PNAS | 从“还差几步”到“下一步怎么走”：海马θ振荡与γ耦合如何指导导航|pnas|序列|海马θ振|海马汽车|相位

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

第一时间接收每日前沿资讯

认知神经科学前沿文献分享

基本信息：

Title:Human hippocampal theta–gamma coupling coordinates sequential planning during navigation

发表时间：2026.2.27

Journal:PNAS

影响因子：9.1

获取原文：

添加小助手:PSY-Brain-Frontier即可获取PDF版本

引言

我们做很多事情时，靠的不是“单点决策”，而是把一串动作按顺序排好：从家到地铁站要先左转还是先下楼、做实验要先配缓冲液还是先开离心机。

问题在于，大脑如何在行为发生前就把“接下来几步”组织起来，并在行动过程中持续更新？在空间导航这个经典场景里，这种“序列规划”尤其直观：目标在前方，但真正决定效率的，是你能否在移动的同时维持一条通往目标的路径序列。

过去关于工作记忆的理论提出一种颇具解释力的神经编码：θ振荡的不同相位上，依次出现γ振荡的短暂爆发，从而把多个条目按顺序“塞进”一个θ周期里，这就是相位-振幅耦合（phase–amplitude coupling, PAC）框架。

在啮齿类动物的海马和内嗅皮层中，θ与不同频段γ的协同已被反复观察到，并与编码新信息、提取旧记忆等功能相关。但在人类、尤其是非侵入式记录条件下，这套“θ-γ序列码”是否真的能在目标导向导航中协调未来行动序列，一直缺少直接证据。

这篇PNAS研究用磁脑图（MEG）让健康被试在扫描中完成“抽象地图导航”，一边学习地图结构、一边规划并执行到目标的最短路径。作者不仅观察到海马θ功率会随目标距离动态变化，还发现越接近目标，θ-γ PAC越强，而且“快γ/慢γ”在新路径与熟悉路径上分工不同——这些结果共同指向：θ-γ耦合可能是人类在导航中组织“下一步、再下一步”的关键机制。

实验设计与方法逻辑

研究招募27名健康被试，排除后纳入23名（平均24.1岁），在MEG中完成每人100次导航试次。任务将“规划”与“移动”分离：先呈现目标（cue），再冻结起点（frozen），随后允许按键移动；作者用源定位（LCMV波束形成）重建海马/内嗅皮层信号，并以回归方式检验θ功率与目标距离的关系，同时计算θ相位与γ振幅（30–70 Hz慢γ；70–140 Hz快γ）的PAC，并在统计上控制θ/γ功率的潜在混杂，从而把“距离—振荡功率—PAC”的链条串起来。

Fig. 1. Schematic illustration of task structure and behavioral data.

核心发现

行为层面：被试快速学会地图，并能稳定走“最短路”

任务是一个固定4×4图像网格，被试每次只能看到当前位置上下左右的相邻格子，需要在探索中学习整张“认知地图”并找到目标。从图1的学习曲线可以看到，随着试次推进，路径弯曲度和完成时间快速下降，说明导航效率提升；更关键的是，被试选择最短路径的比例达到86.7%（±2.18%），且正确试次反应时略快于错误试次。这一组数据为后续神经结果提供了“可解释前提”：当被试确实掌握路径时，脑信号才更可能反映真实的序列规划而非盲走。

Fig. 1. Schematic illustration of task structure and behavioral data.

规划阶段：右海马2–5 Hz θ功率携带“到目标还差几步”的信息，主要出现在熟悉路径

作者把注意力先放在行动前的3秒目标提示期（图1的cue period），检验海马θ功率是否随“最短步数距离”变化。图2给出的关键点不是单纯θ增强，而是“随距离而变”：在正确试次中，右海马ROI内2–5 Hz θ功率与目标距离回归显著；当把正确试次拆成新路径与已走过路径时，这种关系主要由“已走过路径”贡献（t=3.44），提示规划期的θ信号更像是在调用既有经验来估算路径长度，而不是在完全陌生情境下凭空构造路线。换句话说，图2更值得看的，是它把“规划”拆成了“基于记忆的序列提取”，并用θ功率把这件事量化了。

Fig. 2. Theta power covaries with distance to the goal during planning.

执行阶段：移动时海马θ功率随接近目标逐步下降，且对新旧路径都成立

接下来作者把分析移到每一步按键移动附近（排除最后一步目标可见的时刻），观察θ功率如何随剩余步数动态变化。图3呈现了一个清晰的梯度：在正确试次中，无论低θ（2–5 Hz）还是高θ（6–9 Hz），海马θ功率都与“距离目标还剩几步”呈显著正相关，也就是越接近目标，θ功率越低；并且这种关系在正确试次显著强于错误试次。更重要的是，与规划期不同，执行期的θ-距离关系对新路径和已走过路径都存在——这提示一旦进入“在线执行”，海马θ更像是一个持续更新的“剩余序列长度指示器”，并不依赖这条路是否熟悉。

Fig. 3. Theta power covaries with distance to the goal during navigation.

关键机制：越接近目标，θ-γ PAC越强；新路用内嗅皮层快γ，旧路用海马慢γ

论文最核心的机制证据来自图4：作者检验θ相位是否通过PAC来“编排”γ爆发，从而把将要经过的位置序列组织起来。结果显示，在正确试次中，内嗅皮层的θ-快γ（70–140 Hz）PAC与目标距离呈负相关——距离越近，PAC越强；而且这一效应主要出现在新路径上（编码新信息的情境）。与之形成对照的是，在已走过路径上，海马的θ-慢γ（30–70 Hz）PAC与目标距离负相关，并且显著强于新路径。这组“双分工”很关键：它把“越接近目标PAC越强”从一个总体现象，进一步落到“不同γ频段对应不同信息流（新编码 vs 旧提取）”的可检验框架上。

Fig. 4. Theta–gamma phase–amplitude coupling covaries with distance to the goal during navigation.

归纳总结和点评

这项研究用非侵入式MEG在健康人群中把“目标距离—海马θ功率—θ-γ PAC”的动态关系串成一条连贯链条：规划时，右海马θ功率随目标距离变化且更依赖既往路径经验；执行时，海马θ功率随接近目标逐步下降；与此同时，θ-γ PAC随接近目标增强，并呈现新路偏内嗅皮层快γ、旧路偏海马慢γ的分工。其价值在于把长期在动物研究和记忆理论中讨论的“θ-γ序列码”，推进到人类目标导向行为的在线规划场景，并用频段特异性结果让“编码/提取”两种过程的神经实现更可落地。