来源：Al4Neuro
来自纽约大学格罗斯曼医学院（New York University Grossman School of Medicine）、纽约大学坦登工程学院（New York University Tandon School of Engineering）以及纽约大学神经科学中心（Center for Neural Science, New York University）等团队，在Nature发表了题为Subspace communication in the hippocampal–retrosplenial axis的研究。文章聚焦一个非常核心的记忆问题：海马如何把新的经验转化成可以传给皮层的输出，而不是把所有神经活动一股脑地传出去？
我们通常说“海马负责学习新经验，皮层负责长期保存记忆”，但这句话背后有一个很难的问题：海马内部有 DG、CA3、CA2、CA1 等多个区域，外部又要和皮层区域通信。一个经验进入海马后，到底是如何在不同脑区之间被选择、变换、传递的？
这篇文章给出的答案不是“某一类神经元负责传递记忆”，而是更接近一个几何图景：大脑可能通过低维的communication subspace，通信子空间，让一部分神经元以特定组合方式与另一个脑区对齐，从而实现选择性信息传递。
换句话说，真正重要的不是单个神经元是否放电，而是它是否参与了某个跨脑区的低维活动模式。
海马和皮层之间的信息传递，可能发生在低维子空间里
作者使用大规模电生理记录，同时记录小鼠海马多个区域和后扣带皮层（retrosplenial cortex, RSC）的神经活动。实验中既包括头固定状态下的自发活动记录，也包括小鼠在新线性迷宫中自由探索时的 Neuropixels 记录，覆盖 CA3、CA1 和 RSC 等关键区域。
为了分析脑区之间真正共享的活动结构，作者使用了partial canonical correlation analysis，pCCA。这个方法可以理解为：在两个脑区之间寻找最相关的低维活动组合，同时把第三个脑区可能造成的共同影响去掉。比如要看 CA1 和 RSC 的关系，就需要控制 CA3 的影响，避免把上游共同驱动误认为直接通信。
这样得到的不是某两个神经元之间的简单相关性，而是两个脑区之间可以互相对齐的一组低维活动轴，也就是文章所说的通信子空间。
图1｜海马—后扣带皮层之间的信息，不是全体神经元平均传递，而是通过可旋转的通信子空间流动作者用 SiNAPS 和 Neuropixels 大规模记录 DG、CA3、CA2、CA1 与 RSC 神经活动，并用 pCCA 找到脑区之间的低维通信子空间；CA1 可以把来自 CA3 等上游区域的输入，重新组合成面向 RSC 的输出模式。
图1里最关键的结果是：同一批 CA1 神经元可以同时参与多个子空间，但它们在不同脑区交互中的组合方式并不一样。也就是说，CA1 并不是把一群神经元固定分成“接收输入的细胞”和“发送输出的细胞”，而是让重叠的神经元池通过不同权重组合，形成不同的输入—输出映射。
作者还用“子空间旋转”来描述这种现象。CA1–CA3 子空间和 CA1–RSC 子空间之间并不是完全重合，而是接近正交的不同方向。可以把它想象成，同一组神经元构成一个高维空间，但大脑在不同通信对象面前，会把活动投影到不同方向上。
这很像一种路由机制：同样的神经元材料，通过不同几何组合，既能接收 CA3 的信息，又能选择性地向 RSC 输出，而不必让所有信息互相干扰。
同一批神经元可以被保留，但组合方式会随环境改变
如果通信子空间真的承担信息传递，那么它应该能够适应不同经验。作者设计了两个迷宫实验：同一只小鼠先探索一个线性迷宫，短暂间隔后再探索另一个迷宫。两个迷宫处在不同空间背景中，视觉线索、轨道形态和环境上下文都不同。
结果很有意思。单个神经元是否“有资格”成为子空间成员，在两个迷宫之间相对稳定。换句话说，那些在一个环境中对子空间贡献大的神经元，在另一个环境中往往仍然贡献较大。
但真正改变的是它们的组合方式。两个迷宫中的子空间不能很好地互相泛化：把一个迷宫中学到的子空间投影到另一个迷宫的神经活动上，相关性显著下降。这说明，神经元池大致相同，但它们被重新排列、重新组合，用来编码不同环境。
图2｜环境改变时，大脑保留相似的神经元池，却重排它们的通信组合两个迷宫实验显示，CA3、CA1 和 RSC 中的子空间成员身份在环境间具有一定稳定性，但具体子空间结构发生重映射；这意味着大脑不是换一批细胞，而是重组同一批细胞的协同活动方式。
这个结果非常关键。它解释了一个看似矛盾的问题：记忆系统既要稳定，又要灵活。如果每个新环境都完全换一套神经元，系统会很浪费；但如果完全沿用旧模式，又容易混淆新旧经验。子空间重组提供了一个折中方案：保留可用的神经元池，同时旋转组合方式，让不同经验在几何结构上分开。
这也让“重映射”有了新的解释。过去我们常说海马 place cells 会在不同环境中重映射，但这篇文章强调，跨脑区通信层面的重映射不只是 place field 改变，而是神经元群体之间的低维通信结构发生了改变。
哪些神经元进入通信子空间，并不是随机决定的
接下来，作者问了一个更细的问题：既然只有一部分神经元更容易成为子空间成员，那这些神经元有什么特点？
结果显示，子空间成员神经元具有更高的放电率，在海马区域中也更容易表现出 burst firing，也就是短时间内连续放电。更重要的是，它们在解剖位置上也有偏向：在 CA3、CA1 和 RSC 中，子空间成员更倾向位于较深的亚层。
这说明通信子空间并不是随机抽样出来的神经元组合，而是受到细胞内在兴奋性、放电模式和层状解剖结构共同约束。
图3｜通信子空间成员有生理和解剖偏好，深层细胞更容易参与空间信息传递子空间成员在睡眠前的自发活动中放电率更高，海马中 burst 更明显，并且在 CA3、CA1 和 RSC 中更偏向深层位置；在空间和视觉任务中，深层 CA1 更常被招募，而嗅觉任务则更偏向表层 CA1。
图3里还有一个非常值得注意的结果：这种深层偏向不是所有任务都一样。在空间导航和视觉刺激中，CA1–CA3 通信子空间更偏向深层 CA1 神经元；但在嗅觉任务中，子空间成员反而更偏向表层 CA1。
这提示 CA1 的深层和表层可能对应不同信息流。空间和视觉相关的信息更容易走深层链路，而嗅觉相关信息可能更多招募表层链路。这也和过去关于内嗅皮层输入、海马深浅层差异的研究相呼应。
也就是说，所谓“通信子空间”并不是一个纯数学抽象，它有真实的生理和解剖基础。
参与通信的神经元，更能保留任务结构
如果子空间成员真的重要，它们应该不只是放电多，而是更能组织行为相关信息。作者进一步分析小鼠在迷宫中运动时的群体活动结构。
他们用 UMAP 把神经元群体活动降到低维空间，观察这些活动点是否保留动物位置和试次进程等结构。结果显示，子空间成员构成的低维流形，能够较好保留完整 CA1 群体中的空间和时间结构；而非成员神经元的流形结构明显更弱。
这意味着，子空间成员更像是支撑任务编码骨架的神经元。它们不仅自己有 place field，而且更稳定、更协调，能够把动物在迷宫中的位置、运动轨迹和试次结构组织成可读出的群体模式。
图4｜真正支撑迷宫经验结构的，是那些参与跨脑区通信的神经元子空间成员比非成员更能保留完整群体活动中的空间与时间流形结构；上游子空间成员也能更好预测下游成员的放电，说明它们在跨脑区协同中承担更强的信息组织作用。
作者还做了 peer prediction 分析，也就是用上游神经元活动预测下游神经元活动。结果显示，上游区域的子空间成员比非成员更能预测下游子空间成员的放电；CA1 内部的子空间成员之间，也比非成员之间更能互相预测。
这说明子空间成员不是孤立编码位置的细胞，而是更强地嵌入跨脑区协同网络。它们像是脑区之间的“接口细胞”，共同支撑了低维任务结构的传递。
睡眠重放时，CA3–CA1 子空间更像是在更新记忆，CA1–RSC 子空间更像是在保持稳定
文章最后回到记忆巩固中最经典的问题：白天经历过的神经活动，会不会在睡眠中被重新激活？
作者把迷宫中定义出来的子空间，投影到探索前后的睡眠活动中。结果发现，探索之后的 NREM 睡眠中，迷宫定义的子空间相关性增强，尤其是在海马 sharp-wave ripple 事件期间。也就是说，白天形成的通信模式，会在睡眠中再次出现。
但 CA3–CA1 和 CA1–RSC 表现并不一样。CA3–CA1 子空间在探索后的睡眠中更明显地重激活，并且它的高相关事件更容易对应高质量的 replay，也就是更清晰的轨迹重放。相反，CA1–RSC 子空间的高相关并不增强 replay，甚至与较低的 replay fidelity 相关。
图5｜睡眠中被重新激活的主要是海马内部子空间，而通向皮层的子空间保持更稳定迷宫后的 NREM 睡眠，尤其是 sharp-wave ripple 期间，CA3–CA1 子空间重激活增强，并与 replay 质量相关；相比之下，CA1–RSC 子空间变化较小，提示海马内部更偏向快速可塑性，而海马到皮层通路更偏向稳定读出。
这个结果非常有启发。它说明记忆巩固不是简单地把所有白天活动再播放一遍，而是不同通信子空间有不同角色：CA3–CA1 子空间更灵活，更容易在新经验后被重塑和重放；CA1–RSC 子空间更稳定，可能保护皮层读出不被每一次新经验轻易改写。
这正好对应经典的互补学习系统理论：海马快速学习新经验，皮层慢慢整合长期结构。本文把这个理论进一步落到跨脑区子空间层面：同一个 CA1 既要面对快速变化的海马输入，又要给皮层提供相对稳定的输出，于是它通过子空间旋转，把“可塑输入”和“稳定输出”分隔开。
CA1 像一个可旋转的接口，把快速学习和稳定记忆分开
如果把这篇文章压成一句话，那就是：海马—皮层通信不是由固定神经元通道完成，而是通过同一批神经元在不同低维子空间中的重新组合，实现经验编码、上下文切换和睡眠巩固。
这篇文章最有价值的地方，是把“海马如何把记忆传给皮层”这个问题，从单个神经元编码推进到了群体几何和跨脑区通信层面。CA1 不只是海马输出站，而像一个可旋转的接口：它把来自 CA3 等上游区域的新经验，转换成可以被 RSC 读取的输出，同时又通过近乎正交的子空间减少相互干扰。
这也让我们更好理解为什么大脑能同时做到两件看似矛盾的事：快速学习新环境，又不轻易破坏已有记忆。答案可能不是“某个脑区负责快，某个脑区负责慢”这么简单，而是在同一脑区内部，不同通信子空间分别承担可塑性和稳定性。
当然，这篇文章主要基于小鼠电生理记录和线性降维方法。pCCA 能揭示跨脑区活动之间的统计通信结构，但它不能直接证明每个高权重神经元之间存在解剖连接。作者也很谨慎地把这些细胞称为 subspace members，而不是直接称为连接细胞。未来如果能结合投射标记、光遗传扰动或闭环干预，就可以进一步检验这些子空间是否真的具有因果作用。
但这项工作已经提供了一个很清晰的新框架：记忆不是简单地从海马“搬运”到皮层，而是在海马—皮层轴上，通过不同低维子空间被选择、旋转、重组和重放。
https://www.nature.com/articles/s41586-026-10481-z
阅读最新前沿科技趋势报告，请访问21世纪关键技术研究院的“未来知识库”
未来知识库是 “21世纪关键技术研究院”建 立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。 欢迎扫描二维码或访问https://wx.zsxq.com/group/454854145828进入。
截止到2月28日 ”未来知识库”精选的百部前沿科技趋势报告
（加入未来知识库，全部资料免费阅读和下载）
热门跟贴