前言
在我研究生入学刚接触神经科学的时候，《神经科学——探索脑》是我获取专业基础知识的重要来源，这本书图文并茂的讲述神经科学的专业知识和发展历程（推荐对神经科学感兴趣或刚入学本专业的朋友们去阅读这本读物）。让我记忆深刻的是每个章节结尾处讲述科研轶事的精彩片段，其中脑电（EEG）发明人汉斯·伯格的故事让我尤为好奇，现在回想这可能也间接地影响了我的决定，让我对电生理产生了浓厚兴趣，并且今后选择电生理作为我科研上的主要实验方法。德国精神病学家汉斯·伯格（Hans Berger），他的研究动机源于一次个人经历。当时还是一名年轻医学生的伯格在一次坠马事故中差点丧命，同一时间，他远在数百公里外的妹妹突然感到强烈的不安，坚持让家人给伯格发电报询问安。当伯格得知这件事后，让他对于“心灵感应”——大脑信号可以远距离通信深信不疑。今后，他一生的追求变成了“寻找大脑中客观活动与主观心理现象之间的相关性”。前后经历了近20年在脑循环和温度实验的失败后 (详见参考1)，伯格终于在1924年成功记录到了人类历史上的第一个脑电信号（图1）。在我看来，脑电发明的意义远不止对于精神疾病提供可监测的数据指标，更深远的影响是它作为一个“火种”，为我们去追寻意识和行为的本质提供了可能。
图1）汉斯·伯格（Hans Berger）成功地记录了患者的脑电图，并于1929年发表他的第一个结果。（来源：science news）
今天，当我们站在伯格等前人的肩膀上时，我们继续拿起前人留下的宝贵工具去探索大脑。随着新技术的发展，电生理技术已经与行为学、光遗传学以及其他先进的神经记录方法结合，开启了新一轮的神经科学研究浪潮。特别是其与行为学、光遗传学、脑成像技术等技术的结合，为我们研究大脑功能提供了前所未有的工具。这些结合方法使我们能够在更细致的层面上观察和操控神经元活动，从而更精确地理解大脑如何响应外部刺激、处理信息以及控制行为。
电生理与行为学的结合
在体电生理技术与行为学相结合，我们能够深入探究动物在执行特定任务时的大脑活动，从而揭示行为决策背后的神经机制。通过这种应用，我们能够更准确地理解大脑是如何在行为决策过程中发挥作用的。例如，通过记录动物在特定任务中的神经元活动，探索大脑如何在学习过程中编码信息，研究者能够揭示大脑如何处理工作记忆和学习。这种方法的一个实例是Go/No-Go学习任务，它用于研究动物如何通过奖励和惩罚来学习制定行为决策。在这个范式中，研究人员使用在体电生理技术记录小鼠在进行嗅觉Go/No-Go任务时的神经元活动。训练小鼠识别两种不同的气味：一种与水奖励相关联（Go气味），另一种与惩罚（如轻微电击或气流冲击）相关联（No-Go气味）。
今天我们以嗅觉线索的Go/No-Go学习行为范式为例（图2），使用具体的案例分析的去解读电生理在行为学研究中发挥的作用。
一
Go/No-Go范式的介绍
具体可以分为以下几个重要部分：
图2 小鼠气味线索Go/No-Go行为模式图
（来源：Losacco, Justin et al. doi:10.7554/eLife.52583）
03
设置和设备：
该装置通常包括一个封闭的区域和放置其中的实验对象（通常是老鼠等啮齿动物）。该区域配备有气味传递系统，可以释放特定气味（odor A, CS+）作为 GO（与奖励相关的正刺激）或另一种气味 （odor B, CS-）作为NOGO（与奖励无关的负刺激）信号。
03
气味投递：
每次只呈现一种气味，并且可以随机化顺序以防止动物预测刺激类型。GO 气味与奖励配对（通常是液体奖励），而 NOGO 气味则不配对。这里需要注意的是，动物需要在气味呈现后的特定时间段（下文提及的反应时间）内做出舔水的行为才能获得水的奖励。
03
行为训练：
动物会经历一个训练阶段，在这个阶段，它们学会将 GO 气味与奖励联系起来。在这个阶段，当呈现 GO 气味时，如果动物做出正确的反应（例如戳鼻子或进入房间的某个部分），它就会得到奖励。如果呈现 NOGO 气味，动物应该抑制反应以避免轻微的惩罚（例如一个突然的噪声或者气流冲击）。训练后，动物会接受熟悉和新气味的测试，以评估它们根据训练进行概括和辨别的能力。这些测试中的 Go/No-Go 反应可以深入了解动物对嗅觉刺激的认知和感官能力。
数据收集与分析
03
数据收集：
传感器会检测动物的动作（如鼻子戳刺或舔水），并自动记录动物的反应，当然也包括气味投递装置的投递时间信息。反应时间和准确性是帮助评估动物辨别能力和学习进度的关键数据点。此外，为确保在后期分析中时间维度与电生理数据同步，我们必须在记录阶段实现传感器信号采集与电生理信号记录的精确同步。（如视频1中记录到的同步信号）。
03
数据分析：
要对行为中的关键事件（如接受S+/S-气味刺激或舔水）相关的电生理数据进行同步信号处理，需要用事件的时间标签去对齐我们的电生理数据，把两者放在相同的时间维度下，才能再进行后续的分析。那么具体需要怎么实现呢？我把它分成两个步骤1.对事件标记信号的提取。2.电生理信号与事件信号时间对齐与截取。
首先第一步，这里AIF01是以模拟信号为例采集的行为事件数据，event就是我们最终想要得到的事件时间节点数据，最终我们通过find函数找到event发生的起始时间点（图3 蓝色圆点）。这里直接展示具体实现的代码：
- %% Analysis
- fs = 1000
- % Find Event（anolog in）
- load(‘AIF01.mat’);
- event_raw = find(diff(AIF01)>400); %参考模拟信号的数值大小
- event = event_raw(1);
- for e = 1:length(event_raw)-1
- if event_raw(e+1)-event_raw(e)>10*fs %参考事件的间隔时间，此处为10s间隔
- event = [event,event_raw(e+1)];
- end
- end
- plot(AIF01,’r’)
- hold on; % 保持当前图形，以便在上面添加更多图层
- % 提取 event 索引处的 AIF01 的值
- eventValues = AIF01(event);
- % 在 event 索引处绘制蓝色圆圈标记
- plot(event, eventValues, ‘bo’, ‘MarkerSize’, 8, ‘MarkerFaceColor’, ‘b’);
图3 AIF01为行为事件信号；Event为与电生理分析相关的事件起始点
第二步，是实现对于电生理数据和event时间点的对齐。并截取我们想要分析的时间段（包含事件前pre以及事件后post两个阶段）。通过这步分析可以得到针对特定事件下的电生理数据，为进一步的分析做准备。
具体的代码如下：
- % Set default parameters
- fs = 1000;
- pre = 30;
- post = 60;
- % Load LFP
- load(‘FP03.mat’) % FP03.mat为电生理数据源
- lfp_raw = FP03;
- % Split ‘lfp_raw’ by ‘event’
- for j = 1:length(event)
- lfp(j,:) = lfp_raw(event(j)-pre*fs+1:event(j)+post*fs,1);
- end
案例研究与实验结果
接着前文我们提到的Go/No-Go行为研究，在完成对于电生理数据的事件信息对齐处理后，这里作者在分析场电位方面引入了相位幅度耦合（Phase-Amplitude Coupling）的概念，PAC是描述脑电活动中不同频率成分之间交互作用的一个重要概念。它特指一个较低频率的神经振荡（如θ频段）的相位与一个较高频率振荡（如γ频段）的幅度之间的关系。PAC被认为是大脑在不同神经网络间传递和协调信息的机制之一。作者想通过观察学习过程中场电位的PAC变化情况，对学习的机制做进一步的探究（图4）。
图4 PAC 数据分析流程：包括原始信号、带通滤波的频带（如 theta 和 gamma）以及使用希尔伯特变换计算相位和振幅
接下来，作者在学习行为中观察对PAC的影响。实验结果显示随着小鼠熟练掌握Go/No-Go任务，theta/high gamma频段的 PAC 的强度和相位如何响应有奖励 (S+) 和无奖励 (S-) 气味。它包括了相位幅度图和行为表现统计数据。累积直方图和条形图显示了学习阶段中 PAC 指标（如调制指数和峰值角度方差）的变化。这些数据表明小鼠学习辨别任务时神经表征会动态调整。
PAC的动态变化：随着小鼠在任务中的学习，对奖励气味（S+）和非奖励气味（S-）的反应在PAC中表现出明显的差异。对于S+气味，奖励相关的高频振荡的幅度在特定的低频相位上增强，而对于S-气味则减弱。
行为表现与神经活动的关联：通过对PAC的分析，研究者能够从小鼠的神经活动中解码出气味的身份（奖励与否）。这一能力随着小鼠的学习进度显著提高，表明小鼠的感知与决策过程与神经活动的时相编码密切相关。
图5 ：PAC的峰值角度变化随着动物学会区分气味而改变
最后，这项研究通过展示了高频与低频神经振荡之间的动态交互与Go/No-Go学习的显著性正相关作用，也解释了嗅觉学习行为背后的神经机制依赖于脑区间的动态功能连接的增强。
展望
2024年，也就是EEG被发明后的整整一百年，脑内电生理技术也逐渐走向科研临床研究。埃隆·马斯克（Elon Musk）的Neuralink公司已经通过FDA批准，完成了两次人体植入电极的临床试验。这款植入产品被命名为“心灵感应”（Telepathy），它已经帮助瘫痪患者灵活控制光标，完成了一系列对于电子游戏和象棋的操作（详见参考3）。展望未来，电生理技术的发展可能会带来更深层次的会和伦理问题，如隐私保护、身份认证以及人类认知扩展的道德界限。从汉斯·伯格的初步探索到今天的高级脑机接口，电生理技术证明了其在解开人类大脑最深层次秘密中的核心作用。我们有理由相信，未来这一领域将继续作为神经科学和人类福祉的重要推动力！
参考资料及文章：1. Science news:How Hans Berger’s quest for telepathy spurred modern brain science.
2. Losacco, Justin et al. “Learning improves decoding of odor identity with phase-referenced oscillations in the olfactory bulb.” eLife vol. 9 e52583. 28 Jan. 2020, doi:10.7554/eLife.52583
3. Nature news: Second brain implant by Elon Musk’s Neuralink: will it fare better than the first?
本文作者：
郭欣松｜复旦大学脑科学研究院
邮箱：xinsongguo@fudan.edu.cn
微信号：gxs1234o
发表回复