斑马鱼侧线系统的光遗传学解析揭示全脑参与模式分离的神经环路

《iScience》：Optogenetic interrogation of the zebrafish lateral line reveals brain-wide neural circuits involved in pattern separation

本研究针对动物如何区分复杂感觉信息这一科学问题，通过光遗传学精准操控斑马鱼后侧线单个神经丘（neuromast），并结合全脑钙成像技术，揭示了二阶神经元缺乏精细拓扑结构但具有高区分度的选择性响应特性。研究发现，神经丘输入在脑中通过非线性整合实现模式分离，且内侧八裂体核（MON）是进行感觉信息去相关处理的关键脑区。该工作为研究感觉编码的计算机制提供了强有力的新方法。

　　

动物如何从纷繁复杂的环境中精准区分不同的感觉信息，是神经科学领域的一个核心问题。大脑需要高效地处理来自各种感觉器官的输入模式，并做出适当的反应。为了实现这一目标，中枢感觉系统通常采用两种主要策略：一种是建立精确的感觉受体空间拓扑图谱，另一种则是将受体输入整合到伪随机分布的神经元集群中，依赖群体活动的涌现特性来进行编码。然而，对于像斑马鱼幼虫这样大脑结构相对简单的生物，其感觉信息处理的具体机制，尤其是如何编码复杂空间模式的感觉输入，仍然存在许多未知。

斑马鱼的侧线系统是一个理想的研究模型。这个系统能够探测水流，帮助鱼类导航、避障、捕食和集群游动。其后侧线由沿身体轴线排列的一系列神经丘组成，每个神经丘内部有10-20个毛细胞，能够检测水流的起源、频率、速度和方向。尽管神经丘的排列具有明显的空间规律，但大脑中枢如何接收并处理这些离散的神经丘输入，从而区分不同的水流模式，是一个悬而未决的关键问题。传统的水流刺激方法难以精确靶向单个神经丘，更无法灵活地组合刺激模式，这限制了对侧线系统编码机制的深入探索。

为了解决这一难题，研究人员在《iScience》上发表了他们的最新成果。他们开发了一套创新的实验系统，结合了单神经丘光遗传学刺激和全脑钙成像技术，首次实现了对斑马鱼侧线感觉输入的高精度、高通量“ interrogation”（ interrogation）。

本研究主要采用了以下几项关键技术：利用转基因斑马鱼系（Tg(myo6b:CoChR-GFP); Tg(elavl3:H2B-jRGECO1a)）在毛细胞中特异性表达光敏感通道蛋白CoChR；搭建了配备振镜的激光扫描系统，可精确定位并刺激幼虫体表的单个或多个神经丘（光斑直径约18微米）；使用单物镜光片显微镜（SCAPE）在刺激神经丘的同时，对幼虫大脑进行高速、高分辨率的体积成像；最后，通过先进的图像处理算法（如CNMF）提取神经元活动信号，并将活动神经元注册到斑马鱼全脑图谱（MapZeBrain atlas）上进行空间定位分析。

单个神经丘光遗传学刺激

研究人员首先建立了稳定可靠的实验平台。他们设计的双光学系统可以互不干扰地同时进行脑部成像和躯干神经丘的光遗传学刺激。通过表达CoChR-GFP并利用FM4-64染料标记神经丘，他们能够精确地靶向刺激单个神经丘，甚至几乎同时刺激多个神经丘的组合，且对邻近目标的影响可忽略不计。大脑中的神经元对超过特定功率阈值的神经丘刺激表现出可靠的反应，证明了该方法的有效性。

单个神经丘刺激期间神经元反应的组织

通过系统性地刺激幼虫一侧的单个神经丘，研究人员发现响应神经元主要集中在对侧的内侧八裂体核（MON），反应具有高度的侧化性。尽管神经丘沿身体前-后轴线性排列，但在MON中响应不同神经丘的神经元并未显示出精细的拓扑图谱结构。然而，对空间分布的分析揭示，对躯干神经丘（包括AP轴和DV轴）响应的神经元与对末端神经丘响应的神经元在MON中的分布存在全局性差异，后者分布更广。在局部尺度上，对相同躯干神经丘响应的神经元倾向于在10-20微米的距离内聚集，表明存在一定的局部组织。

神经元对单个神经丘刺激的选择性

尽管缺乏精细拓扑图，神经丘的身份仍可能通过神经元的选择性模式来编码。研究发现，大脑中既存在只对单个神经丘响应的“单一选择性”神经元，也存在对多个神经丘响应的“混合选择性”神经元。重要的是，混合选择性并非随机出现，神经元更可能整合来自空间上邻近的神经丘的输入，这种选择性模式遵循了鱼体的前-后轴，表明神经丘的编码具有空间对应关系。

神经元群体对单个神经丘刺激的线性可解码性

研究人员利用线性支持向量机（SVM）分类器，基于二值化的神经元群体活动，能够以高达90%的准确率在单次试验中解码出被刺激的神经丘身份。对解码器权重的分析表明，神经丘身份的编码依赖于稀疏的神经元集群（高群体稀疏度），且大多数参与解码的神经元表现出单一选择性（高生命周期稀疏度）。这些稀疏且分离的神经元集群主要位于MON，是实现高效模式分离的基础。

神经元群体对组合神经丘刺激的线性可解码性

为了探究更复杂的刺激如何被编码，研究团队进一步刺激了神经丘对和三联体。主成分分析（PCA）显示，不同组合刺激所引发的神经元群体活动轨迹在低维空间中清晰分离。线性解码器能够以高准确度区分这些组合刺激，尽管随着组合复杂性的增加，解码准确度略有下降。解码过程同样依赖于MON中稀疏且可分离的神经元集群，并且解码更复杂的刺激需要招募更多非零权重的神经元。

神经丘输入的非线性整合

研究假设MON中的神经元集群可能通过非线性方式整合简单的神经丘输入，从而独特地表征组合输入。实验结果表明，当同时刺激多个神经丘时，神经元的激活概率和招募的神经元总数均显著增加。通过比较双神经丘刺激的实际群体反应与基于单神经丘反应的线性组合预测，研究人员发现群体反应存在显著的非线性成分，平均非线性角约为43.7度。这表明神经丘输入的整合是非线性的，并且群体中存在倾向于超线性整合和次线性整合的不同神经元亚群。

MON及下游感觉区域的去相关

当使用更多神经丘组合进行刺激时，研究人员成功招募了包括中脑的圆核（TS）、视顶盖（OT）和上髓质在内的更广泛脑区的神经元。通过比较不同脑区内神经元活动模式之间的相关性，他们发现MON和 cerebellum（小脑）中的群体活动表现出比其他区域（如pLL神经节、TS、OT和上髓质）更低的相关性。这表明MON是侧线系统中进行感觉输入去相关、从而实现模式分离的关键节点。经过模式分离的信息随后可能被分发到TS、OT和运动区域进行更高级别的处理或感觉-运动转换。

本研究通过光遗传学精准操控斑马鱼后侧线神经丘，结合全脑功能成像，深入揭示了侧线感觉信息在中枢神经系统的编码机制。研究发现，尽管二阶神经元缺乏精细的拓扑图谱，但通过神经元的选择性模式（单一选择性和遵循体轴的混合选择性）以及稀疏的群体编码，大脑能够高效地区分单个神经丘的输入。更重要的是，对于复杂的组合输入，MON通过非线性整合和显著的输入去相关，实现了有效的模式分离。这些特性，连同从相对少量的外周神经节神经元到大量中枢神经元的“扩展重编码”，使得侧线系统成为一个强大的感觉计算模型。该研究不仅为理解侧线系统的功能提供了新见解，更重要的是，它所建立的技术方法和分析框架为在全脑尺度上研究感觉信息处理的计算原理开辟了新途径，特别是在探索时间动力学、发育与再生过程中的可塑性、以及遗传或药理学扰动对神经编码的影响等方面具有巨大潜力。