学术笔记

【学术笔记】海马对空间与非空间变量的响应

2026-03-19    点击:
图片  

◆ ◆ ◆ ◆

【学术笔记】海马对空间与非空间变量的响应


记录人:丁一尘 苗成林实验室

审稿人: 苗成林


2026年03月19日下午,受北大-清华生命科学联合中心PI苗成林邀请,美国加州大学洛杉矶分校(UCLA)教授Mayank R Mehta在生命科学学院邓祐才报告厅带来一场题为“Hippocampal responses to spatial and non-spatial variables”的精彩报告。

图片    

苗成林研究员介绍Mayank R Mehta教授

图片    

Mayank R Mehta教授做报告与交流

概要

海马是大脑的空间导航系统,同时也在情景记忆中发挥重要作用。对啮齿类动物的研究表明,其海马中的位置细胞(place cells)的神经活动可以表征空间位置信息。这一位置的坐标系是异我中心的(allocentric),表征动物相对于外界地标的位置信息,同时也与动物此时的朝向、感觉输入和行为状态无关,因而是一种对抽象概念的编码。然而,在一维的线性轨道上,这些位置细胞却表现出高度的方向性,取决于动物的感觉输入。另一方面,在灵长类动物中,海马对空间的表征却主要依赖编码空间中视觉刺激的神经元(spatial view cells),可能涉及情景记忆机制。海马在不同任务范式间和不同物种间反应特性的矛盾,是有待解决的挑战性问题。Mayank教授等人采用机制和生物物理学结合的策略,研究海马神经元如何通过学习实现信息的抽象与泛化:1. 在线性轨道来回跑动任务中,大鼠表现出位置野的逆向扩展现象,该过程可通过脉冲时序依赖可塑性(spike timing dependent plasticity, STDP)在前馈网络中实现,揭示了预测编码的基本机制,可能构成信息抽象与选择性记忆存储的关键;2. 在虚拟现实导航任务中,小鼠仅凭视觉与听觉线索即可完成路径整合,挑战了传统前庭信号驱动的空间定位模型。海马神经元在此过程中编码三种行为变量:与奖励的距离和方向(与小鼠当前位置有关),以及奖励的异我中心位置,这些变量在神经元群中高度混叠,且其表征随学习动态变化,与个体行为表现的改善显著相关;3.在自由运动条件下进行的非空间的痕迹条件反射任务中,海马体神经元对时间间隔的编码能力超越对空间的响应。在同时存在空间与非空间信息的条件下,非空间表征显著抑制空间表征,表明海马体并非在空间与非空间模式间切换,而是依据行为相关性进行多维度信息的并行编码与动态优先排序。综上所述,海马体通过STDP实现快速学习,并以多维混合编码的方式同时支持空间与非空间认知。这一机制不仅为整合跨物种研究差异提供了统一的神经计算框架,也为将啮齿类动物模型的研究成果向人类转化奠定了新的理论基础。

图片    

精彩回顾

海马位置野的扩展和移位揭示了行为期间的突触增强

Mayank教授等人最初尝试让大鼠在线性轨道上来回跑动,记录其位置细胞的放电情况(图一)。他们发现,所记录到的位置细胞表征的位置野中心向着大鼠运动的相反方向移动,且逐渐扩展。在特定细胞中(图一下部),神经元在最开始的几圈跑动中极少放电,但从第5圈开始突然呈现激活状态,表现为阶跃式变化。这些现象为行为期间的突触增强提供了证据。

图片    

图一,在线性轨道上来回奔跑的大鼠的位置细胞放电[1]


为了解释上述现象,Mayank教授等人使用单层感知机对海马CA3神经元与CA1神经元的连接进行计算建模(图二)。该模型基于NMDA依赖性突触的长时程增强(LTP)和长时程抑制(LTD)特性。初始阶段(红色),具有不同位置野的CA3神经元输入是对称的。之后,当大鼠反复沿同一方向穿越空间区域时,位置野靠前的CA3神经元突触得到增强,而位置野靠后的CA3神经元突触则被削弱。因此,LTP/LTD会导致位置野的方向选择性和空间不对称性(蓝色)。

图片    

图二,计算建模表明突触可塑性可解释位置野改变[2]


协同性长时程增强可在树突分支上发生

然而,上述单层感知机模型无法解释Mayank教授等人观察到的神经元发放的阶跃式变化。同时,由于神经元属于延展性结构,突触后动作电位反向传播到远端树突时可能严重衰减。种种迹象表明,对上游信息的学习可能在树突就已经发生。在没有胞体动作电位参与的情况下,树突是否能发生长时程增强?结合领域内实验证据,Mayank教授提出了新的突触学习规则:发生在树突分支上的协同性长时程增强(图三)。红色圆点代表抑制性突触,蓝色箭头代表两个输入源的兴奋性突触A和B。当A和B位于不同树突分支上(图三a),若之间存在抑制性突触,二者的兴奋性突触后电位会减弱,无法共同产生大型树突动作电位或长时程增强。当A和B位置相邻(图三b),其兴奋性突出后电位可叠加,触发树突动作电位诱导长时程增强。

图片    

图三,发生在树突分支上的协同性长时程增强[3]


树突上活跃的尖峰信号可能是抽象学习的机制

随着记录手段发展,Mayank教授等人得以在体内测量树突膜电位(图四),发现树突动作电位具有远高于胞体动作电位的发放率(自由活动时可达10倍),且受到阈值下树突膜电位的调制。Mayank教授提出初步假设,认为树突的局部结构参与信息的即时学习,而只有10%的信号可以达到阈值向下游传递。这一过程可能是抽象化发生的机制。

图片    

图四,测量树突膜电位[4]


海马神经元复用并编码距离、角度和异我中心位置

接下来,Mayank教授重点介绍了使用VR技术对海马信息整合的研究。小鼠在虚拟空间中执行类似水迷宫的导航任务,而使用VR可以排除非特定线索和人工干预的干扰,确保仅使用远端视觉线索进行导航。Mayank教授提出,即使具有最完美的位置细胞,小鼠也无法完成当行任务,因为位置细胞仅能揭示空间坐标,而导航需要的是奖励的方位和距离。据此,Mayank教授等人构建广义线性模型(图五),包含三个相关变量:奖励的异我中心位置(图五a,e),奖励的距离(图五b,f),奖励的方向(图五c,g)。结果发现,只有少数细胞受到空间位置的显著调制,大部分细胞受到距离和方向的调制,且单个CA1神经元可以复用(multiplex)并同时编码路径距离、角度和异我中心位置的信息(图五d,h)。后续分析表明,这三种神经编码的细胞比例与导航精度显著正相关。

图片    

图五,异我中心位置、路径距离和角度的神经调制[5]


VR任务训练中神经活动聚集,与行为改善相关

接着,Mayank教授等人研究了上一实验中小鼠的学习过程(图六)。随着训练,小鼠的路径效率提高(图六a),且放电率增加(图六b)。对于路径距离(图六c,d)和角度(e,f),神经活动发生聚集,且选择性提高,与行为的改善相关。这些结果为利用VR进行人类学习和记忆障碍的诊断和治疗提供了可能。

图片    

图六,神经聚集增加与行为改善相关[5]


主动行为中海马的痕迹任务编码占主导,并干扰位置编码

最后,Mayank教授展示了他们一项正在投稿的工作(图七)。既然海马能处理空间和非空间信息,这两种处理模式之间存在何种关系?Mayank教授等人训练小鼠完成声音-电击的痕迹条件反射任务,同时让小鼠在二维空间中自由活动(图七a,b)。在小鼠活动时,声音-电击任务随机出现(图七c)。结果,神经元在非任务期间能编码稳定的空间位置,但在痕迹任务期间转而编码任务,其空间调制遭到破坏(图七d,e),且任务相关神经元的数量是空间选择性神经元的三倍多。这些发现表明,在主动行为中,痕迹任务编码主导并干扰位置编码,挑战了海马主要具有稳定的空间映射的观点。

图片    

图七,海马的痕迹任务编码主导并干扰位置编码[6]


Mayank教授的此次演讲,从海马的物种间和任务间的差异出发,展示了海马对空间和非空间变量的不同响应,揭示了海马进行信息整合的机制,最终描绘了海马进行抽象学习和指导行为的理论草图。


现场提问环节中,苗成林老师对痕迹任务的时间窗口500毫秒的含义提出了疑问。对此Mayank教授回答说,需要一个合适的、较短的时间窗口,来保证动物在执行任务时注意力不被分散。另外有同学提问在教授之前2017年文章的实验中能不能观察到远端放电更多的现象,以及shifou 树突棘的放电比树突更多。Mayank教授回答说他们仅用模型进行了简单的预测,事实上人们不清楚怎么测量,因为人们不知道近端远端离子通道分布有什么区别。

参考文献

  1. Mehta, M.R. and B.L. McNaughton, Expansion and Shift of Hippocampal Place Fields: Evidence for Synaptic Potentiation during Behavior, in Computational Neuroscience: Trends in Research, 1997, J.M. Bower, Editor. 1997, Springer US: Boston, MA. p. 741-745.

  2. Mehta, M.R. and M.A. Wilson, From hippocampus to V1: Effect of LTP on spatio-temporal dynamics of receptive fields. Neurocomputing, 2000. 32-33: p. 905-911.

  3. Mehta, M.R., Cooperative LTP can map memory sequences on dendritic branches. Trends in neurosciences, 2004. 27 2: p. 69-72.

  4. Moore, J.J., et al., Dynamics of cortical dendritic membrane potential and spikes in freely behaving rats. Science, 2017. 355(6331).

  5. Moore, J.J., et al., Linking hippocampal multiplexed tuning, Hebbian plasticity and navigation. Nature, 2021. 599(7885): p. 442-448.

  6. Wirtshafter, H.S., et al., Hippocampal trace coding dominates and disrupts place coding. bioRxiv, 2026: p. 2026.02.17.706430.


图片