痕迹活性等现象。模型核心机制在于远端下托（dSub）神经元通过感知输入（来自pSub BVCs）与记忆输入（来自CA1位置细胞, PCs）的“失匹配”来更新CA1-dSub通路的突触权重。该模型不仅复现了多数实验发现，还通过引入CA1对插入线索的调制（如位置野偏移），解释了VTCs在记忆检索时表现出“预测性”位置偏移的原因。这项工作为理解认知地图的在线更新提供了首个下托内部的、回路层面的机制性解释，将下托的功能有机地整合到扩展的海马模型中，具有重要的理论意义。

　　

1 引言

传统的海马功能观点将下托视为海马结构的输出层，在空间范式中，下托神经元表现为边界向量细胞，对环境中特定方向和距离的边界产生反应。近期研究发现，一部分下托BVCs可以被归类为向量痕迹细胞，即使在边界或物体被移除后仍表现出活动痕迹。这表明下托不仅仅是信息的中继站，它还具备对导航相关变量（如轨迹、速度）的精确神经表征能力，并表现出多种形式的突触可塑性和形成局部回路。认知地图这一概念指的是编码环境内元素间系统关系以实现灵活行为的神经表征。在空间领域，它源于空间实体之间的联想记忆。下托神经元也提供了近期经验的记忆表征。然而，关于下托在经典海马模型中的地位及其内部计算机制，特别是沿其近端-远端轴的差异，尚未有模型进行深入探讨。本文受VTCs实验研究的启发，提出了一个整合CA1-下托网络、并考虑下托与CA1近远端差异的计算模型，旨在探索下托在更新空间记忆内容中的特定作用。

2 方法

本研究使用RatInABox工具箱模拟虚拟大鼠在一个1米×1米的正方形环境中随机探索，环境中会插入并随后移除线索。模拟包含三种试验类型：线索前、线索中和线索后试验。虚拟大鼠的旋转速度和线速度从两个不同的Ornstein–Uhlenbeck过程中采样。模型结构主要包括感知通路（pSub–dSub）和记忆通路（CA1–dSub）。边界向量细胞位于pSub，对当前存在的边界做出反应。位置细胞位于CA1，对虚拟大鼠的当前位置做出反应。dSub神经元的发放率由来自pSub的感知输入和来自CA1的记忆输入中较强的一方决定。这两路输入之间的失匹配信号被用来更新CA1–dSub通路的突触权重。模型参数详见表1。

2.1 BVC模型

pSub由N_pSub个神经元组成，它们提供感知输入。这些神经元被建模为仅对当前存在的环境墙壁和线索做出反应的非痕迹细胞。每个pSub神经元是一个简化的BVC模型，对边界具有高斯反应。其发放率由边界片段在特定距离和方向上的贡献积分决定，并经过归一化使每个BVC的最大发放率为1。

2.2 PC模型

CA1由N_CA1个位置细胞组成。CA1神经元i的发放率，作为对虚拟大鼠当前位置的高斯调谐反应，由其位置野中心c_i和宽度σ_place决定。位置野中心在环境中均匀随机采样，并在三种试验中保持不变。

2.3 网络

在时间t，dSub神经元j接收来自CA1神经元的记忆输入电流I^mem_j(t)和来自pSub神经元的感知输入电流I^perc_j(t)。CA1神经元i通过突触权重w_ij连接到dSub神经元j。感知通路的权重w^perc_ij是固定的。dSub神经元j的发放率r_j(t)取决于记忆和感知输入电流中较大的一个，并通过一个简单的sigmoid传递函数计算。

2.4 失匹配依赖的学习规则

记忆通路的更新基于一个三因素学习规则，包括失配信号、资格迹和学习率。失配信号定义为感知输入电流与记忆输入电流之差。在学习开始前，权重初始化为0。在学习过程中，突触权重w_ij以Δt为间隔进行更新。更新后，权重被阈值线性函数限制在0和1之间。每个dSub神经元j有其特定的学习率α_j。资格迹e_i(t)是局部于突触的内部信号，在基本模型中，由CA1神经元i的发放率同时决定。

2.5 具有线索依赖性PC调制的模型

在此模型变体中，假设插入的线索沿CA1的近远端轴产生不同影响。因此，CA1模块被分为两部分：dCA1和pCA1，各包含N_CA1/2个PCs。dCA1神经元的发放率影响学习规则中的资格迹值。pCA1神经元连接到dSub神经元并提供记忆输入电流，其发放率也影响失匹配信号的计算。dCA1和pCA1的调谐功能仅受插入线索的影响。在线索前和线索后试验中，调谐功能不受影响。在线索试验中，dCA1位置野的中心会根据虚拟大鼠到线索的向量V发生局部偏移，偏移量由一个非线性函数f(||V||)调制。pCA1的活动则通过缩放调谐函数的幅度来受插入线索影响，当线索在视野和距离范围内时，发放率被增强，否则被减弱。

2.6 至 2.10 模拟细节、速率图、线索场与痕迹场、痕迹与重叠分数、线索相关调谐距离

模拟细节包括对不同模型变体设置不同的探索时间。速率图通过将环境划分为网格并计算每个网格内的平均发放率生成。线索场和痕迹场分别通过从线索试验速率图减去线索前试验速率图、以及从线索后试验速率图减去线索前试验速率图来定义，并设定阈值识别连续区域。痕迹分数定义为线索后试验期间在线索场内平均发放率与线索试验期间在线索场内平均发放率的比值。重叠分数衡量痕迹场发放与线索场发放的重叠程度。线索相关调谐距离则通过计算线索场（或痕迹场）的发放率加权平均坐标，并计算其到线索的垂直距离来定义。

3 结果

3.1 CA1-下托通路的网络模型

网络结构可视为对经典BVC-to-PC模型的补充。在线索试验期间，线索与空间位置之间的联想记忆被编码在CA1 PCs和下托BVCs之间的权重中。线索移除后，痕迹场的产生由PCs通过CA1-下托通路的输入驱动。模型中考虑了BVCs沿下托近远端轴的差异。pSub主要包括NTCs，而dSub神经元则由VTCs和NTCs组成。dSub神经元的发放率由CA1 PCs和pSub NTCs的较高输入值决定。这种竞争机制使得dSub中的NTCs和VTCs都能对当前线索做出反应。但线索移除后，只有那些在线索试验期间学会了与位置（通过相关PCs）关联的dSub神经元能产生痕迹场。联想记忆的更新依赖于失匹配学习规则。CA1 PC的发放作为资格迹，不仅触发存储的记忆，也影响当前的记忆更新。

3.2 学习后由记忆输入驱动的向量痕迹

基本模型再现了痕迹场的出现和VTCs的大部分实验发现。分析发现，dSub神经元及其连接的pSub BVCs在线索前和线索试验中表现出对环境边界相似的调谐方向和距离。在线索后试验中，具有中等学习率的dSub神经元表现出最强的痕迹场。痕迹场是记忆更新和保留之间平衡的结果。当学习率相对较大时，痕迹场初始显著但衰减非常快。反之，当学习率较低时，联想记忆在线索试验后未能很好建立，导致初始痕迹场较弱，但构建的痕迹场可以维持更长时间。具有中等学习率的dSub神经元表现出显著且在前20分钟稳定持续的痕迹场。延长模拟时间发现，痕迹场可以持续数小时，这与实验观察一致。学习率的这种分布使系统能够根据线索的空间大小和时间持久性进行区分。

3.3 dSub神经元在记忆检索中的作用

分析发现，在线索前和线索试验中，神经元类型的分布没有显著差异。在这两个试验中，与边界相关的记忆信息主要由具有较大学习率的神经元表征。这表明与当前感知一致的、更确定的边界设置主要由具有快速记忆更新的神经元表征，从而减少了记忆形成所需的时间。然而，在线索后试验中，dSub主要招募学习率相对较小的神经元来表征记忆信息。与当前感知不一致的、线索相关的记忆主要由更新较慢的神经元表征，从而延长了记忆保留。实验发现，dSub神经元对不同线索类型表现出敏感性，暴露于不同线索类型时，VTCs和NTCs的比例不同。模拟发现，较大的线索尺寸引发了更多的痕迹反应。较大的线索在环境中占据了更大的面积，增加了虚拟大鼠在线索附近探索的可能性，意味着更多的候选PCs可以与dSub神经元建立连接。在短屏障条件下，dSub神经元表现出较低的重叠分数，表明联想记忆建立得较差。此外，发现在短屏障条件下，更多具有较大学习率的dSub神经元被归类为VTCs，这意味着在探索有限的情况下，更快的更新速度促进了记忆检索。

3.4 CA1中的线索依赖性调制

插入的线索引入了新信息，显著影响探索行为和海马表征。由于模型假设痕迹场由CA1驱动，因此引入了CA1 PC活动的线索依赖性调制来探索其对痕迹场的影响。理论和实验研究表明，CA1位置野会向物体/奖励位置偏移。在CA1-下托神经回路中，dCA1被认为传递更多物体相关信息，而pCA1主要传递空间信息。因此，模型中假设插入的线索影响dCA1 PCs的位置野。在线性轨道上，靠近物体/奖励的CA1位置野会发生偏移，而较远的位置野受影响较小。通过使用虚拟大鼠到线索距离的负非线性映射，实现了局部偏移，与实验数据高度相似。在2D环境中，pCA1位置野在三个试验中保持一致。dCA1位置野在线索前和线索后试验中与pCA1位置野一致。然而，在线索试验中，dCA1位置野局部向插入的屏障偏移，这与实验发现一致。在群体水平上，dCA1位置野在2D环境中表现出类似于1D环境的局部偏移。计算CA1 PCs（包括pCA1和dCA1细胞）在线索前和线索试验的速率图之间的成对皮尔逊相关性，得到了一个相关图，表明PCs根据虚拟大鼠与线索的距离对线索做出反应。pCA1 PCs投射到dSub神经元并提供记忆输入，这与已知的pCA1–dSub通路解剖连接一致。dCA1 PCs的发放作为失匹配学习规则中的资格迹。

3.5 pCA1线索依赖性调制及其对dSub神经元的影响

将提出的CA1调制纳入近远端CA1-下托模型，并分析了dCA1平移调制的影响。与先前结果一致，具有中等学习率的dSub神经元产生了最强的痕迹场。重要的是，在线索后试验中，痕迹场相对于线索试验中的位置发生了远离线索的偏移，这与实验发现一致，即VTCs在线索后试验中表现出比线索试验更长的调谐距离。当虚拟大鼠在插入的线索附近探索时，所有dCA1 PCs都将其位置野向线索偏移。因此，初始距离线索较远的dCA1 PCs增加了其发放率，提高了与相应dSub神经元形成记忆连接的可能性。模拟还发现，即使在线索后试验设置学习率为零以阻止记忆擦除，先前复现的偏移痕迹场仍然存在，表明痕迹场偏移是在线索试验期间dCA1调制下学习的结果。这种效应可以解释为具有预测性，使动物能够在记忆回忆时，从比感知期间实际位置更远的位置预期线索的存在。进一步分析发现，dCA1调制引起了痕迹场的显著偏移。VTCs在线索后试验中相对于线索试验表现出更大的调谐距离。线性回归建模显示，在线索存在时具有较短调谐距离的VTCs表现出更大的偏移，表明在记忆检索时具有更强的预测能力。

3.6 dCA1线索依赖性调制及其对dSub神经元的影响

除了CA1记忆输入的影响，模型提出当dSub神经元接收到关于线索的感知信息时，也会执行与行为相关的预测。这源于VTCs发放场按头部方向分割时，表现出可解释为方向调制的预期性发放。即，线索场位置相对于当前头部方向向相反方向偏移。与线索后试验中的痕迹场偏移相比，这种方向性偏移意味着一个可以指导动物运动的预测性地图。为了模拟这种效应，模型同时纳入了dCA1和pCA1调制。假设当线索在虚拟大鼠视野内时，pCA1发放幅度增加，提供更强的记忆输入；当线索不在视野内时，幅度减小。这促使模型产生与头部方向相关的线索场偏移，可以解释为一种记忆查询，在接收到当前线索的视觉信号时触发dSub神经元的记忆读取。在模拟中，头部方向被划分为四个象限。头部方向与S_cue的值相关。虚拟大鼠的头部方向和线索的空间位置共同作用，导致痕迹场向西偏移。此外，S_cue也通过调制失匹配信号来影响pCA1–dSub通路的突触可塑性。当S_cue=1时，由于记忆输入增强，失匹配信号减小，从而阻碍了联想记忆的建立速度。因此，在该模型变体中延长了线索前和线索试验的模拟时间以生成痕迹场。与实验观察和先前结果一致，在线索后试验中仍然观察到痕迹场的偏移。为了表征这种与行为相关的预测能力，计算了偏移向量，该向量定义为从线索场的平均坐标指向按头部方向分组的线索场的平均坐标的2D向量。线索试验中偏移向量的分布表明，dSub可以预测即将到来的方向上线索的存在。计算基于痕迹场的线索后偏移向量，则未发现头部方向的调制。

4 讨论

本研究提出了首个下托内部近远端计算及与CA1相互作用的神经模型，并表明这些是边界与位置之间联想记忆更新的基础。研究表明，近远端CA1-下托网络和失匹配学习规则足以解释下托中VTCs的关键特征，包括VTCs沿近远端轴的分布、痕迹场持续数小时、VTCs和NTCs的比例随线索类型变化、VTCs发放场远离原始线索引发位置的偏移，以及在线索存在时发放场位置随头部方向的变化。

4.1 预测

模型显示了近端和远端下托（以及近远端CA1的相关框架）的专门作用，超越了下托仅传递海马本体输出的已知角色。模型预测了参与记忆检索的潜在神经基质及其相互作用和功能。例如，阻断CA1-下托突触可塑性应阻止向量痕迹的形成，同时可能保留与当前环境配置一致的BVC活动。一系列学习率被认为在功能上是有益的，并应在CA1-下托回路中观察到。探索性运动在更新认知地图中发挥作用，可以影响dSub神经元在记忆检索中的招募。当线索试验和线索后试验之间有较长间隔时，由于在此期间没有失匹配信号发生，线索后试验中仍应检测到痕迹场。插入的线索通过改变CA1活动间接调制dSub活动，CA1位置野偏移应与痕迹场偏移直接相关。除了奖励，dCA1 PCs也应显示向其他线索类型的局部偏移，但偏移特征可能因线索类型而异。在记忆回忆过程中，短距离会被系统性地高估。在线索存在时具有较短调谐距离的VTCs应表现出更明显的痕迹场偏移。线索试验期间与头部方向相关的感受野偏移由视觉输入驱动，因此在黑暗中不应存在。

4.2 相关工作

在模型中，dSub中的向量痕迹源于整合与边界相关的感知和记忆信息。来自两个源的信息相结合，这是神经系统的常见特性。两个