近期Neuron上发表了一篇很吸睛的研究，该研究首次同时记录了一百万级别的神经元活动，探讨了是否潜在的低维神经流形能够解释大规模的神经活动。该研究令人惊讶地发现了神经维度可以随着神经元数量的增加而无限扩展的趋势，揭示了大脑计算的高度复杂性以及记录更多神经元对研究神经活动的重要性。本文对这篇文章的结果进行一个简报，具体细节需见原文。
神经元的群体编码学说近年来开始走向主流（见：Neuron | 认知神经科学的神经群体学说）。有观点认为，神经元群体的活动可以通过低维的动态完全体现出来，然而，我们还不清楚是否这种低维表征能够真正解释大范围的全脑活动，以及什么样的记录分辨率和规模能够捕获它们。
近期，洛克菲勒大学Alipasha Vaziri课题组的研究者们利用细胞层级的分辨率近乎同时对小鼠的大脑皮层一百万个神经元进行成像。研究发现，虽然一半的神经变异性包含在与行为相关的十六个维度内，但神经表征的维度随着神经元数量的增加存在无限扩展的趋势。
共享方差分量分析（SVCA）揭示了可靠神经维度的无限扩展
这些高维神经活动模式是细粒度且广泛的，在空间和时间上广泛分布在大脑中，并且没有在任何一个脑区形成明显的集群。但是，大多数这些高维神经活动与生理/心理活动或行为没有直接关系（但是也并不只是噪音），因此并不清楚这些高维活动代表了什么含义。未来研究还需要进一步将这些高维动态和具体的生理功能联系起来。不过，研究者表示，这个研究也突显出需要大规模、细胞层级的高分辨率记录才能揭示神经计算的完整神经机制。
论文原文：
Jason Manley, ... Alipasha Vaziri (2024). Simultaneous, cortex-wide dynamics of up to 1 million neurons reveal unbounded scaling of dimensionality with neuron number. Neuron, in press, doi:10.1016/j.neuron.2024.02.011
相关阅读
Nature文献 | 前额叶功能总是难以捉摸？神经元的混合选择性与高维神经表征
Science | 人类内侧额叶对领域一般性表现监控的几何特征
感谢支持，欢迎点赞、转发、分享！
