Nature Neuroscience
小鼠大脑通过递归神经动力学实现空间推理

小赛推荐：

该研究揭示了小鼠大脑retrosplenial cortex（RSC）在处理空间信息时的神经编码机制，展示了RSC如何通过递归动力学维持和更新空间假设，从而解决具有模糊地标的问题。研究为理解大脑如何进行序列认知和空间推理提供了重要线索。

 

文献概述
本文《Spatial reasoning via recurrent neural dynamics in mouse retrosplenial cortex》，发表于《Nature Neuroscience》杂志，回顾并总结了小鼠大脑如何在导航任务中处理模糊地标信息，并通过神经递归动力学实现空间推理。研究聚焦于大脑区域RSC，探讨其在内部空间假设生成、维持和使用中的作用，揭示了递归神经网络动力学在认知推理中的潜在机制。

背景知识
当前研究领域中，空间认知与导航能力是神经科学的重要方向，尤其关注大脑如何整合自我运动、位置和感官信息。RSC作为大脑导航系统的一部分，已知在空间记忆和路径整合中发挥作用。然而，如何在缺乏外部提示的情况下，通过内部假设解决地标模糊性仍是关键问题。此前研究显示，RSC在空间编码和任务变量整合中具有高度灵活性，但尚未明确其在序列推理中的计算机制。本研究通过行为实验与神经记录，验证了RSC在空间假设编码中的重要性，并开发了人工神经网络模型来模拟其动力学，为理解大脑的递归计算机制提供了新的视角，尤其是在无外部线索下的认知处理方面。

 

构建基因敲除、条件性敲除及人源化小鼠模型，支持研究基因在特定组织或疾病中的作用，适用于神经退行性疾病、发育机制等方向。

了解更多

 

研究方法与实验
研究人员训练自由移动的小鼠在封闭环境中识别两个视觉上完全相同的地标，这些地标仅能通过相对位置区分。实验环境中，小鼠必须通过路径整合和相对空间信息推断地标身份。使用tetrode阵列记录RSC中层5神经元的活动，并结合行为跟踪分析神经编码变化。同时，训练一个递归人工神经网络（ANN）来模拟任务，以测试其是否能重现多模态假设编码。

关键结论与观点

• RSC神经元在不同任务阶段（LM0、LM1、LM2）中表现出混合编码，包括空间位置、任务阶段和假设状态，表明其在递归动力学下整合多变量信息。
• 在LM1阶段，RSC编码双峰假设，而在LM2阶段编码单峰假设，类似递归ANN模型，说明其可稳定维持并更新内部空间模型。
• ANN模型可模拟小鼠在空间推理任务中的表现，且其神经状态变化与RSC记录数据相似，进一步支持递归动力学在空间认知中的作用。
• 行为错误与RSC神经轨迹偏离相关，表明RSC的稳定假设编码对正确识别地标至关重要。

研究意义与展望
该研究为理解大脑如何在无外部线索的情况下进行空间推理提供了神经动力学基础。未来可探索RSC与其他脑区的交互机制，以及其在更复杂认知任务中的动态编码模式。

 

提供标准化行为学分析服务，涵盖水迷宫、旷场、转棒实验等，适用于神经退行性疾病、情绪障碍、运动失调等研究方向。

了解更多

 

结语
本研究系统分析了小鼠在导航任务中如何通过retrosplenial cortex（RSC）维持和更新多模态空间假设，进而解决地标模糊性问题。实验与模型结合揭示，RSC神经元编码混合信息，并受递归动力学约束，支持其在空间推理中的关键作用。ANN模型验证了递归动力学在空间认知中的可行性，且RSC损伤实验表明其对假设整合的必要性。这些发现为理解大脑的序列处理机制和内部认知模型提供了新视角，也为神经网络模型设计与脑启发计算提供了生物学基础。

 

Jakob Voigts, Ingmar Kanitscheider, Nicholas J Miller, Ila R Fiete, and Mark T Harnett. Spatial reasoning via recurrent neural dynamics in mouse retrosplenial cortex. Nature Neuroscience.