Skip to main content
知识分享官

Search: #神经编码

  1. 从脑电波还原10s动态影像？读心术真的要来了？

    人类大脑如何处理视觉信息一直是科学界的谜题。近年来，通过脑成像技术，科学家已经能够从人脑活动中“看”出被试正在观看的影像或图片。不过，这种技术通常依赖于功能磁共振成像（fMRI），而fMRI反映的是血液流动变化，属于间接测量。相比之下，直接记录单个神经元活动能更直接地揭示大脑如何编码视觉信息。

    现在，一项发表在《eLife》上的研究首次实现了从老鼠视觉皮层神经元活动中重建自然影像。研究人员使用先进的动态神经网络编码模型，通过反向传播优化视频，从钙成像数据中成功重建了老鼠观看的10秒自然影像，帧率为30Hz，并且与真实影像在像素级别上的相关性达到了0.57。这一结果远超之前仅用静态图像数据重建的0.24。研究指出，高精度重建的关键在于使用更多神经元数据以及模型集成技术。

    研究团队表示，这项技术为理解视觉处理过程提供了新工具，例如可以研究大脑如何整合不同来源的视觉信息，或者如何处理动态场景。不过，目前的研究仍处于基础阶段，需要更多样本和更复杂的模型来进一步验证其普适性。

    读心术 ×
    搜魂术 ✓

    来源：eLife

    #脑科学 #神经编码 #视觉处理 #小鼠研究 #脑成像技术

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  2. 脑机接口新突破：用意念同时操控自然肢体与机械臂

    脑机接口（BCI）旨在通过直接神经控制扩展人类运动能力，但一个关键挑战是如何在不干扰自然肢体运动的情况下，同时整合额外机械臂的指令。传统方法常导致自然运动受影响，而新研究提出了一种创新方案。

    研究团队开发了一种“触觉编码BCI”，利用感觉传入通路，通过触觉引发的P300事件相关电位（ERP）范式来解码额外运动意图。在多日实验中，受试者经过训练后，系统能实时可靠地解码四个额外自由度，且在双任务（同时使用BCI和自然运动）条件下，自然运动并未受到显著影响，性能与单任务时相当。

    这项研究证明了通过刺激感觉神经通路实现运动增强的可行性，为未来辅助肢体瘫痪或增强能力提供了新思路。不过，目前研究仍基于小样本，且实际应用中可能面临长期稳定性、个体差异等挑战，未来需要更大规模和更长期的实验验证。

    章鱼博士：这个我擅长🤪


    来源：Nature communications

    #脑机接口 #运动控制 #机械臂 #神经工程 #感觉传入

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  3. 嗅觉受体也有“位置密码”？科学家揭示鼻腔内气味受体的空间分布规律

    我们通常认为，鼻子里的嗅觉受体（OR）是随机选择表达哪种基因的，但一项新研究颠覆了这一认知。科学家发现，不同种类的嗅觉受体并非随机分布，而是在鼻腔内存在一种独特的“位置密码”，每个受体都倾向于表达在鼻腔的特定位置。

    研究团队通过小鼠实验发现，鼻腔的背腹位置存在视黄酸信号梯度，这种化学信号像一张“地图”，指导每个嗅觉神经元选择合适的受体。具体来说，不同位置的细胞会激活特定的转录因子和轴突引导分子，最终导致每个嗅觉受体在鼻腔内形成一个有序的图谱，并与大脑中的嗅觉图谱对齐。

    这一发现解释了为什么嗅觉系统能将气味信息精准传递到大脑，形成清晰的气味图谱。未来研究可能帮助理解嗅觉障碍或某些神经疾病的机制，但科学家也指出，这一规律是否在人类中同样适用，仍需更多研究验证。

    原来鼻子里的气味受体也有“排排坐”的规矩，闻香也是一门科学！🧠


    来源：Cell

    #嗅觉受体 #空间编码 #神经科学 #基因表达 #气味感知

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  4. 大脑里的“知识地图”如何塑造我们的推理能力？新研究揭示神经机制

    我们的大脑如何像一张不断扩展的地图，来理解新事物？从儿童学习识别形状到青少年掌握复杂概念，大脑似乎在构建一套“知识图式”，但具体神经机制一直是个谜。近日发表于《细胞》的一项研究，首次揭示了这一过程的关键：大脑中存在类似空间“网格细胞”的神经代码，它们随年龄发展，直接关联我们的推理能力。

    研究团队对203名8至25岁的参与者进行了测试，发现海马旁回（EC）中的非空间网格样神经代码随年龄显著增强。这些代码并非用于定位，而是构建了二维概念空间，帮助大脑将新信息整合到现有知识框架中。更关键的是，这些代码能预测参与者的推理能力——代码越成熟，推理表现越好。此外，它们还协同前额叶皮层，编码物体间的距离关系，确保新信息能准确嵌入知识地图。

    这一发现为皮亚杰的认知发展理论提供了神经学证据，表明智力发展并非基因决定，而是大脑结构随经验不断优化。不过，研究样本主要来自健康人群，未来需进一步探索不同背景下的个体差异，比如教育或环境对“知识地图”的影响。但无论如何，我们终于看到了大脑如何像一张动态地图，帮助我们不断理解世界。

    原来大脑里的“知识地图”越复杂，我们越聪明！🧠


    来源：Cell

    #大脑发育 #推理能力 #神经代码 #认知发展 #皮亚杰理论

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  5. 原来真正“带节奏”的，不只是神经元：杏仁核里的星形胶质细胞正在改写恐惧记忆

    一直以来，很多人把星形胶质细胞当成大脑里的“后勤阿姨”——打扫卫生、递递水、维持环境，真正干活的是神经元。但这篇发在 Nature 的研究给了一个很硬的反转：在和恐惧记忆密切相关的基底外侧杏仁核（BLA）里，星形胶质细胞不只是围观群众，而是直接下场参与恐惧记忆的形成、提取，甚至消退。换句话说，你害怕什么、怎么记住这种害怕，背后不只是神经元在“演戏”，星形胶质细胞也在认真“导戏”。

    更有意思的是，研究团队发现，这些星形胶质细胞会随着恐惧状态动态变化，像是在实时“读气氛”，并主动影响神经元怎么编码这段记忆。一旦把它们的活动打乱，神经元就没法顺利建立正常的恐惧相关活动模式，整套记忆表征都会受影响。这很重要，因为它提示我们：像 PTSD、焦虑症、恐惧症这些问题，未来也许不一定只能盯着神经元本身，还可以从星形胶质细胞这个新靶点切入。

    以前以为它们是脑内保姆，现在发现人家其实还是副导演，关键剧情都在偷偷控场。

    📄 Nature · Bukalo, Holmes, Halladay et al. · Nature, 2026
    #神经科学 #星形胶质细胞 #恐惧记忆 #PTSD #脑科学

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  6. 海马体如何预测奖励？研究揭示学习中的神经动态

    我们总在预测未来，比如考试后会不会有奖励？大脑中有一个关键区域——海马体，可能参与了这种预测。但海马体通常与空间记忆联系紧密，它如何处理奖励信息，尤其是在学习新任务时，一直是个谜。

    新研究跟踪老鼠学习奖励任务的过程，发现海马体的奖励表示会随经验变化。随着老鼠越来越熟悉任务，海马体中专门编码奖励的神经元比例减少，而那些代表任务中先于奖励的线索的神经元活动则增强。更关键的是，原本编码奖励的神经元，其活动逐渐转向预测这些先导线索，就像在任务开始前就“预知”了奖励。

    这表明海马体通过调整神经活动，从直接编码奖励转向预测先导特征，帮助动物更高效地学习。这种动态变化可能反映了大脑如何通过经验优化预测模型，但研究仅限于老鼠，是否适用于人类仍需进一步探索。

    大脑预测奖励这么“聪明”，居然还爱“偷懒”？🤔


    来源：Nature

    #海马体 #奖励预测 #神经科学 #学习机制

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  7. 大脑如何平衡灵活与稳定？Nature子刊揭示前额叶新机制

    在复杂多变的环境中，我们既要灵活地调整目标，又要保持行为的稳定，不被噪音干扰。这种“灵活与稳定”的平衡一直是大脑面临的巨大挑战。最近一项研究深入探讨了大脑究竟是如何在不确定的环境下，实现这种既灵活又稳定的学习过程。

    研究人员结合模型模拟与fMRI技术发现，无模型学习难以兼顾两者，而基于模型的学习则能实现灵活的目标追求。脑成像数据显示，大脑的外侧前额叶和眶额皮层将“目标”与“不确定性”作为独立的因素进行编码。这种神经表征的分离程度，直接决定了参与者行为的灵活性与稳定性。

    这一发现揭示了大脑处理复杂决策的精妙机制，表明我们的大脑通过将不同信息“分门别类”地处理，从而在混乱中建立秩序。这不仅加深了对前额叶皮层功能的理解，也为未来开发更智能的人工智能算法提供了生物学灵感。

    原来大脑也是个“端水大师”，既要又要！🧠


    来源：Nature communications

    #神经科学 #前额叶 #认知学习 #NatureCommunications

    via: 热心群友

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  8. 机器人皮肤新突破：不仅能感知，还会主动喊疼

    随着人机交互日益紧密，我们希望机器人不再是冷冰冰的机器，而是能更安全、更自然地与我们共处。要实现这一点，赋予机器人敏锐的触觉至关重要。目前，大多数电子皮肤仅能实现基础的触摸感知，功能相对单一，限制了机器人与人类的深度互动。

    近日，一项发表在《美国国家科学院院刊》上的研究带来突破。科学家开发出一种神经形态机器人电子皮肤（NRE-skin），它不仅能感知触摸，还能模拟生物神经系统，将动态触觉刺激编码成神经脉冲信号。其核心亮点在于“主动疼痛感知”功能，当检测到可能造成损伤的强烈刺激时，它会触发保护性反射，就像人手碰到烫东西会立刻缩回一样。

    这项技术的意义在于，它让机器人从被动感知转向了主动自我保护，极大地提升了人机交互的安全性。此外，其损伤感知和模块化设计，使得机器人能像生物一样“感觉”到皮肤哪里受伤了，并快速更换受损模块。需要明确的是，这并非赋予机器人真实的情感，而是通过模拟生物机制，让机器人的行为更智能、更符合人类的安全预期。

    这下机器人也怕疼了，以后不敢随便欺负了🤣


    来源：PNAS

    #机器人 #电子皮肤 #神经形态 #疼痛感知 #人机交互

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  9. 大脑里的“内置里程表”：新研究揭示大脑如何测量距离

    你是否有过在黑暗中穿行房间却依然能准确判断自己位置的经历？这种神奇能力源于大脑的“路径整合”机制，它能通过计算步数和转向来追踪位置，如同个人GPS。科学家们发现，理解这一过程是揭开大脑如何将短暂体验转化为长期记忆的关键一步，尤其对阿尔茨海默病早期症状（如空间定向障碍）的研究有重要意义。

    在研究中，科学家训练小鼠在无视觉地标的环境中跑特定距离以获取奖励。通过记录小鼠脑电活动，他们发现海马体中的神经元活动呈现两种模式：一类神经元在运动开始时活跃度骤升，随后随距离增加而逐渐下降；另一类则相反，在运动开始时活跃度下降，随后随距离增加而逐渐上升。这两种“斜坡式”活动模式共同构成了测量距离的神经编码，不同斜坡速度的神经元可分别追踪短距离和长距离。当研究人员干扰这些模式时，小鼠完成任务的准确性会下降。

    这一发现表明海马体使用多种策略（包括斜坡式编码）来记录时间和距离，而这类能力在阿尔茨海默病早期就可能出现退化。未来研究将深入探索这些模式如何生成，这或许能揭示记忆编码的机制及其在疾病中的受损过程。

    大脑真是个神奇的存在，连走路都自带“里程表”功能🤯


    来源：Nature Communications

    #大脑功能 #神经科学 #阿尔茨海默病 #海马体

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  10. 用光看透百年旧片：一种新方法让组织纤维结构清晰可见

    人体内的每一块组织都含有极其微小的纤维，它们协调着器官的运动、功能和通讯。肌肉纤维引导物理力量，肠道纤维支撑消化道的运动，而脑纤维则承载着电信号，让不同脑区交换信息。这些错综复杂的纤维系统塑造着每个器官的结构，并维持其正常运作。

    然而，这些微观结构长期难以研究。研究人员一直难以确定纤维在组织内部的排列方向，这导致难以完全理解它们在健康和疾病中的变化。现在，一项发表在《自然·通讯》上的研究，介绍了一种名为计算散射光成像（ComSLI）的新方法，能够以微米级的分辨率清晰地揭示这些难以捉摸的纤维模式，且成本相对较低。

    ComSLI利用一个基本的物理原理：当光遇到微观结构时，会根据其方向向不同方向散射。通过旋转光源并记录散射信号的变化，研究人员可以重建图像中每个像素内纤维的方向。该方法只需要一个旋转的LED灯和一个显微镜相机，使其相比其他高级显微镜更易于获取。收集图像后，软件分析散射光的微妙模式，生成纤维方向和密度的彩色编码图。
    看到百年旧片也能“看穿”纤维结构，科技真是厉害！


    来源：Nature Communications

    #计算散射光成像 #神经科学 #组织结构研究 #病理学 #历史标本分析

    via: 热心群友

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  11. 微小“神经探针”，在小鼠脑内工作长达一年

    想要真正理解大脑的奥秘，比如复杂行为和疾病的成因，科学家需要长期“窃听”神经元的活动 。但传统的有线植入物会因位移损伤组织 ，而现有的无线设备又往往太大，一项发表于《自然·电子学》的研究报告了一种突破性研究 ，解决了这个问题。

    科学家们开发了一种“微型光电无绳电极”。它的体积不到一纳升 ，比头发丝还细 。其核心是一个既能当光伏电池又能当LED的特殊二极管 。它依靠外部的623纳米光束获取能量，同时以825纳米的光脉冲将编码后的神经信号无线“广播”出来 ，完全无需电线 。

    凭借先进的封装技术 ，MOTE能抵抗体内的腐蚀环境。最关键的是，该设备在清醒小鼠体内成功实现了长达365天的慢性神经记录 ，捕捉到了动作电位和局部场电位 。这项技术为长期、微创的脑功能研究提供了强大工具 。

    小鼠：“一年365天盯着鼠鼠看，鼠也有隐私！为我花生啊😭”


    来源：Nature Electronics

    #神经科学 #微型植入物 #脑机接口

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  12. 学编程可能无需重新造轮子？也许你只是在调用已有的包！

    学习编程是现代社会的重要技能，但它仅有几十年的历史。我们的大脑是如何掌握这项“崭新”技能的？很多人以为学编程像学外语一样从零开始，但一项新研究提示，可能存在截然不同的机制。

    约翰·霍普金斯大学的科学家们对22名零基础大学生进行了一项研究。他们在学生学习Python课程前后分别进行了fMRI扫描。研究发现，大脑并非“从零开始”构建新模块，而是“回收”了已有的神经回路。具体来说，一个负责逻辑推理的左侧额顶叶网络，在学生们接触编程之前，就已经在处理“for循环”和“if条件”这类逻辑算法（以通俗易懂的“伪代码”形式呈现）。当他们学完课程后，这个网络被再次激活，用来理解真正的Python代码。

    这一发现有力支持了“神经回收假说”：人类学习新文化技能（如编程、阅读或数学）时，会“征用”并改造大脑中已有的、更古老的神经表征。这意味着，学习编程的核心可能并非从头学习逻辑，而是学习如何将一套新符号（编程语法）映射到我们大脑中早已存在的逻辑算法表征上。这也解释了为何逻辑推理能力是预测编程学习成果的最佳指标。

    为程序员朋友加更🫡


    来源：The Journal of Neuroscience

    #神经科学 #神经回收假说 #逻辑推理

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  13. 女生似乎更容易纠结？最新研究发现“纠结基因”

    变主意、后悔、纠结于“沉没成本”，这些复杂的心理活动背后隐藏着怎样的生物学机制？近日，一项发表于《科学 · 进展》的研究，将一种名为 LINC00473 的长链非编码 RNA，与大脑中“改变主意”的决策过程联系起来，并发现其作用存在显著的性别差异，这或许为日常生活中观察到的某些性别差异（例如女性有时似乎更容易陷入纠结权衡）提供了潜在的生物学线索。

    研究人员设计了一个精巧的“等餐决策”实验：让饥饿的小鼠在一个模拟的“美食街”环境中循环移动，当它路过某个“餐厅”（提供特定口味食物）时，系统会提示需要等待一定时间才能获得食物。小鼠必须快速决定：是花费时间在此等待？还是放弃去碰运气找下一个可能更快或更喜欢的“餐厅”？这个任务巧妙地模拟了现实中的时间成本抉择困境。

    研究惊人地发现，提升小鼠前额叶皮层中 LINC00473 的表达水平，并不会影响它们最初“要不要开始等待”的决定，而是精准地作用于它们开始等待后“要不要中途放弃”的反悔行为。这就像一个人排队时，LINC00473 不影响其“是否加入队伍”，但影响其“排到一半是否选择离开”。

    更有趣的是，这种影响因性别而异。在雌性小鼠中，LINC00473 显著增强了她们对“沉没成本”（已投入的等待时间）和“后悔”（纠正错误决策后进行补偿）的敏感性，而这些特质恰恰与更强的抗压能力相关。这项发现首次将一个已知的抗压分子与复杂的“改变主意”神经经济学行为联系起来，为理解为何女性可能更容易体验到与‘沉没成本’相关的纠结感，以及在某些精神疾病中常见的“过度思虑”现象存在性别差异，提供了全新的分子与认知层面的解释。
    下次在奶茶店门口排到一半想溜时，可以理直气壮：不是咱意志不坚定，是屎山代码干的坏事！


    Science Advances
    #LINC00473 #神经经济学