动态更新的任务规则重塑后顶叶皮层（PPC）与初级听觉皮层（A1）皮层层级中的感觉加工

《Neuroscience Bulletin》：Dynamically Updated Task Rules Reshape Sensory Processing Across Cortical Hierarchies of the Posterior Parietal Cortex and Primary Auditory Cortex

　　

越来越多的证据表明，规则与注意等认知因素可通过自上而下影响（top-down influences）调制感觉加工。然而，将跨模态输入转化为规则引导知觉的神经机制仍不清楚。因此，本研究在大鼠执行视听规则切换任务期间，记录了后顶叶皮层（posterior parietal cortex, PPC）和初级听觉皮层（primary auditory cortex, A1）的神经元活动，以探究规则如何被动态编码并调制感觉加工。通过逐试次追踪内部估计任务规则的动态神经编码，单神经元分析提示，PPC可能在决策形成之前前瞻性地表征任务规则，而A1则可能通过在错误之后增强规则相关信号，参与听觉任务表现的监测。两个脑区均表现出对冲突性规则组合的优先表征，提示存在一种专门化机制以实现高效冲突解决。据此，研究人员将刺激驱动反应与规则调制反应加以分离，并观察到一次试次内部从感觉编码向规则加权表征的转换，该转换从物理特征逐步推进至行为相关性，尽管整合程度仍然有限。综上，这些结果提示，PPC–A1回路能够动态编码规则并重塑感觉加工，以实施支持灵活行为的结构化计算。

该文发表于《Neuroscience Bulletin》，围绕“动态任务规则如何在皮层层级中被表征并重塑感觉加工”这一核心问题展开。研究背景在于，大脑既要准确编码外界感觉信息，也要依据当前行为目标赋予信息以情境意义，因此认知灵活性依赖于任务规则对感觉输入的持续塑形。既往研究已证明前额叶皮层参与抽象规则编码，并可通过自上而下调控影响下游回路；后顶叶皮层（posterior parietal cortex, PPC）作为多模态联合区，与感觉运动整合和任务切换密切相关；而包括初级听觉皮层（primary auditory cortex, A1）在内的感觉皮层也可呈现任务依赖性活动。然而，既往工作多基于已充分训练的动物，通常把规则视为离散且由实验者预定义的变量，因而难以揭示动物在试错学习过程中内部规则状态如何连续演化，以及这种演化怎样定量地重塑感觉表征。正因如此，研究人员开展本研究，旨在解析PPC与A1在规则动态编码中的分工，以及规则如何在一次试次内部推动感觉表征从“感受到什么”向“行为上什么更重要”的转换。

研究人员构建了大鼠自由活动状态下的视听规则切换任务，在132个行为会话中同步记录PPC与A1神经元活动，并以滑动窗逻辑回归从行为选择中逐试次估计内部规则权重。随后，采用多元线性回归分析单神经元与群体水平的规则编码，并进一步建立广义线性模型（GLM）区分刺激驱动反应（stimulus-driven responses, SR）与规则加权刺激反应（weighted stimulus responses, WSR），同时评估感觉输入总和表征（sumSR）与规则加权总和表征（sumWSR）。样本来源为9只雄性Sprague-Dawley大鼠，记录总计843个神经元。

研究首先建立了视听规则切换范式与行为定量框架。作者在“Audiovisual Rule-switching Task and Behavioral Performance”部分指出，大鼠需要依据提示线索在听觉规则与视觉规则之间切换，并在双模态一致或冲突试次中作出左右选择。结果显示，大鼠在单模态试次与一致性双模态试次中表现较好，而在冲突试次中准确率明显下降，因此冲突试次正确率被用作选择性注意能力的关键指标。这说明任务成功诱发了规则依赖的跨模态竞争，为解析规则调控感觉加工提供了合适范式。

在“Quantification of Dynamic Internal Task Rules”部分，研究人员通过滑动窗逻辑回归，将当前试次中各刺激对左转选择概率的影响量化为_ba1、_ba2、_bv1、_bv2等规则权重。模型对行为的预测准确率较高，表明这些回归权重能够有效表征动物的内部任务规则。进一步分析发现，随规则切换与学习进展，目标模态刺激的行为影响增强，干扰模态刺激的影响逐渐减弱；跨模态权重差_dweight与行为准确率显著相关，证明该连续变量可作为内部规则状态的可靠量化指标。该结果为后续神经编码分析奠定了基础。

在“Performance-related Rule Encoding in PPC and A1”部分，作者利用多元线性回归检验单神经元放电对规则因子的编码。结果显示，PPC与A1均存在显著规则编码，但PPC整体规则编码强度和规则编码神经元比例均高于A1。时间动态上，两区在刺激前阶段和刺激后阶段规则编码增强，而刺激呈现期间增强相对较弱。与行为表现的关系显示，PPC中规则编码神经元在高表现会话的刺激前期和刺激期比例更高，提示PPC可能在决策形成前以前瞻性方式配置任务规则；相对地，A1在听觉注意条件下、表现较差的刺激后阶段呈现更高的规则编码比例，提示A1可能参与错误后的表现监测。该部分结论表明，PPC与A1在规则应用中存在层级化功能分工。

在“Rule Encoding Profile Reflects Decision Conflict in Incongruent Trials”部分，研究人员进一步分析了规则编码谱。通过对_ba1、_ba2、_bv1、_bv2的组合选择性分类，结果发现，无论在PPC还是A1，神经元都很少单纯编码听觉规则、视觉规则或左右方向规则；相反，最常见的是对冲突性规则对的共同编码，如a1与v2、a2与v1对应的组合。这些组合恰好对应双模态冲突试次中的竞争性行动要求。该发现说明，两区的规则编码并非简单反映感觉类别或动作映射，而是更偏向于对行为冲突情境的整合性表征，支持其在冲突监测与冲突解决中的作用。

在“PPC Outperforms A1 in Population Decoding of Task Rules”部分，作者将分析扩展到神经元群体水平。结果显示，在大多数会话中，PPC和A1的群体活动能够成功解码至少一个规则因子，且多规则同时解码比单规则解码更常见。关键变量_dweight以及冲突试次准确率也可被可靠解码，说明神经群体活动中确实包含与行为相关的规则状态信息。进一步利用偏决定系数（coefficient of partial determination, CPD）评估单神经元对群体解码的贡献，发现PPC神经元在所有任务变量上的贡献均高于A1。这一结果从群体层面进一步证明，PPC在分布式规则表征网络中占据更核心位置。

在“Sensory Encoding Evolves from Sensation to Significance along a Temporal Hierarchy”部分，研究人员用层级建模框架区分SR与WSR，以揭示规则如何在试次内部塑造感觉表征。结果表明，刺激出现后，刺激敏感神经元（stimulus-sensitive, SS）在PPC与A1中迅速增加，并于约320 ms达到峰值；而规则加权刺激敏感神经元（weighted stimulus-sensitive, WSS）则上升较慢，在刺激后期及随后决策、奖赏阶段占据主导。也就是说，神经表征经历了从刺激物理属性主导到规则相关性主导的时间序列转化。这一发现直接说明，任务规则并非静态背景变量，而是在一次试次内部逐渐介入并重塑感觉加工，使表征从物理事实转向行为意义。

在“Integrated Sensory Encoding is Dominated by Physical Summation Rather Than Weighted Summation”部分，作者进一步考察PPC与A1是否形成跨刺激整合表征。分析sumSS与sumWSS后发现，两区都强烈编码整合后的物理刺激总和（sumSS），这种信号在刺激后迅速上升并达到高峰；相比之下，规则加权后的整合表征（sumWSS）虽也存在，但明显更弱、比例更低。将“仅编码整合表征”的神经元与“仅编码单个刺激”的神经元比较后发现，在刺激呈现期，A1中sumSS强于SS，PPC也呈类似趋势；但在决策后，SS超过sumSS。与此同时，无论在刺激期还是决策相关阶段，sumWSS始终弱于WSS。该结果说明，PPC–A1回路虽然能够对多感觉输入形成较强的物理总和表征，但对规则加权后的统一知觉表征整合仍较有限，最终决策变量的形成可能尚未在该回路内完成。

讨论部分对上述发现进行了整合。论文指出，本研究通过连续行为建模与神经记录相结合，突破了以往仅比较稳定任务状态的研究方式，首次较细致地描绘了规则在学习过程中连续演化的神经表征，并定量揭示了规则对感觉加工的塑形机制。PPC与A1均维持持续的规则相关活动，但PPC在信号强度、编码比例、群体解码贡献及决策后感觉与规则信号维持方面均更突出，表明其在该回路中承担更强的整合与前瞻配置功能；A1则表现出更具情境依赖性的规则信号，尤其与听觉任务中的错误后监测有关。另一项关键发现是，两区都偏好编码冲突性规则组合，提示分布式网络可能采用一种面向冲突解决的高效编码策略。最后，研究还表明，感觉加工在时间上呈现从“物理刺激编码”到“规则加权编码”的层级演进，而统一的规则加权整合信号在PPC和A1中仍较弱，提示更下游或更高阶脑区可能承担最终选择信号的整合。

研究结论部分可译为：本研究表明，PPC–A1回路通过一种层级化组织方式动态编码任务规则并重塑感觉加工。研究结果提示，该回路存在功能分工，即PPC更类似前瞻性规划节点，A1更类似表现监测节点；同时，该回路优先编码冲突性规则组合，并在单次试次内部实现从物理特征到规则加权表征的转换。这些结果建立了一个关于规则引导知觉的结构化分布式计算框架，其中专门化节点通过动态加权信号协同，将感觉转化为行动。该框架推进了对认知灵活性的理解。