2025年2月19日，清华大学生命学院、清华-IDG/麦戈文脑科学研究院贾晓轩课题组在Nature communications上发表了题为Deciphering neuronal variability across states reveals dynamic sensory encoding的研究论文。该研究以不同大脑状态为时间轴，通过建模分析的方法，从小鼠视觉系统的神经活动中分离出大脑内活动，脑电波和自发行为等因素对神经活动和视觉刺激编码的影响随大脑状态变化的动态特征。揭示了视觉编码模型对神经活动预测能力的动态上限及其影响因素。

大脑视觉皮层神经元的活动除了受到外界刺激的影响外，还受到大脑内状态和自发行为等许多因素的影响，因此即使在外界刺激完全相同的条件下，同一神经元的活动也并不完全一致。研究这些因素和其动力学特征将有助于我们理解它们在信息编码和视觉感知中的作用。研究者通过分析小鼠在观看视频期间的大脑活动，量化了多种因素对神经元活动的影响。研究发现，外界刺激、大脑内在活动和小鼠自发行为对神经活动的影响会因大脑状态不同而有所差异，从而动态影响视觉信息编码。

图1.主要研究问题和研究方法示意图

研究者应用隐马尔可夫模型，对局部场电位的振荡模式进行分析，将大脑活动分为不同的状态。她们发现视觉皮层的局部场电位动力特征主要可以分为三种振荡状态：高频状态(S_H)，低频状态(S_L)，和中间状态(S_I)。高频状态和低频状态之间的直接转换较为罕见，二者之间的相互转换通常需要先经过中间状态。这些大脑状态的转换也伴随着动物行为的变化。高频状态下，小鼠的瞳孔扩大，身体和脸部的运动速度加快，这表明在高频状态下小鼠的觉醒水平更高。而在低频状态和中间状态下，小鼠活动明显减少，倾向于保持静止。因此，研究者以大脑状态随时间的变化作为时间轴来进一步揭示不同因素对神经活动和视觉编码的影响。

图2.大脑状态变化特征以及其与行为特征的关系

基于隐马尔可夫-广义线性模型(HMM-GLM)框架，研究者构建了状态特异的编码模型，量化了与神经元活动有关的因素对神经元活动影响的程度在不同状态下的差异。广义线性模型的输入变量可分为三类：视觉刺激、行为和大脑内部活动。输出变量为神经元的活动。该研究发现，神经活动的可预测性在高频状态下最高，低频状态下最低。相比于低频状态，在高频状态下外界视觉刺激和行为对单个神经元活动的影响增大，而大脑内部活动对单个神经元活动的影响减弱。同时，在单神经元层面上，不同因素对神经元活动相对影响呈现复杂的多样性。高频状态下，能够被单一特征预测的神经元数量和能够被多个特征预测的神经元数量相比低频状态更多。同时这些量化特征也表现出随视觉层级升高的系统性变化。这些理解对于构建编码模型具有重要意义。

图3.模型框架和不同因素对单个神经元活动的影响程度

综上所述，该研究构建了隐马尔可夫-广义线性模型来量化视觉刺激、行为和大脑内部活动等因素对单神经元和神经元群体活动的影响随着大脑状态的动态变化。揭示了在不同大脑状态下神经活动的编码能力的动态变化，以及不同因素对单个神经元活动贡献的多样性及其随视觉皮层层级变化的规律。研究结果对于理解视觉皮层神经活动和编码的动态特征具有重要意义。

贾晓轩与其博士后Shailaja Akella为共同通讯作者。该研究得到清华北大生命科学联合中心，美国艾伦脑科学研究中心，中国国家自然科学基金（92370116），清华大学笃实专项等机构的支持。