海马重放中尖波涟漪的漂移-扩散动力学:一个切换隐马尔可夫建模框架

《PLOS Computational Biology》:Drift-diffusion dynamics of hippocampal replay

【字体: 大 中 小 】 时间:2026年09月23日 来源:PLOS Computational Biology 3.7

编辑推荐:

  海马在尖波涟漪(sharp-wave ripples, SWRs)期间的重放被认为在学习和记忆中发挥重要作用。然而,现有的分析方法常常导致表征重放动态的指标不一致且不准确。研究人员开发了一种新型计算框架,利用漂移-扩散过程对重放动态进行建模。进一步地,为了捕捉

  
海马在尖波涟漪(sharp-wave ripples, SWRs)期间的重放被认为在学习和记忆中发挥重要作用。然而,现有的分析方法常常导致表征重放动态的指标不一致且不准确。研究人员开发了一种新型计算框架,利用漂移-扩散过程对重放动态进行建模。进一步地,为了捕捉尖波涟漪期间潜在的丰富群体水平动态,该模型允许在多种有充分依据的动态类型之间切换。将该方法应用于大鼠海马记录产生了若干见解。首先,研究结果显示,一小部分SWR是静止的,而具有漂移-扩散动态的SWR其速度通常远高于动物的运动速度。其次,研究人员发现重放动态是异质的,与先前提出的随机游走模型不一致。重放轨迹的均方位移(mean-squared displacement, MSD)随时间呈二次方标度,支持存在实质性漂移。第三,研究人员发现,在动物对环境有空间经验之前,仅有极小部分(少于1%)SWR事件在100毫秒的时间尺度上表现出序列结构。这表明,尽管海马中的神经活动可能在动物的空间经验之前就存在协调(即预放,preplay),但协调水平远弱于空间经验之后。总体而言,该方法能够精确表征和明确解释尖波涟漪期间的群体动态,更广泛地有助于更好地理解重放的功能和潜在机制。
海马重放(hippocampal replay)是哺乳动物海马在尖波涟漪(sharp-wave ripples, SWRs)期间以时间压缩形式重现先前经历的重要神经活动模式,被认为在学习、记忆巩固和规划等认知功能中发挥关键作用。然而,现有分析方法主要依赖模板匹配,其预定义模板刚性较强,难以刻画重放动态的丰富性;同时,传统两步法将速度与质量(相干性)相互混淆,且未在推断中充分考虑不确定性,导致重放表征指标不一致、不准确。为填补这一空白,研究人员开发了一种新的计算框架,将重放动态显式建模为漂移-扩散过程(drift-diffusion process),并采用切换隐马尔可夫模型(switching hidden Markov model, HMM)允许单个SWR事件内动态类型在漂移-扩散、静止(stationary)和均匀采样(uniform)三种模式之间切换。该框架基于生成式建模,通过最大边际似然估计参数,并利用前向-后向算法进行概率推断,能够同时估计重放速度(漂移参数)、嘈杂度(扩散参数)以及动态区段结构。将该方法应用于Pfeiffer和Foster(2015)公开的大鼠背侧CA1数据集,该数据集包含4只Long-Evans大鼠在1.8米线性轨道上进行空间任务的9个记录会话,每只大鼠均经历跑动前睡眠、跑动和跑动后睡眠阶段。研究人员分析了清醒静息和睡眠期的SWR事件(清醒N=1,412,睡后N=15,111,睡前N=6,749),并通过多单元活动(multiunit activity, MUA)检测进行补充验证。模型恢复实验表明,在实验典型的事件长度和细胞数量下,漂移和扩散参数可被可靠恢复,动态区分类别准确率较高;与传统两步法相比,该方法避免了速度与质量的混淆,且能更原则性地处理不确定性。

在结果部分,研究人员首先对模型进行验证。通过模拟数据评估参数可辨识性,发现漂移参数恢复良好,扩散参数存在轻微低估,但总体可靠;在切换HMM中,动态区分的准确率在具有可观漂移时显著提高。随后将模型应用于真实数据,发现30.81%的清醒SWR和10.45%的睡后SWR仅表现出漂移-扩散动态;若将混合动态也计入,则49.72%的清醒SWR和18.05%的睡后SWR包含至少一段漂移-扩散动态。这些结果为后续分析奠定了基础。

**应用1:大多数重放事件是否表现出真实运动速度甚至静止?** 针对近期关于重放速度与静止事件比例的争议,研究人员利用时间箱洗牌、神经元身份洗牌和位置野旋转洗牌三种对照方法估计机会水平。结果显示,真实数据中静止动态的比例仅略高于某些洗牌对照,但远低于先前报告的水平;因此只有一小部分SWR是真正的静止事件。同时,在具有漂移-扩散动态的事件中,清醒和睡后重放的平均速度分别为4.68 m/s和4.00 m/s,远高于动物跑动速度(约0.53 m/s),支持经典的重放时间压缩结论。

**应用2:一维环境中的海马重放是否类似布朗运动?** 为检验重放轨迹是否符合布朗运动(Brownian motion),研究人员对漂移-扩散事件进行了位移分析。结果显示,均方位移(mean-squared displacement, MSD)随时间间隔呈二次关系,而非布朗运动预测的线性关系;在对数-对数坐标下,均方根位移(root-mean-square displacement, RMSD)与时间间隔的斜率在清醒和睡后事件中分别为0.89和0.75,显著大于布朗运动预测的0.5。相反,静止和均匀动态事件则呈现小于0.5的斜率。这些结果强有力地支持重放轨迹中存在实质性漂移,而非纯随机扩散。

**应用3:SWR中是否存在预放证据?** 为评估预放(preplay)现象,研究人员分析了运动前睡眠SWR。结果显示,睡前SWR中漂移-扩散动态占总时间比例仅5.83%,远低于清醒静息(39.53%)和睡后(13.46%)。与神经元身份洗牌和位置野旋转洗牌相比,睡前事件未表现出显著序列结构;仅在与时间箱洗牌比较时略高。进一步分析表明,持续时间超过100毫秒的序列结构事件比例低于1%。这说明在空间经验之前海马活动虽存在一定协调,但其水平远弱于经验后的重放。

在讨论部分,研究人员总结了该框架的优势:它允许对重放结构进行原则性的概率推断,显式分离速度和保真度,并捕捉动态切换;通过模型比较,该方法提供更直接和明确的解释。研究结果澄清了三个争议:静止事件的比例被高估,漂移-扩散而非布朗运动主导重放动态,预放结构在长时间尺度上极为罕见。未来可将该方法扩展至二维环境、theta序列分析以及在线神经反馈等场景。总体而言,该框架能够精确表征和明确解释SWR期间的群体动态,更广泛地有助于更好地理解重放的功能和潜在机制。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号