发现与记忆有关的基本机制

我们的大脑对某些特定的经历或事件发生的时间有着相当精确的记录，这种能力在我们的日常生活中发挥着重要作用。科学家已经发现，其中的关键在于大脑中一处被称为海马的结构。

大脑中的海马（红色）。| 图片来源：Life Science Databases (LSDB) via Wiki Commons

我们脑中的海马因为形状像真正的海马而得名，它在记忆和行为的时间组织方面发挥着关键作用。这不仅包括我们记忆过去经历何时发生的能力，还延伸到了使用这些来自过去的信息去想象或预测未来结果的能力。

当这种记忆能力在神经系统疾病中明显受损，或者仅仅是随着衰老而被削弱时，我们的认知能力就会出现明显问题。但一直以来，我们对这些过程背后的神经元机制还没有形成一种清晰的概念。

近日，在一项新研究中，科学家结合啮齿动物的电生理记录技术和对大量数据的统计机器学习分析，发现了海马将记忆组织排序的基本机制，以及它如何利用这一机制来计划未来的行为。他们认为，这一发现可能是理解认知障碍中记忆失效的关键一步。论文已于近日发表在《自然通讯》上。

记录神经元的活动模式

这个研究项目历时三年多时间完成，包括实验和数据分析阶段。研究人员首先训练大鼠进行了一系列气味识别的测试，并同时监测大鼠脑中神经元的放电。

他们向大鼠分别“按顺序”（InSeq）和“不按顺序”（OutSeq）释放了5种不同的气味，大鼠需要通过鼻部的行为反应，正确识别每一种气味是否按顺序出现，从而获得水奖励。

实验机制示意。大鼠通过鼻部动作判断气味是否按顺序出现，从而获得奖励。| 图片来源：Shahbaba, B. et al. (2022)

与此同时，研究人员监测着大鼠大脑的活动模式，观察在任何特定时刻，哪些细胞在放电，而哪些细胞没有，从而检测大脑究竟如何捕捉这些顺序关系。

在大鼠接受测试的几分钟时间里，神经元活动的测量会以毫秒单位的间隔获得，它们呈现出了大脑运作的动态图景。研究团队能够通过查看细胞的“代码”，也就是细胞放电的模式，“读懂”这些大鼠在快速而连贯地想什么。

先进的数据分析方法

对海马活动的读取产生了大量原始数据。大脑活动是以毫秒为单位记录的，而这些实验整体要运行一个多小时，数据量增长的速度可想而知。神经科学家需要更先进的计算技术来达到他们的目标。因此，从项目开始阶段，就有数据科学方面的专家共同参与。

当神经元对记忆等信息进行编码时，科学家可以通过检查所有记录的神经元，也就是神经元集群的尖峰活动模式来窥探这一过程。数据科学家在分析中意识到，他们可以把这些神经模式当作图像，从而将深度机器学习的方法应用其中。团队选择了卷积神经网络分析了数据，这是一种在面部识别等图像处理应用中经常使用的方法。

研究人员利用机器学习方法分析数据。| 图片来源：UCI

通过这种方式，研究人员能够对神经元的放电模式进行解码，从而检索信息。他们发现，特定的气味特征也会在不同时间点上重新出现，比如，当实验中的大鼠正在思考未来，期待尚未发生的事情时，一些特征就会被快速重放。这些结果证明，海马网络的一个基本功能正是编码、保存并预测经验的顺序。

跨学科合作的案例

科学家认为，这项研究中开发的工具和方法可以应用在广泛的问题上，并扩展到对其他大脑区域的研究。这对我们认识阿尔茨海默病和其他形式的失智或许大有助益。

同时，他们提到，这是一个跨学科融合的绝佳案例。现在，不同领域的科学家有机会提出一些过去无法研究的真正重要的科学问题，并以一种前所未有的方式从根本上思考科学方法。

#创作团队：

撰文：Gaviota

排版：雯雯

#参考来源：

https://news.uci.edu/2022/02/15/uci-team-uncovers-key-brain-mechanisms-for-organizing-memories-in-time/

#图片来源：

封面图：maxpixel

首图：maxpixel

关键词：发现与记忆有关的基本机制