寒假提升计划
看了这么多顶刊文献，想要进行数据分析的心是不是蠢蠢欲动了？寒假期间 PsyBrain 脑心前沿团队会带来一些数据分析流程的讲解，配合示例数据和代码，带你跑通复杂的顶刊分析流程，欢迎大家关注~
如果你有感兴趣的、想学习的分析方法，欢迎给我们留言~
基本信息
Title:A prefrontal cortex map based on single-neuron activity
发表时间：2026.1.20
Journal:Nature Neuroscience
影响因子：20.0
获取原文：
- 添加小助手:PSY-Brain-Frontier即可获取PDF版本
- 点击页面底部“”即可跳转论文原网页
引言
前额叶皮层（prefrontal cortex, PFC）在日常生活里几乎“无处不在”：我们做决定、抑制冲动、权衡得失、把注意力从手机挪回工作，背后都离不开PFC。但越是“管得多”的脑区，越难用传统的“分区图”讲清楚它到底怎么组织。过去我们习惯用细胞结构（cytoarchitecture）把PFC划成若干亚区：某个亚区更像“情绪”，某个亚区更像“动作/执行”。问题是，功能真会乖乖沿着这些边界排队吗？尤其在PFC这种被认为更偏“分布式计算”（distributed processing）的地方，单靠结构分区很可能看不到真正的工作单元。
这篇研究换了一个更“功能主义”的切入点：不先假设边界，而是先把大量单神经元（single-neuron）活动的“自发放电画像”做出来，再问这些画像在空间上怎么分布、是否和层次（hierarchy）或连接（connectivity）有关，以及在感觉刺激与任务决策中，哪些区域/细胞更容易被招募。作者用高密度电极（Neuropixels）在清醒小鼠记录了2.4万多个神经元，既看静息前的自发放电，也看声音（tone）诱发反应，还利用国际脑实验室（International Brain Laboratory, IBL）的决策任务数据分析选择（choice）等变量的调谐（tuning）。核心目标很明确：如果PFC的“功能地形”并不遵循传统分区，那它更像是由什么组织起来——细胞结构，还是连接与层级？
实验设计与方法逻辑
作者在清醒头固定小鼠中用Neuropixels记录24,248个单元活动，并在每次刺激前截取3秒自发放电作为“基线状态”。他们用三项互补指标刻画每个神经元的自发模式：放电率（firing rate）、爆发性（burstiness）与间隔记忆（memory；相邻ISI相关），再用自组织映射（self-organizing map, SOM）把连续特征压到可解释的“活动版图”，并层级聚类成8类放电类别。随后以富集分数（enrichment score, E-score）把这些类别映射回PFC平面图（flatmap）与不同ROI分块，进一步与连接定义的皮层层级（connectivity-based hierarchy）和PFC内部层级对齐，同时对声音反应（PSTH聚类、ZETA test）与任务变量调谐做同样的空间比较，从而检验“结构分区 vs 连接层级”谁更贴近活动组织。
核心发现
1）PFC的自发放电特征是：低放电率、较规则
作者先用三指标把自发放电的多样性“摊开”，再用SOM把广泛分布的放电模式归类为8种类别。结果非常突出：多个经典PFC亚区整体更富集于“低放电率、规则放电”的类别（尤其类别1–3），而丘脑、海马等区域更偏“爆发/不规则”的类别分布。换句话说，PFC并非“近似泊松随机”，而是呈现出更规则、更低速的自发节律，这构成了PFC区别于其他脑区的一种活动指纹。
Fig. 1 | Characterization of spontaneous single-unit firing patterns in the mouse brain.
Fig. 2 | Brain regions have distinct spontaneous firing patterns, with a low-rate, regular-firing signature of PFC subregions
2）规则放电不根据“细胞结构分区”，而是“连接层级”
当作者把皮层区域的E-score与连接推断的皮层层级（如Harris等提出的cortical hierarchy score）相关时，低放电率、规则放电类别与层级呈正相关；爆发型类别与层级呈负相关。更重要的是，把尺度缩到PFC内部，使用Gao等提出的PFC内层级（intra-PFC hierarchy）同样能预测规则放电类别的富集（Fig.4g）。但这些关系在“传统PFC亚区”层面并不清晰，提示真正组织活动的可能是连接与层级，而不是亚区边界。
Fig. 3 | Spontaneous firing patterns reflect connectivity-based hierarchy of cortical regions.
Fig. 4 | Maps of spontaneous activity reflect intra-PFC hierarchy.
3）感觉反应与任务变量的空间图：都不“按分区排布”
作者分析10 kHz纯音反应：用PSTH（peri-stimulus time histogram）形状把反应分8类，再把不同反应类型在PFC平面上做富集图。结论很直接——无论是最早峰值反应，还是“是否响应”（ZETA检验），都呈现为跨越亚区边界的斑块状分布，并通过模块聚类显示“亚区内部也高度异质”。在IBL决策任务中，视觉刺激调谐（stimulus tuning）很稀少且局部；选择调谐（choice tuning）则在一片连续区域富集，覆盖MOs、FRP及部分ACAd/ORBvl/PL等，但同样不是按亚区整齐切分，这让“功能定位=亚区标签”的叙事变得不再可靠。
Fig. 5 | Mapping of tone responses and goal-directed behavior in the PFC.
4）最反直觉的一点：高层级的“规则低放电”与“选择调谐”来自不同细胞群
在空间上，选择调谐的富集图与“规则低放电”类别的富集图有一定相似性，而且二者都与PFC内部层级正相关；但回到单细胞层面，选择调谐、反馈调谐，甚至多数声音响应，反而更常出现在“自发放电率更高”的神经元类别中，而不是规则低放电的那群。也就是说，高层级网络可能同时包含两类互补角色：一类以规则低放电支撑稳定计算背景，另一类以高兴奋性更易“被任务招募”，两者空间重叠但细胞属性不同。
归纳总结和点评
这项工作用“先看活动、再谈边界”的思路，给PFC提供了一张真正以单神经元动力学为底图的功能地图：
PFC整体以低速、规则自发放电为显著特征，并且这一特征在跨皮层尺度与PFC内部尺度上都与连接定义的层级一致；相反，无论自发模式、声音诱发反应还是任务调谐，空间组织都很难被传统细胞结构分区整齐解释。
更精彩的是，作者进一步把“层级—自发活动”与“层级—选择调谐”连到一起，却又在单细胞层面揭示二者分属不同神经元群体，从而提出一种更贴近网络计算的解释框架：连接与层级塑造活动地形，而不同放电表型的细胞在同一地形中分工协作。这种数据驱动、可扩展的路线图，也为其他脑区乃至跨物种的“功能组织学”提供了可复制的方法学模板。
热门跟贴