我們的大腦對某些特定的經曆或事件發生的時間有着相當精确的記錄，這種能力在我們的日常生活中發揮着重要作用。科學家已經發現，其中的關鍵在于大腦中一處被稱為海馬的結構。
大腦中的海馬（紅色）。| 圖檔來源：Life Science Databases (LSDB) via Wiki Commons
我們腦中的海馬因為形狀像真正的海馬而得名，它在記憶和行為的時間組織方面發揮着關鍵作用。這不僅包括我們記憶過去經曆何時發生的能力，還延伸到了使用這些來自過去的資訊去想象或預測未來結果的能力。
當這種記憶能力在神經系統疾病中明顯受損，或者僅僅是随着衰老而被削弱時，我們的認知能力就會出現明顯問題。但一直以來，我們對這些過程背後的神經元機制還沒有形成一種清晰的概念。
近日，在一項新研究中，科學家結合齧齒動物的電生理記錄技術和對大量資料的統計機器學習分析，發現了海馬将記憶組織排序的基本機制，以及它如何利用這一機制來計劃未來的行為。他們認為，這一發現可能是了解認知障礙中記憶失效的關鍵一步。論文已于近日發表在《自然通訊》上。
記錄神經元的活動模式
這個研究項目曆時三年多時間完成，包括實驗和資料分析階段。研究人員首先訓練大鼠進行了一系列氣味識别的測試，并同時監測大鼠腦中神經元的放電。
他們向大鼠分别“按順序”（InSeq）和“不按順序”（OutSeq）釋放了5種不同的氣味，大鼠需要通過鼻部的行為反應，正确識别每一種氣味是否按順序出現，進而獲得水獎勵。
實驗機制示意。大鼠通過鼻部動作判斷氣味是否按順序出現，進而獲得獎勵。| 圖檔來源：Shahbaba, B. et al. (2022)
與此同時，研究人員監測着大鼠大腦的活動模式，觀察在任何特定時刻，哪些細胞在放電，而哪些細胞沒有，進而檢測大腦究竟如何捕捉這些順序關系。
在大鼠接受測試的幾分鐘時間裡，神經元活動的測量會以毫秒機關的間隔獲得，它們呈現出了大腦運作的動态圖景。研究團隊能夠通過檢視細胞的“代碼”，也就是細胞放電的模式，“讀懂”這些大鼠在快速而連貫地想什麼。
先進的資料分析方法
對海馬活動的讀取産生了大量原始資料。大腦活動是以毫秒為機關記錄的，而這些實驗整體要運作一個多小時，資料量增長的速度可想而知。神經科學家需要更先進的計算技術來達到他們的目标。是以，從項目開始階段，就有資料科學方面的專家共同參與。
當神經元對記憶等資訊進行編碼時，科學家可以通過檢查所有記錄的神經元，也就是神經元叢集的尖峰活動模式來窺探這一過程。資料科學家在分析中意識到，他們可以把這些神經模式當作圖像，進而将深度機器學習的方法應用其中。團隊選擇了卷積神經網絡分析了資料，這是一種在面部識别等圖像處理應用中經常使用的方法。
研究人員利用機器學習方法分析資料。| 圖檔來源：UCI
通過這種方式，研究人員能夠對神經元的放電模式進行解碼，進而檢索資訊。他們發現，特定的氣味特征也會在不同時間點上重新出現，比如，當實驗中的大鼠正在思考未來，期待尚未發生的事情時，一些特征就會被快速重放。這些結果證明，海馬網絡的一個基本功能正是編碼、儲存并預測經驗的順序。
跨學科合作的案例
科學家認為，這項研究中開發的工具和方法可以應用在廣泛的問題上，并擴充到對其他大腦區域的研究。這對我們認識阿爾茨海默病和其他形式的失智或許大有助益。
同時，他們提到，這是一個跨學科融合的絕佳案例。現在，不同領域的科學家有機會提出一些過去無法研究的真正重要的科學問題，并以一種前所未有的方式從根本上思考科學方法。
#創作團隊：
撰文：Gaviota
排版：雯雯
#參考來源：
https://news.uci.edu/2022/02/15/uci-team-uncovers-key-brain-mechanisms-for-organizing-memories-in-time/
#圖檔來源：
封面圖：maxpixel
首圖：maxpixel