《Neuroscience Research》:Predictive grid cells: Future spatial representations in the hippocampal-entorhinal circuit
编辑推荐:
本综述聚焦海马-内嗅皮层回路(HPC-EC),系统梳理了从经典“位置细胞(Place cells)”与“网格细胞(Grid cells)”的静态空间表征,到新兴的“预测性网格细胞(Predictive grid cells)”及“Theta相位进动(Theta phase precession)”等前瞻性编码机制。文章揭示了该回路如何通过“后继表征(Successor representation, SR)”框架支持未来路径预测与导航决策,为理解认知地图(Cognitive map)的动力学本质提供了新视角。
1. 引言:从静态地图到动态预测
长期以来,海马(Hippocampus)和内嗅皮层(Entorhinal Cortex, EC)被认为是大脑空间记忆的“GPS”。其中,海马的位置细胞(Place cells)只在特定位置放电,而内侧内嗅皮层(Medial Entorhinal Cortex, MEC)的网格细胞(Grid cells)则呈现出神奇的六边形网格状放电野。传统观点认为,这套系统主要编码动物“当下”的位置(Current location)。
然而,灵活的导航行为(如抄近路)仅靠“现在时”地图是无法解释的。越来越多的理论(如Stachenfeld等, 2017)和实验证据表明,HPC-EC回路本质上是前瞻性(Prospective)的。它不仅能告诉你“你在哪”,更能预测“你即将去哪”。这种从描述性(Descriptive)到预测性(Predictive)的范式转变,是本综述的核心议题。
2. 经典理论:空间表征的“静态基石”
Tolman(1948)提出的“认知地图(Cognitive map)”概念,认为大脑中存在对环境结构的内部表征。O'Keefe等人发现的位置细胞,以及Hafting等人(2005)发现的网格细胞,为这一理论提供了神经基础。
位置细胞(Place cells):海马神经元,像一个个“地点标签”,只在特定位置放电。通过群体解码(Population decoding),可以高精度还原动物的实时位置。
网格细胞(Grid cells):MEC神经元,其放电野呈周期性六边形网格,像一张“坐标纸”铺满整个空间。不同背腹侧(Dorsoventral)位置的网格细胞具有不同的空间尺度(Scale),构成了多尺度的空间度量框架。此外,MEC中还存在同时编码位置和头方向的联合细胞(Conjunctive cells)。
经典模型认为:网格细胞提供通用的空间度量(Metric),海马位置细胞在此基础上整合感觉线索,形成具体环境的地图。这套系统主要被视为一个精密的“实时定位系统”。
3. 预测与价值信号:超越“当前位置”
单纯的定位无法解释行为灵活性。研究发现,空间表征强烈受到经验、目标和价值的调制,显示出预测性特征。
海马的前瞻性偏置:当动物反复沿一条路径奔跑时,位置野会变得不对称,向运动方向的后方扩展(Mehta等, 2000, 2002),这被称为“后向扩张(Backward expansion)”。这意味着放电开始偏向于编码即将到来的路径。此外,在同一个物理位置,如果动物来自不同方向或前往不同目标,CA1和EC神经元的放电率也会不同(Frank等, 2000),表明编码包含了轨迹上下文(Trajectory context)。
网格的可塑性:网格并非完全刚性。环境几何形状(Krupic等, 2015)和奖励位置(Butler等, 2019)会扭曲网格地图,使其向行为相关区域偏移。
后继表征(Successor Representation, SR)理论:为了解释这些现象,Dayan(1993)和Stachenfeld等(2017)提出了SR框架。该理论认为,海马神经元编码的不是当前位置,而是未来预期占据(Expected future occupancy)的状态。这完美解释了位置野的后向扩张,并将空间表征数学化为一种预测模型。
4. 时间编码:Theta节律的“时空压缩”
除了放电率,神经元的放电时序(Timing)也承载着预测信息。最典型的机制是Theta相位进动(Theta phase precession)。
当动物穿过一个位置野时,神经元的动作电位会在theta振荡周期(~8 Hz)中逐渐提前(O'Keefe & Recce, 1993)。在一个theta周期内,一群神经元按顺序放电,形成一个Theta序列(Theta sequence),这个序列在时间上压缩了空间轨迹,既包含刚刚经过的位置,也包含未来即将到达的位置(Dragoi & Buzsáki, 2006; Foster & Wilson, 2007)。
关键的是,这种时间结构的“引擎”在内嗅皮层。MEC损伤会消除海马的相位进动,而海马失活则不影响MEC的相位进动(Hafting等, 2008; Schlesiger等, 2015)。这表明,MEC为海马提供了预测性时间序列的驱动力。
5. 核心发现:预测性网格细胞(Predictive Grid Cells)
在综述的最后,作者重点介绍了一类特殊的神经元——预测性网格细胞。这类MEC神经元的空间放电野会随着动物的运动方向发生系统性偏移(Shift),使其活动领先于(Precede)动物的实际位置。
这些细胞被认为是将未来空间信息从EC传递到海马的关键候选者,并可能参与组织海马的Theta序列。它们的存在,为HPC-EC回路作为“预测机器”而非“静态地图”提供了最直接的细胞级证据。
总结
这篇综述描绘了一幅动态的图景:海马-内嗅皮层系统通过预测性网格细胞和Theta时间序列,构建了一个不仅关于“现在”、更关于“未来”的认知地图。这解释了动物如何在大脑内模拟未来路径,从而实现灵活的导航与决策。