编辑推荐:
研究人员对神经计算的理解建立在神经元响应于输入线性求和而放电这一假设之上。然而,实验表明部分神经元能够执行需要输入间相互作用的复杂功能。本研究表明,无需输入间相互作用的直接依赖即可解释神经元活动中的大部分变异性。跨越多个脑区与物种的神经元均可由仅捕获各输入单独
研究人员对神经计算的理解建立在神经元响应于输入线性求和而放电这一假设之上。然而,实验表明部分神经元能够执行需要输入间相互作用的复杂功能。本研究表明,无需输入间相互作用的直接依赖即可解释神经元活动中的大部分变异性。跨越多个脑区与物种的神经元均可由仅捕获各输入单独依赖、而对输入组合不作任何假设的模型定量描述。这些最小模型等价于逻辑人工神经元(logistic artificial neuron),可预测复杂的高阶依赖并恢复已知的突触连接特征。推断得到的神经网络呈稀疏性,表明神经编码具有高度冗余性并对扰动具备鲁棒性。上述结果表明,尽管存在复杂的生物物理细节,大多数神经元仍可由简单的人工模型描述。
研究背景方面,神经科学长期沿用McCulloch–Pitts神经元及感知机(perceptron)等简化模型,假设神经元输出仅依赖于各输入的线性加权总和,忽略输入间的相互作用。随着钙成像与大规模记录技术的发展,研究人员已能在小鼠、线虫等模式生物中同时获取同一脑区内大量神经元的活动数据,但尚不清楚这种简单直接依赖是否足以解释真实神经元的复杂活动模式。尤其在海马、视觉皮层等高级脑区,树突计算与非线性整合被认为可能产生高阶依赖,而传统模型难以在不引入过多参数的情况下验证其普遍性。因此,本研究旨在量化直接依赖对神经元活动的解释力,并探索其与高阶依赖、时间延迟依赖之间的关系,研究成果发表于《Nature Physics》。
关键技术方法方面,研究人员采用最大熵原理(maximum entropy principle)构建仅约束单输入直接依赖的逻辑回归模型,并通过梯度下降高效拟合参数。针对输入选择难题,设计了贪心算法逐次筛选最优输入,并利用微扰理论近似熵变以提升计算效率。研究分析了四个公开数据集:小鼠海马CA1区1485个神经元在虚拟轨道跑动任务中的记录、小鼠视皮层11445个神经元在自然图像与自发活动下的记录,以及秀丽隐杆线虫(Caenorhabditis elegans)全脑128个神经元的自由运动记录。所有数据均按采样间隔二值化为发放(1)与静息(0)状态,仅纳入与输出神经元至少共发放一次的输入以避免发散。
研究结果部分,首先,最小直接依赖模型被证明等价于带偏置项b与权重wi的逻辑人工神经元,其输出概率由P(y=1|x1,…,xn)=σ(b+∑i=1nwixi)给出,其中σ(·)为logistic函数。通过熵层级分析发现,总熵Stot、直接熵Sdir与真实熵Strue满足Stot≥Sdir≥Strue≥0,直接依赖可解释绝大部分变异性。其次,最优输入识别显示,仅需少量最优输入即可使Sdir指数下降至接近零,而随机输入则几乎无法降低熵值;在海马区,中位数神经元仅需214个输入(占群体14%)即可解释90%以上的活动变异性。第三,跨系统与物种分析表明,小鼠视皮层在自然图像刺激下中位数神经元仅需108个输入(<1%群体)即可覆盖99%的直接依赖,秀丽隐杆线虫全脑中位数神经元仅需5个输入即可解释62%的变异性,证明该规律具有普适性。第四,高阶与时间延迟依赖预测结果显示,完整直接依赖模型可准确预测99.85%的三重相关、99.89%的四重相关与99.92%的五重相关,且在0.1秒至10秒的时间延迟内仍能预测99%以上的时间延迟相关,表明高阶与时序依赖可由直接依赖自然衍生。第五,推断网络结构分析发现,权重分布呈重尾(log-normal)、兴奋与抑制平衡且具方向性,符合已知突触连接特征;信息流分析显示每个输入平均传递0.01比特/秒的信息,且神经元活动具有高度冗余性;消融实验证明移除90%的输入后模型预测性能仍保持稳定,验证了网络的鲁棒性。
讨论部分指出,尽管神经元具有复杂的形态与生物物理特性,简单直接依赖模型已能解释超过90%的活动变异性,剩余不足10%可能源于高阶依赖、时间延迟或未观测潜变量。该框架为解析神经编码提供了统一工具,未来可结合电生理记录与连接组学数据进一步区分功能连接与真实突触连接。研究同时提示,当前大规模记录多针对空间不连续群体,可能限制了对直接依赖的完整刻画,而时序依赖的扩展分析将有助于揭示神经动力学机制。该研究通过严格的熵分析与跨物种验证,确立了直接输入–输出依赖在神经计算中的核心地位,为理解大脑信息处理提供了简洁而普适的理论基础。