7月8日，《神經元》期刊在線發表了題為《小鼠聽皮層神經元群體結構動態變化實現感覺到范疇的轉化》的研究論文，該研究由中國科學院腦科學與智能技術卓越創新中心/神經科學研究所、上海腦科學與類腦研究中心、神經科學國家重點實驗室徐寧龍研究組完成，博士研究生辛宇為該論文第一作者。

該研究通過在頭部固定小鼠中建立一套聽覺相關的抉擇行為任務，同時使用雙光子成像技術記錄清醒小鼠的聽覺皮層第2/3層群體神經元的反應，解析了對感覺信息進行范疇化（categorization）的皮層神經元群體運算機制。負責該項目的研究人員對皮層大量神經元活動進行記錄和統計分析，發現在聽覺皮層中存在范疇抉擇相關的單細胞反應，并且，聽覺皮層神經元的信息編碼會根據任務需要發生動態變化。這種神經編碼的動態變化在群體水平有利于把連續的感覺信息轉化為任務相關的范疇信息。研究人員通過對群體神經元活動的解碼，也驗證了任務態下聽皮層神經元活動能夠準確預測小鼠執行聽覺范疇分類任務的表現。

為什么需要對感覺信息進行分類或范疇化？這是由于人們大腦接收到的來自客觀世界的感覺信息紛繁復雜，而人們能夠形成的概念和采取的行動則數目有限，為了形成有意義的認知來指導行為，大腦需要對這些信息進行高效的組織管理，而其中最基本的過程就是范疇化（categorization），簡單來講，就是對外來刺激進行分類與定位，從而可以從外部信息中高效地抽提出最相關的信息，形成感知判斷。例如，當接收到豐富多樣的語音信息，大腦會把這些語音歸類到屬于不同的熟悉的人，或屬于陌生人。當你接到一個電話時，即使因為環境干擾和電話通話噪聲等因素而導致語音物理參數發生變化或扭曲，你仍然可以輕而易舉識別出電話里的語音是否屬于某一個熟人，或屬于陌生人。這個過程就涉及到對聲音信息的類別判斷。另一個例子是關于人們對于色彩的認知。當看到彩虹時，盡管其中可見光的波長實際上是連續變化的，然而人們對于波長的物理數值難以形成感性認知或顏色概念，因此需要將連續的波長信息范疇化，將其定義為離散的七種顏色類別（紅橙黃綠青藍紫），便于信息存儲與交流。這說明感覺信息范疇化可以幫助大腦高效存儲信息和形成認知。因此，認知心理學研究認為，范疇化是人們對外界形成感知并且做出行動的一個普遍而基本的過程。

大腦如何將復雜而又連續的刺激信息范疇化呢？這里面的神經生物學機制是什么？對于這些問題的解答將使人們對腦認知功能的生物學基礎和神經計算原理有更深入的理解。事實上，神經科學家早已意識到這個問題的重要性。美國麻省理工學院（MIT）的著名神經科學家Earl Miller的實驗室早在2001年就在Science發表論文，提出獼猴前額葉可以產生視覺信息分類相關的神經活動。該論文的第一作者David Freedman后來(2006年)又在Nature發表論文，提出在后頂葉皮層也有編碼視覺分類的神經活動。這些研究開啟了信息分類和感知覺范疇化神經機制研究的新領域。但是這些研究中所發現的與感知類別相對應的神經活動，更多地代表神經運算的結果，而感覺信息怎樣被轉化為離散的類別信息的神經運算過程卻并不清楚。

為了探索這個問題，腦智卓越中心的研究人員在小鼠中建立了一個基于聽覺的分類抉擇行為范式，經過訓練，小鼠可以將不同頻率的純音歸類到“高音”或“低音”范疇。同時研究人員結合活體雙光子成像技術，在動物執行任務的同時對聽覺皮層群體神經元活動進行大規模記錄，并結合進一步的定量分析，從而研究了大腦皮層的神經元如何通過動態編碼將感覺信息轉化為類別信息的機制。研究的具體過程是，清醒小鼠在頭部固定的情況下被放置在隔音箱內，經過訓練它們可以將連續的單一頻率聲音(6種或者8種)按照設定的類別邊界劃分成兩種類別：低頻組或者是高頻組，一般小鼠在經過一周的訓練后可以達到80%以上的正確率（圖A和圖B）。隨后，開始雙光子成像的實驗（圖C）。對于這些小鼠，研究人員事先在聽皮層神經元中利用微量病毒注射的方法表達鈣指示劑GCaMP6s蛋白，并埋置長期成像窗口，從而實現對于群體神經元活動的長期穩定記錄。

他們的研究發現，在單細胞水平，除了編碼聲音頻率信息的神經元活動之外，在小鼠執行聲音分類任務中，出現了兩種與分類相關的神經活動。其中一類的神經元表現出對聲音類別的特異性反應，類似于前人在前額葉和后頂葉等下游腦區發現的類別相關的神經元。例如圖D中的神經元只對于低頻類別聲音有反應，而對于高頻類別幾乎沒有反應。另外一類神經元則表現出對于類別邊界頻率聲音的選擇性反應（圖E），而這種聲音選擇性反應在被動聽聲音的情況下并不存在，因此是一種任務依賴的動態調整。在群體神經元水平上，他們發現，相對于靜息狀態的被動刺激，任務態下聽皮層對于相同聲音的編碼在群體構成上出現了動態調整（圖F）。進一步通過對群體神經元活動的解碼，發現這種動態調整使得聽皮層神經元活動能夠準確可靠地預測動物的行為任務（圖G - H）。因此，該項工作揭示聽覺皮層神經元群體可以根據分類任務的需要，動態調整信息編碼特性，形成利于提高分類邊界分辨能力的群體編碼結構，從而提出了感知分類的一個新的神經運算機制。這一成果對于感覺皮層在認知過程中的信息處理機制提出了新的理解和預期，并且可能有助于啟發人工智能算法設計的新思路。

該項工作在研究員徐寧龍的指導下，主要由辛宇完成，同時課題組的博士研究生鐘林、張園，高級工程師潘璟瑋，助理研究員周濤濤也做出了重要貢獻。該工作得到國家基金委、國家重點實驗室基金、中科院戰略性先導科技專項、中科院重點前沿項目、青年千人計劃等的資助。

圖注：A、頭部固定小鼠的行為范式。被動情況下小鼠只需要聽聲音，不需要做出反應。B、小鼠行為學的心理物理曲線。C、雙光子成像示意圖。D、對于聲音的類別有選擇性反應的示例神經元。E、對于類別的分界處的聲音有特意選擇性的示例神經元。F、使用群體神經元活動來預測單次實驗中小鼠的行為，與小鼠實際的行為選擇具有顯著的相關性。G、群體神經元活動的解碼結果跟小鼠的抉擇行為顯著相關。H、通過解析群體神經元活動得到的神經測量曲線跟小鼠行為學的心理物理曲線高度相似。