小布解读 | Science Advances：张思宇/徐敏联合团队揭示等级信息流招募的皮层局部微环路

2021年5月14日，上海交通大学医学院张思宇研究员和中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）徐敏研究员团队合作在Science Advances杂志发表了题为 Hierarchy in sensory processing reflected by innervation balance on cortical interneurons 的研究论文。

该研究对视觉选择性注意各相关皮层区域不同种类神经元构成的子网络的精细解剖学连接图谱以及细胞水平的功能学连接图谱进行了系统性的研究，并结合机器学习的算法抽提出了在视觉信息处理的网络中携带等级信息的远距离输入与局部微环路中各类神经元相互作用的规律。通过计算机建模分析，预测了视觉选择性注意网络中各脑区的等级，明确了网络中信息的流向及等级信息流在各类神经元上的强度和动态特性（图2）。
 

图2. 视觉选择性注意网络中信息的流向及等级信息流

通过使用假性狂犬病毒介导的逆向跨单突触示踪技术，该工作从解剖学的角度系统性地研究了视觉选择性注意相关各皮层区域不同种类抑制性神经元的输入。全脑解剖学连接图谱显示皮层中同类神经元接受的各不同来源的输入强度差异可达10的4次方倍，凸显了对解剖学数据的精确定量分析在理解神经网络组织结构中的重要性（图3，图4）。
 

图3&4. 全脑解剖学连接图谱

根据解剖学连接组研究的结果，该工作进一步解析了皮层丘脑网络中主要的皮层-皮层和丘脑-皮层输入在细胞层面的功能学连接组，阐明了具有不同等级方向性的输入如何在时间维度上招募不同种类的神经元，从而实现对局部微环路的精确调控以及兴奋-抑制的动态平衡的机制（图5，图6）。

图5. 支持向量机经机器学习后判断的皮层-皮层和丘脑-皮层远距离投射的等级

图6. 丘脑皮层网络中远距离投射的动态特性

在构建了皮层不同种类神经元的全脑解剖学连接图谱和细胞层面的功能学连接图谱的基础上，该工作进一步使用机器学习的分类方法——支持向量机分类器（SVM classifier）来抽提携带等级信息的皮层-皮层和丘脑-皮层输入与局部微环路中各类神经元相互作用的规律。

支持向量机分类器学习了等级已知的皮层-皮层输入的数据后，发现自下而上的输入更倾向于激活PV+神经元，而自上而下的输入更倾向于激活VIP+神经元。经学习后的支持向量机分类器可用于预测其他方向未知的远距离输入的等级，通过计算机建模分析该工作进一步构建选择性注意相关各脑区的等级网络，为研究网络中各节点在整体动物行为层面的功能学连接图谱奠定了基础。