无监督对齐揭示自然场景神经表征在个体与脑区间的结构共性与差异

本研究通过Gromov-Wasserstein最优传输(GWOT)框架，创新性地实现了跨个体神经表征的无监督对齐。团队利用小鼠Neuropixels记录和人类fMRI数据，首次发现相同视觉皮层区域在个体间具有可对齐的神经表征结构，而高阶视觉区域间存在超越视觉层级的结构相似性。该研究为理解神经表征的跨个体一致性提供了新范式，突破了传统表征相似性分析(RSA)依赖预设刺激对应的局限，相关成果发表于《iScience》。

　　

在认知神经科学领域，一个长期困扰研究者的问题是：不同个体的大脑如何构建相似的感官世界表征？传统研究采用表征相似性分析(RSA)方法，通过预设刺激对应关系来比较神经活动模式。然而这种方法存在根本性局限——它假设"苹果"在A大脑的神经表征必然对应B大脑中"苹果"的表征，这种强假设可能掩盖了神经表征的真实关系。东京大学的研究团队在Masafumi Oizumi带领下，通过发展基于Gromov-Wasserstein最优传输(GWOT)的无监督对齐方法，为这一难题提供了创新解决方案。

研究团队运用两种关键技术：一是GWOT算法，该方法仅依据神经表征的内部相似性结构寻找最优对应关系，不依赖外部刺激标签；二是多模态神经数据整合分析，包括处理来自Allen Brain Observatory的32只小鼠Neuropixels记录（涵盖视觉皮层6个区域、丘脑LGd和海马CA1），以及NSD数据集8名人类受试者7T-fMRI数据（覆盖V1-V3等9个脑区）。通过构建"伪个体"分组（小鼠16只/组，人类4人/组）提高统计效力，采用余弦距离（小鼠）和相关性距离（人类）量化表征差异。

在"小鼠神经表征的无监督对齐"部分，研究发现视觉皮层区域（VISp、VISrl等）的相似性结构在个体间高度一致，最优传输计划Γ^*呈现近对角矩阵（VISp匹配率达93.6%），表明相同刺激在个体间存在一对一映射。而丘脑LGd虽显示中等相关性（~0.4），却无法实现有效对齐（匹配率仅2.8%），提示其表征结构存在个体差异。跨区域分析揭示高阶视觉区（VISI、VISal等）间存在显著对齐性（匹配率>50%），但初级视觉区VISp与其他区域几乎无法对齐（匹配率0-3%），聚类分析进一步验证了这种区域特异性模式。

"人类神经表征的无监督对齐"部分显示，早期视觉区（V1-V3）在个体间可实现21%的刺激匹配，高阶区域（pVTC、aVTC等）更多呈现类别水平对齐（匹配率41%）。值得注意的是，场景相关区域RSC虽显示中等RSA相关性，却无法实现有效对齐（匹配率0.5%），与记忆相关区域MTL表现相似。跨区域比较发现，高阶区域间存在类别水平的结构相似性，而早期与高阶视觉区则表现出明显分离。

这项发表于《iScience》的研究具有多重重要意义：方法学上，GWOT框架突破了传统RSA的局限，能够识别神经表征间更精细的结构关系；理论上，揭示了视觉系统不同层级在跨个体一致性上的根本差异，特别是发现初级视觉区表征的"独特性"和高阶区域的"可对齐性"；临床应用上，为理解神经精神疾病的表征异常提供了新视角。研究还提出重要启示：神经表征的跨个体比较需要考虑不同映射可能性，简单的相关性分析可能掩盖复杂的结构关系。未来工作可扩展至跨模态比较（如行为-神经-计算模型），并探索个体水平对齐的可行性，这将为揭示意识的主观体验本质提供关键线索。