编辑推荐：
在大脑如何整合预测与感觉输入这一难题上，研究人员开展 “不确定性估计与预测误差电路” 主题研究。他们发现预测误差（PE）神经元可估算感觉和预测的不确定性，神经调节因子能影响输入权重，还解释了收缩偏差现象，为理解大脑信息处理机制提供了新视角。
大脑在处理信息时，常常面临一个棘手的问题：如何将来自外界的感觉输入与内部的预测信息进行整合？想象一下，你走在一条昏暗的小巷里，周围的光线很暗，视觉信息变得模糊不清，此时大脑是应该更依赖当前模糊的视觉输入，还是依据之前对类似场景的经验预测呢？这个问题一直困扰着神经科学领域的研究者们。在过去的研究中，虽然有贝叶斯多感觉整合理论，认为大脑会根据信息的可靠性来加权不同输入，但对于大脑如何在电路层面计算感觉输入和预测的方差，也就是不确定性，仍然知之甚少。为了解开这个谜团，来自德国柏林工业大学（TU Berlin）、瑞士伯尔尼大学（University of Bern）和英国帝国理工学院（Imperial College London）的研究人员开展了深入研究，相关成果发表在《Nature Communications》上。
研究人员采用了多种技术方法来开展此项研究。他们构建了基于速率的平均场网络模型，通过设定不同神经元的连接方式和动力学方程，模拟大脑神经元的活动。在模拟过程中，运用数值积分的方法求解微分方程，以此观察网络在不同输入情况下的响应。同时，通过改变输入参数，如刺激的均值、方差以及环境的波动性等，探究网络对不同情况的处理机制。
研究结果主要分为以下几个方面：
- 不确定性估计的电路模型：研究人员假设负向预测误差（nPE）和正向预测误差（pPE）神经元独特的响应模式可用于估计感觉刺激的均值和方差。通过构建包含多种神经元的网络模型，发现 nPE 和 pPE 神经元能依据感觉输入与预测的差异调整活动。当感觉输入比预测弱时，nPE 神经元活动增强；反之，pPE 神经元活动增强。在模拟实验中，给网络输入一系列来自均匀分布的阶跃常量输入，结果显示记忆神经元（M 神经元）的活动逐渐接近感觉输入的均值，而方差神经元（V 神经元）的活动则接近输入的方差。这表明 nPE 和 pPE 神经元确实可以作为估计感觉刺激均值和方差的基础。
- 估计感觉输入和预测的不确定性需要层次化的 PE 电路：依据贝叶斯多感觉整合理论，对感觉刺激和预测进行加权需要知道它们的不确定性。研究人员在原有网络模型基础上增加了一个更高层次的 PE 电路，该电路接收来自低层次 PE 电路记忆神经元的前馈突触输入。实验中，网络接收在两个不同时间尺度上变化的输入序列。结果表明，在低刺激不确定性、高试验间不确定性的情况下，网络更依赖感觉输入；而在高刺激不确定性、低试验间不确定性时，网络则更依赖预测。此外，研究还发现预测在新试验开始时的权重通常比稳定状态时更高，并且记忆神经元整合新信息的有效时间尺度会影响输入的加权。
- 神经调节因子对感觉输入和预测加权的影响：大脑中的神经调节因子众多，它们可通过影响抑制性神经元来改变神经网络的活动。研究人员模拟神经调节因子的作用，向不同类型的抑制性中间神经元注入额外的兴奋性输入。结果发现，增加小白蛋白（PV）神经元的活动会使网络输出偏向预测；增加血管活性肠肽（VIP）神经元的活动会使网络对感觉输入和预测的加权更均衡；生长抑素（SOM）神经元活动的影响则因网络和激活强度而异。进一步研究发现，这些影响是通过改变 PE 神经元的基线和增益实现的。
- 用感觉输入和预测的加权解释收缩偏差：研究人员假设感觉输入和预测的加权整合在日常行为中表现为收缩偏差，即对分布低端的感觉刺激高估，对高端的低估。通过模拟网络输出，他们发现收缩偏差与刺激不确定性和试验持续时间有关。刺激不确定性增加时，偏差增大；试验持续时间延长，偏差减小。
研究结论表明，PE 神经元可作为估计感觉输入和预测不确定性的基础，通过构建层次化的 PE 电路，能够实现对感觉输入和预测的动态加权。神经调节因子可通过影响 PE 神经元来改变加权，进而影响大脑对感觉信息和预测的整合。此外，这种加权整合与收缩偏差现象相关，为理解大脑的感知偏差提供了新的视角。该研究为揭示大脑如何整合不可靠的前馈和反馈信号提供了重要线索，有助于深入理解大脑信息处理的机制，对神经科学领域的发展具有重要意义。同时，也为进一步研究神经精神疾病，如自闭症和精神分裂症等，提供了理论基础，这些疾病可能与感觉输入和预测的病理加权有关。未来，或许可以基于这些研究成果开发新的治疗方法或干预策略，改善患者的症状。
