大脑的认知和运动等功能编织出人和动物多种多样的行为。其中一种很重要的功能便是短时记忆，它将过去，现在和将来的那些瞬间连于一体形成连贯的行为。例如别人告诉你名字或电话号码，你能马上记住一会儿并存入你的手机通讯录。过去的研究发现大脑中持续性的神经电活动与短时记忆功能有密切的联系，被认为是支撑短时记忆的神经活动基础。这种持续性电活动存在于许多不同的大脑区域之中，一般认为多脑区的相互协作维持了持续性电活动及短时记忆【1，2】。

同时，人们也相信多脑区协作可以更好的对抗内外环境的噪音扰动，因为其它脑区冗余的信息可以补偿或补救被干扰脑区的信息。但这种协作补偿的另一个前提是不同脑区之间在局部受到扰动时需要保持较高的独立性（模块性, modularity）, 以防被扰动脑区的破坏性信息扩散到其他未被扰动的脑区从而失去得到补偿的机会。然而，大脑中不同脑区在结构上是高度连接在一起的，因而给了破坏性信息扩散的机会。那么，不同脑区神经网络之间如何做到既相互沟通协作又防止扰动扩散，从而保持稳健的短时记忆功能呢？

该实验室过去的研究发现小鼠在做短时记忆行为任务的时候能够抵抗单侧而非双侧大脑前额皮层的扰动从而保持正常的行为【3】。这个发现建立了研究认知功能稳健性的一个模式动物系统，并提示总体上来说，其他非扰动脑区例如未被扰动的对侧前额皮层能够补偿被扰动脑区来维持稳健性。那么，当单侧扰动时，对侧脑区是否真的保持了模块性并且在扰动后能补救整个系统来实现稳健的行为？两侧脑区到底如何相互作用的呢？

为了回答这个问题，作者们在小鼠执行短时记忆行为任务的时候，对其大脑两侧前额皮层同时进行了大规模神经元群体电活动的记录以及光遗传学扰动。实验发现两侧前额皮层并行表征了两份相似的短时记忆信息, 并且表征该信息的神经活动呈现出高度的一致性（图1）。进一步的实验及小鼠运动视频分析提示，两侧活动的协调一致很可能是由两侧神经网络的相互作用形成的，而非其它脑区的共同输入所致。

图1. 短时记忆中两侧前额皮层协调一致的神经活动

为了验证这一点，作者们对两侧脑区的相互作用进行了直接测量。他们在记忆阶段的早期用光遗传学手段直接抑制了单侧前额皮层的神经活动，同时观测该扰动对对侧脑区的影响程度。结果发现，有的小鼠表现出高度的模块性，即抑制左侧神经活动对右侧几乎没有影响，抑制右侧神经活动对左侧也几乎没有影响，呈现两个模块（图2）。而另外一些小鼠则缺乏模块性，左侧强烈地支配右侧的活动而右侧却不影响左侧，呈现不对称的单一模块。总体上不同小鼠拥有不同的模块化程度，呈近似连续的变化。

进一步分析发现，强烈不对称的单一模块表现出两侧活动的高度一致性，而相对独立的双模块系统则表现出较低的一致性。表明两侧活动的协调确实与两侧皮层的相互作用有关。进一步实验发现不同小鼠的这种差异化及左侧优势的两侧脑区间相互作用并非完全天生的，改变行为任务的结构可以将左侧优势反转为右侧优势。

图2. 不同类型的两侧前额皮层间相互作用

鉴于不同小鼠拥有不同的模块化程度，是否高模块化的小鼠拥有更好的稳健性呢？进一步分析表明，高度模块化的小鼠无论扰动哪一侧大脑都能恢复正常的短时记忆，而对于高度不对称低模块化的小鼠而言，扰动优势一侧强烈地破坏了其短时记忆（图3）。

图3. 模块化增强短时记忆的稳健性

上述结果说明脑区间低相互作用的模块化防止破坏信息的扩散（模块性）对于稳健性是必要的，但同时未扰动脑区的正常记忆信息又需要通过脑区间的较强相互作用来补救（纠错性, error-correction）扰动脑区被破坏了的信息。这两种近似矛盾的需求如何同时实现于同一个神经环路连接中？一种简洁的解决方案就是一侧脑区能够根据其神经活动编码记忆信息的状态来切换对侧对它的作用强度。当它高选择性地编码特定记忆的时候则降低对侧对它的影响，反之则允许对侧对它的影响。

基于这一假设，作者们对未受扰动的两侧神经活动进行建模分析推断两侧的相互作用强度，结果发现假设确实成立。之后设计新的实验又进一步证明了该假设（图4）。这种在同一神经环路上对两脑区间作用力的状态依赖门控(state-dependent gating) 机制能够同时很好地解释该环路的模块性与纠错性。更重要的是，这种状态依赖门控的程度可以很好地预测小鼠在正常行为任务中的成绩（performance）。

图4. 脑区间相互作用的状态依赖门控调节

最后，作者们通过训练循环神经网络（recurrent neural network, RNN）执行同样的行为任务来探索什么样的网络架构（脑区间作用方式）可以成为形成稳健网络的解，以及什么条件下在人工训练的神经网络中也可以重复出实验中观察到的现象和原理。

研究表明，要想神经网络在该短时记忆任务中拥有稳健的表现需要满足三个基本条件，即两侧皮层网络间连接的模块化初始，模块化训练以及神经元的非线性特性。在此训练好的神经网络中也同时涌现出两侧网络间的状态依赖门控现象。并且类似于实验研究，改变训练中两侧网络感觉输入的相对强度可以改变人工神经网络的对称性结构。

图5. 工作模型

总的来说，该研究发现了大脑两侧前额皮层对短时记忆信息的并行编码，并且可以由不同的脑区间相互作用方式来实现。但是模块化的作用方式增强了大脑的稳健性从而促进了行为表现。脑区间同一神经连接通过一种状态依赖的门控机制动态调节相互作用程度来同时实现模块性与纠错性（协调性）。模块化架构也同样存在于学会短时记忆任务的稳健的人工神经网络之中 （图5）。

既不太单一也不太分散的模块化架构增强系统的稳健性并不只在大脑中发现，同样也在其它网络系统中存在。例如在电力网络中，当一部分被破坏后可以切断其对其它部分的影响，反过来其它正常部分可以帮助破坏地区的供电。

又如在社会人群网络系统中，当今病毒肆虐之际，人们抵抗病毒的一个朴素而有效的方式就是切断传染源对未感染人群的影响，同时未感染人群又对感染者实施积极的救治从而降低人类的损失。该研究发现的模块化架构增强大脑稳健性也许能够作为一般性原理之一启发未来人工智能的研究，和用于治疗神经精神疾病的神经调控技术的开发。

相关论文信息：

https://doi.org/10.1016/j.cell.2021.05.026

参考文献