编辑推荐:
神经血管耦合(neurovascular coupling)是脑功能成像的基础,但传统基于群体神经元活动的“批量”测量难以解释血容量信号在脑区、脑状态间的差异。本研究联合运用功能超声成像(fUSI)和Neuropixels记录技术,在小鼠全脑尺度上发现,存在两类与觉醒状态(以触须摆动为标志)活动相反、且具有不同血流动力学响应函数(HRF)的神经元群。它们在全脑共存,其活动的加权总和可跨脑状态、跨脑区地准确预测全脑血容量波动,为理解血容量信号背后的神经基础提供了全新框架。
我们的大脑是一个高度活跃的器官,其正常运作离不开持续、充足的血液供应。科学家们很早就发现,局部神经活动的增强会伴随着局部血流的增加,这种现象被称为“神经血管耦合”。它不仅是大脑调节自身能量供应的关键机制,也是功能性磁共振成像(fMRI)等无创脑成像技术的基石——这些技术通过检测血流或血氧水平的变化来间接“读取”大脑的活动。然而,一个根本性问题长期困扰着学界:我们观测到的血流信号,究竟反映了哪些神经元的何种活动?
传统观点通常将记录到的局部神经元活动(如平均放电率)进行“批量”加总,并将其与后续的血流信号相关联。但这种方法存在明显局限。首先,不同脑区对同一事件的血流响应似乎不尽相同,有些区域甚至会出现“负激活”。其次,在不同脑状态(如睡眠、静息、警觉)下,神经活动与血流信号的关系也似乎飘忽不定。这些矛盾让神经血管耦合的图景显得支离破碎,也让我们对血流量像信号的理解蒙上了一层阴影。问题的症结可能在于,将千差万别的神经元视为一个同质的“整体”过于粗放。如果大脑中同时存在对同一状态(例如觉醒)反应相反的神经元群体,它们对血流的贡献也可能不同,那么“批量”测量就会模糊甚至扭曲真实的关联。
为了揭开谜底,一项发表在《自然》杂志上的研究采取了前所未有的跨尺度、全脑研究策略。研究人员综合运用了三种强大的技术数据集:首先是功能超声成像,这是一种高时空分辨率的技术,能够以视频速率监测全脑多个区域的血容量变化;其次是fUSI与高密度电生理记录(Neuropixels探针)的同步测量,得以在记录血流的同时,精确定位单个神经元的活动;最后是覆盖小鼠全脑的、大规模的Neuropixels神经元活动图谱。通过这些技术的结合,研究团队得以在全脑尺度上,将血容量的波动与底层精细的神经活动关联起来。
研究人员首先观察到,作为小鼠觉醒状态标志的自发触须摆动,能引起几乎同步的全脑性血容量波动:摆动开始时血容量快速上升,约2秒后下降;摆动停止时则出现血容量下降。这表明觉醒事件能调制全脑血供。然而,当他们用传统的“批量”神经元放电率模型来预测这些波动时,模型表现不佳,尤其无法复现血容量快速的升降动态。
关键的突破来自于对神经元个体的审视。研究人员根据神经元活动是否与触须摆动正相关,将其分为两类:Arousal+神经元(活动随觉醒增强)和Arousal-神经元(活动随觉醒减弱)。他们为这两类神经元分别拟合了其活动驱动血容量变化的功能,即血流动力学响应函数。结果发现,两类神经元的HRF都是正向的(即其活动增加最终导致血容量增加),但存在显著差异:Arousal+神经元的HRF峰值更早、更窄,而Arousal-神经元的HRF峰值更晚、更宽,且时间积分面积更大。这意味着,一次觉醒事件中,Arousal+神经元活动的快速增加会引发血容量的早期上升,而Arousal-神经元活动的抑制(因其HRF更慢、更强)则会带来一个延迟的、向下拉动血容量的效应。将这两类神经元的活动,分别用其特有的HRF进行转换后再相加,所得的“组合模型”能够极为精准地预测视觉皮层和海马等局部脑区的血容量变化,其预测效果显著优于传统的“批量”模型。
那么,这种机制是否具有普遍性?对覆盖全脑的神经元活动数据的分析给出了肯定答案。Arousal+和Arousal-神经元以不同比例共存于所有脑区。平均而言,约47%的神经元属于Arousal+,16%属于Arousal-,但其比例在不同脑区差异很大。例如,丘脑中Arousal+神经元占优,而听觉皮层中Arousal-神经元比例较高。重要的是,当研究人员将这种“两类群、双HRF”的模型应用于全脑数据时,它成功预测了不同脑区在触须摆动事件中表现出的血容量变化差异。一个脑区在觉醒初期血容量上升的幅度,与其Arousal+神经元的相对丰度高度相关。这解释了为何不同脑区对同一觉醒事件会表现出不同的血流响应模式。
更有趣的是,这一模型还能统一解释不同脑状态下的神经血管耦合。在睡眠(尤其是快速眼动睡眠期)到清醒的各个状态中,Arousal-神经元放电更多,而Arousal+神经元放电更少。由于Arousal-神经元的HRF更强,因此模型自然地预测出血容量在睡眠期较高、在静息清醒期较低、在活跃清醒期居中的现象,这与实际观测相符。而“批量”模型则无法解释这种跨状态的复杂变化。
在结论与讨论部分,研究团队强调,他们的工作揭示了全脑血容量波动主要反映了两个在全脑广泛分布、对觉醒状态反应相反的神经元群体的活动。这两个群体具有不同的、但跨脑区保持一致的神经血管耦合特性。这一发现解决了神经血管耦合领域长期存在的关于脑区差异和状态依赖性的争议。以往观察到的差异,很大程度上源于不同脑区中这两类神经元比例的不同,以及传统“批量”测量方法对它们相反作用的掩盖。这项研究将神经血管耦合的理解提升到了神经元群体特异性的新层次,为更精准地解读fMRI等血流量像信号提供了关键理论框架。未来的研究可以进一步探索这两类功能定义的神经元群与特定细胞类型(如表达一氧化氮合酶的神经元)或神经调质系统的关系,并验证其因果作用。总之,这项研究表明,大脑的血流供应并非简单地跟随“总体”神经活动,而是精细地反映着内部对抗性神经回路的动态平衡。