IF50.5｜前额叶工作记忆的间歇性放电与突触机制

记忆信息并非持续编码，而是在On/Off状态间切换，Off状态由突触连接维持。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

工作记忆是短时保留和操作信息的能力，对复杂认知至关重要。自1970年代起，前额叶皮层的持续性放电被认为是工作记忆的神经基础，大量研究在猕猴和人类中观察到记忆延迟期的持续活动。然而，近年来“活动静默”突触机制假说提出，信息可存储于短期突触可塑性中，无需持续放电。该假说得到一些间接证据支持，但缺乏在经典工作记忆延迟期直接检验突触机制的证据。同时，单试次放电活动的高度变异性也对持续放电模型提出挑战。因此，工作记忆究竟由持续放电还是突触机制支持，仍是领域内的重要争议。

科学问题

卡在哪里： 此前研究要么基于试次平均数据掩盖了单试次动态，要么仅通过间接指标推断突触机制，缺乏同时记录大群体神经元并解析单试次信息动态的直接证据。

本文要回答： 本文旨在利用高密度Neuropixels记录，在猕猴执行空间工作记忆任务时，同时考察单试次放电动态和功能连接模式，以区分持续放电与突触机制在工作记忆中的贡献。

技术路线

作者主要用了：Neuropixels高密度记录、单试次分类、状态标记、CCG功能连接分析。

作者在3只猕猴外侧前额叶植入Neuropixels探针，同时记录数百个神经元。动物执行延迟匹配样本和记忆引导眼跳任务。首先利用留一法逻辑回归分类器量化群体放电中的记忆信息，并分析单试次分类置信度的动态。随后通过混合模型和置换检验识别出On/Off状态。进一步利用交叉相关图（CCG）分析不同记忆内容下的功能连接模式，并比较On/Off状态下的连接差异。最后检验了放电与连接在记忆维持中的协同关系。

图 1　Fig. 1。图1展示任务设计和经典持续活动。a显示延迟匹配样本和记忆引导眼跳任务流程；b显示高正确率；c显示三个示例神经元在延迟期的持续放电，但这是试次平均结果，掩盖了单试次变异性。

核心亮点

亮点 1｜单试次记忆信息呈间歇性编码

与试次平均结果不同，单试次分类置信度在记忆延迟期并非持续高于机会水平，而是在高置信度（On状态）和低置信度（Off状态）之间频繁切换。平均每个试次出现约2.35个On状态和3.74个Off状态，On状态平均持续192 ms，Off状态平均持续146 ms。这种波动不是微眼跳或记录质量变化所致，且状态转换在试次间不对齐，提示记忆编码在群体水平上是间歇性的。

图 2　Fig. 2。图2展示高密度记录和群体解码。a显示Neuropixels探针位置和记录的神经元分布；b展示留一法分类流程；c显示平均分类准确率在延迟期显著高于机会水平；d显示不同线索位置准确率相似。

亮点 2｜Off状态伴随调谐丧失和放电回落

利用留出神经元分析发现，On状态下神经元对记忆线索位置有显著调谐，而Off状态下调谐几乎消失（方差解释量从8.2%降至0.7%）。同时，Off状态期间群体平均放电率回落到自发水平，与On状态形成鲜明对比。这表明Off状态不仅是信息缺失，更是群体放电模式向基线状态的全面回归，且这种变化在局部群体中是协调发生的。

图 3　Fig. 3。图3展示单试次分类置信度的动态。a显示同一线索条件下所有试次的置信度热图，可见间歇性高低切换；b显示六个示例试次的置信度轨迹，显示急剧的On/Off转换。

亮点 3｜Off状态下的功能连接携带记忆信息

通过CCG分析发现，不同记忆线索对应的功能连接图存在显著差异（Manhattan距离显著大于机会水平）。更重要的是，这种线索特异性的连接模式在Off状态下依然显著，而在On状态下不显著。这表明即使放电率编码消失，突触层面的连接模式仍能维持记忆信息，支持活动静默突触机制假说。

图 4　Fig. 4。图4展示On/Off状态的标记和神经活动特征。a显示状态标记方法；b和c显示On/Off状态数量和持续时间的分布；d显示On状态下调谐曲线明显，Off状态下调谐消失；e显示On状态下群体放电率高于基线，Off状态回落至基线。

亮点 4｜放电与连接协同支持工作记忆

研究发现，对同一线索有共同诱发反应的神经元对，在记忆延迟期形成功能连接的概率是随机预期的2.5倍。这提示线索诱发的共同放电可能通过短期突触可塑性增强这些神经元之间的连接，从而在后续Off状态下维持记忆表征。分类器跨时间泛化分析也显示记忆编码在时间上是稳定的，支持On/Off状态交替中记忆内容的连续性。

图 5　Fig. 5。图5展示功能连接分析。a为突触模型示意图；b显示两个线索条件下的CCG示例；c显示同一会话中两个线索条件的功能连接图差异；d显示Manhattan距离计算；e和f显示跨会话统计结果，Off状态下连接差异显著。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： Neuropixels高密度记录、单试次分类、状态标记、CCG功能连接分析
• 公开数据： 原文未给出公开组学登录号
• 代码： 公开仓库 https://github.com/panichem/SingleTrialDynamics；本地已克隆：SingleTrialDynamics
• 谁该点开原文： 从事工作记忆、前额叶皮层或神经群体编码研究的电生理和计算神经科学研究者。

带走一句

分析工作记忆数据时，不要只看试次平均或总解码准确率，要关注单试次动态和功能连接，否则会错过间歇性编码和突触机制的重要贡献。