Nature重磅 | 運動皮層新發現：ALM 因果連接如何定點放大目標導向行為

PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關注，點亮星標 ??

不錯過每日前沿資訊

認知神經科學前沿文獻分享

基本信息：

Title:Connectivity underlying motor cortex activity during goal-directed behaviour

發表時間：2025.11.19（本周三凌晨更新）

Journal:Nature

影響因子：48.5

獲取原文：

正文

當我們伸手去拿水杯、或把舌頭探向吸管時，大腦里究竟發生了什么？

幾十年來，神經科學一直在追問一個核心問題：皮層中“誰連著誰”（connectivity）如何塑造“誰在什么時候對什么信息發放”（neural coding）。在視覺皮層（visual cortex），我們已經知道了不少經典規律，比如“柱狀組織”“同類連同類”（like-to-like）的興奮性局部回路，以及周邊抑制形成的“墨西哥帽”（Mexican-hat）式空間結構。這些結構讓視覺皮層能對連續變量（如方向、位置）建立穩定的“峰值”（bump）表征。

然而，在運動皮層（motor cortex），特別是小鼠前外側運動皮層ALM（anterior lateral motor cortex），這些關于連接—編碼的關系到底如何？多數既往研究是在高度訓練的任務里做的，例如延遲舔舐或特定方向的眼/臂運動，因而觀測到的活動模式常常在動作發生之前就已顯著調制。可在真實生活里，許多舌/口取食行為并不需要長時間訓練；那么，在未經過長期訓練的自然目標導向行為中，ALM 的神經元是如何編碼目標位置與結果的？這些編碼背后的局部回路結構又是什么樣子？

這篇發表在《Nature》的工作把目光對準了一個看似簡單卻很“生活化”的范式：多方向舌伸取水。實驗里，小鼠頭固定，面前的“水嘴”（target, spout）可以隨機出現在一個網格的若干位置上；小鼠通過嗅覺/觸須等線索迅速尋找并用舌頭接觸以獲得水滴。這個行為幾乎不需要訓練，非常貼近日常覓食，并且能天然覆蓋連續的二維“運動目標空間”（位置在上下/左右網格上變化）。

研究團隊使用了體積雙光子鈣成像（layer 2/3, excitatory neurons, GCaMP6s），記錄了十萬級神經元的活動，系統分析其對目標位置（location）與結果（reward outcome）的調制時間結構；更關鍵的是，他們采用全光學（all-optical）“因果連接映射”：在同一批被成像的興奮性細胞中，用雙光子光遺傳（soma-targeted ChrimsonR）逐個光刺激“目標神經元”，并觀測其他細胞是否出現跨閾值的響應，從而估計強功能性（suprathreshold）連接——這些“連接”可以是單突觸也可以是多突觸，但方向明確、在體（in vivo）、高通量。

這套組合拳讓他們得以同時回答兩類長期難題：

（1）ALM 在天然目標導向行為中的編碼到底是什么樣子？（2）這種編碼與局部回路的因果連接圖譜有什么關系？

結果非常有趣：首先，ALM 的大量神經元對目標位置與結果大小/遺漏有調制，而且多數神經元的活動在動作后甚至獎賞后較長時間仍然顯著，這與訓練范式里“動作前高調制”的經典結論形成鮮明對比。其次，在同一塊皮層里測得的因果連接顯示出一個多尺度“柱狀”架構：在100 μm以內是同類興奮（like-to-like excitation），100–250 μm 范圍出現更明顯的抑制，并且軸向（層向）延展比側向延展更強，整體呈現“窄興奮—寬抑制”的“墨西哥帽”形態。再次，連接圖譜并非隨機：存在稀有但高度連接的“樞紐（hub）神經元”，它們調諧較弱卻對周邊群體影響更大，可能扮演放大器/協調器的角色。最后，網絡模型表明：有了這些弱調諧但高外出度的 hub，即使非 hub 之間的 like-to-like 連接較弱，也能在回路層面放大/穩定對空間目標的選擇性峰值，從而為快速學習與策略更新提供結構性“地基”。

換言之，這項研究給出了一個“像柱子一樣”的運動皮層微電路藍圖：局部強興奮、周圍廣抑制、同類連同類，其間散布著弱調諧卻強影響力的hub。這張“連接—編碼—行為”三位一體的圖景，對于我們理解目標導向行動的生成、結果監控（vector feedback）、以及強化學習中“把結果與特定動作位置綁定”的神經實現，具有基礎且廣泛的啟示。

核心發現

發現一｜ALM 不只管“去哪里”，還記“啥時候”“拿到沒”

把這塊皮層想成一張隨身小地圖，旁邊還掛著時間線和成績單。小鼠舌頭碰到水嘴后，很多神經元會在對應“格子”亮一下，而且這道亮光常常拖到動作結束后的幾秒，就像大腦在回放“剛才就是在那一格成功/失敗的”。

研究者偶爾把獎勵加大或干脆不給，發現不少神經元并不是只對“多或少”有反應，而是會把“在哪兒得到的”一起打包——更像一支帶方向的箭，而不是只寫分數的評分表。獎勵變多時，那些原本不太顯眼的“偏愛位置”會被整體提亮，像是把那一格的亮度拉高；獎勵缺席時，亮度又被壓下去。換句話說，ALM 傳給學習系統的，不是抽象的“好/壞”，而是“在某個具體位置做了這件事，結果如何”。這正是快速調整策略所需要的“定點回饋”（可參看圖1–2的任務示意和曲線對比）。

Fig. 1 | Neural activity in ALM during multidirectional tongue reaching.

Fig. 2 | Conjunctive tuning for target location and reward outcome.

發現二｜近處互相帶動，遠處彼此剎車；上下更通，左右更慢

點亮一個 ALM 神經元會發生什么？最近的鄰居（大約 100 微米內）最容易被帶動，稍遠（100–250 微米）反而以“剎車”為主，于是出現“中心興奮、周圍抑制”的“墨西哥帽”形狀。作者還做了控制，排除了“光打偏了”的技術假象，說明這是回路自身的真實屬性。把這張因果“地形圖”與神經元的功能偏好對上號，你會發現：對相近位置有偏好的細胞更喜歡待在一起、互相扶持，周圍則有一圈“護欄”防止影響泛濫。這種“柱狀+護欄”的結構，既能放大局部信號，又能防止整片皮層一起亂響（見圖3的空間剖面）。

Fig. 3 | Optical mapping of causal connectivity and its anatomical organization

發現三｜“同好更來電”，但主要發生在手可及的近鄰圈

把每個細胞“喜歡哪個格子”的曲線拿來逐對比一比，規律很樸素：偏好越像的一對，連接往往越強。不過這個“同好更來電”的效果主要發生在彼此非常接近的細胞之間（約 100 微米內）。一旦距離拉開，聯系就明顯變淡。想象一下一支樂隊的排練：坐得近的同聲部更容易互相對拍、越唱越整齊；隔了好幾排的，就算同樣喜歡副歌，也很難直接互相帶節奏。ALM 里的“同好小團體”就是這樣在空間上長出來的：一小撮對同一方向/位置很敏感的細胞，彼此拉一把，就更容易在那一格“立得住”“頂得穩”。這也解釋了為什么在行為上，動物能迅速把注意力和動作對準某一小塊空間，而不是到處平均發力（對應圖4a的功能-連接對齊分析）。

Fig. 4 | Causal connectivity and its relation to encoding of tongue-reaching movements

發現四｜“帶頭大哥”自己不搶戲，卻把全場托起來

網絡里還藏著少數“帶頭大哥”（hub）：它們自己對具體位置或結果并不“尖”，看起來平平無奇；但它們連出去的線特別多，能同時影響一大圈鄰居。把它們想成現場的調音師——不唱主旋律，卻決定整場的氣勢和層次。數據上，這類“外出度”呈重尾分布：人數少但能量大；而且“收進來的線”和“放出去的線”常常一起多，隱約形成一個“富俱樂部”。

模型進一步告訴我們：當這些“廣而弱”的 hub 跟周圍“同好緊密互連”的小團體配合時，空間選擇性的那座小山峰更容易被托高、也更穩，同時對“同好之間必須連得多么緊”的要求沒那么苛刻。通俗地說：非 hub 負責“唱得準”（細致的空間偏好），hub 負責“讓全場聽得見”（把該亮的地方整體推一把）。兩者搭起來，動物就既能快速學會對準目標位置，又能讓這個對準保持穩定（可參看圖4的網絡與模型示意）。

結論

本文把自然目標導向行為、在體高通量因果映射與網絡建模無縫銜接，提供了運動皮層在未充分訓練條件下的連接—編碼—行為統一圖景：柱狀—墨西哥帽的因果結構、like-to-like 的功能特異連接、以及弱調諧但高影響力的 hub共同支撐了對連續目標空間的穩定表征。這一框架對理解快速學習、策略更新與向量式結果反饋提供了堅實證據。

展望與應用

未來值得追問的方向：

細胞類型學映射：hub 與非 hub 分別落在哪些興奮性細胞類型或發育譜系（如徑向克隆）上？能否與分子標記/轉錄譜一致對接？

學習塑形：長期訓練/規則化任務會如何重塑“墨西哥帽”核與 hub 比例？快速學習與慢性可塑性在此框架中如何協同？

跨層與跨區耦合：L2/3 的柱狀組織如何與深層（L5/6）與丘腦/基底節環路對接，共同決定“動作前 vs 動作后”的調制時序？

因果操控驗證：如果定向沉默/激活 hub，是否能特異改變鄰域調諧峰的強度/穩定性與學習速率？這將進一步確立 hub 的“放大器”地位

周報-20251006|近兩周解讀的29篇頂刊論文匯總 | 認知神經科學前沿動態??[]

周報-20250922|認知神經科學前沿動態周覽??[]

周報-20251020|認知神經科學前沿動態周覽??[ ]

Nature |決策過程的動力學機制與神經模式轉變??[]

Nature |顛覆認知 ! “神經振蕩”不成立？耶魯團隊提出大腦“伽馬事件”新理論??[]

Science |中國將領銜未來25年全球腦計劃，劍指靈長類大腦地圖??[]

Neuron |大腦如何區分現實與想象？倫敦大學學院團隊最新研究揭秘“現實信號”的神經密碼??[]

Nature |視覺系統新發現：壓縮式的物體識別機制??[]

Nat Hum Behav｜你不是天生就愛跟風：社會特征學習理論揭示人類“隨大流”背后的秘密??[

Nature |“讀心術”成真？從瞳孔變化中解碼大腦皮層完整時空動態??[]

PNAS｜刷短視頻停不下來？研究揭示“新奇感”是驅動人類探索的古老密碼??[]

Neuron |最強腦發育數據庫RBC開放下載，6000+青少年大腦數據揭示精神健康的秘密??[]

Nature 子刊綜述｜大腦預測誤差的核心回路??[]

前沿交流|歡迎加入認知神經科學前沿交流群！??[]

核心圖表、方法細節、統計結果與討論見原文及其拓展數據。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

PsyBrain 腦心前沿

帶你了解心理學、腦科學的前沿知識與技術流程