news 2026/10/31 2:06:46

Nature 子刊丨记的东西越多,脑区间的“涟漪”越同步——工作记忆研究

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Nature 子刊丨记的东西越多,脑区间的“涟漪”越同步——工作记忆研究

Nature 子刊丨记的东西越多,脑区间的“涟漪”越同步——工作记忆研究

基本信息

  • Title:Cross-region neuron co-firing mediated by ripple oscillations supports distributed working memory representations
  • 发表时间:2026 年 10 月 01 日
  • 发表期刊:Nature Neuroscience
  • 影响因子:20.3(2025 年度,JCR Q1)
  • 研究方法:颅内微丝电极同时记录局部场电位与单神经元放电,结合 Sternberg 工作记忆任务
  • 参与被试:35 名药物难治性癫痫患者(14 男 21 女,20–67 岁),共 43 次记录会话

先做一个小实验:默记一个陌生车牌号,坚持五秒。这几秒里,你脑中相距很远的多个脑区正在一起维持这条信息。它们靠什么对上节奏?这项研究盯上了一种叫“涟漪”(ripple) 的脑电事件,也就是局部脑组织记录到的约 90 Hz 高频振荡。研究者发现,当两个远处脑区同时出现涟漪,它们的神经元放电会更同步,而且这种同步不随距离衰减。

研究背景

此前已有报道,涟漪共现与邻近的人类皮层神经元活动的时间绑定增强相关。但有两个问题悬而未决:共涟漪对神经元耦合的促进,是否真的支持认知加工?这种现象是否发生在更远的脑区之间?

涟漪究竟是在全脑尺度上协调神经放电,还是只在局部起作用?涟漪介导的共放电会不会随认知需求系统性变化——随任务难度缩放、携带刺激特异性信息、预测行为表现——也还没有答案。

实验方法

研究在35 名药物难治性癫痫患者中进行。这些患者因临床监测需要植入 Behnke–Fried 微丝电极,研究者借此同时记录颅内局部场电位与单神经元放电,共分离出1,373 个单神经元。

记录覆盖五个脑区:海马(hippocampus)、杏仁核(amygdala)、腹内侧前额叶皮层(vmPFC)、前扣带回皮层(ACC)与辅助运动前区(preSMA)。

任务为改良 Sternberg 工作记忆范式:被试先看 1 张或 3 张图片,经短暂维持期后,判断探针图片是否在本组编码图片之中。

核心发现

一、五个脑区都检测到特征相似的涟漪,任务期涟漪率全面升高

海马、杏仁核、腹内侧前额叶皮层、前扣带回皮层与辅助运动前区都记录到约 90 Hz 的涟漪,特征彼此相似。

与试前基线相比,编码、维持、提取三个任务期的涟漪率都升高:编码期全脑区平均 +13%,维持期 +10%;提取期调制最强,辅助运动前区达 +36%。

单神经元放电呈对涟漪的节律性相位锁定,说明检测到的是真实的振荡性协调事件。


图注:微丝电极在五个脑区的分布、Sternberg 工作记忆任务流程,以及各脑区检测到的涟漪特征。k 面板显示:两个脑区的涟漪重叠(共涟漪)时,分属两区的神经元共放电明显升高。(图源:原文 Figure 1)


图注:各脑区涟漪率与单神经元放电率随任务阶段的变化:编码、维持、提取三期都较基线升高;提取期快反应试次的涟漪率升高更明显(黄色条为统计显著时段)。(图源:原文 Figure 2)

二、共涟漪期跨区域神经元共放电增加约三成,且不随距离衰减

当两个脑区的涟漪在时间上重叠(共涟漪),分属两区的神经元更容易在同一瞬间放电,中位增幅约 34%(见 Figure 1k),杏仁核-皮层、海马-皮层、杏仁核-海马、同侧与跨半球皮层对五种连接类型都显著。

更意外的是,这种增强随纤维束距离不降反略有增加,最远 220 mm仍有效应;跨半球与同半球的涟漪共现率几乎相同。

作者用放电率校正的对照分析确认,共涟漪增强的是超出兴奋性升高本身的时间协调。

三、共涟漪随记忆负载缩放,且效应特异于涟漪频段

记忆负载从 1 张图升到 3 张图,共涟漪率随之升高:维持期所有区域对平均 +2%,提取期 +6%;提取期增幅最大的是海马-辅助运动前区(+18%)与腹内侧前额叶皮层-海马(+17%)。

对照分析显示,这种负载调制在涟漪频段最明显:提取期 15 个位点对中 12 对显著,低 γ 只有 2 对,非振荡性极高 γ 为 0 对;跨区域的振幅包络相关也不呈这种负载依赖。

也就是说,负载效应落在离散的涟漪事件上,而不是高频功率的一般属性。


图注:记忆负载从 1 张图升到 3 张图,跨脑区涟漪共现率随之升高;b 为四个脑区同时检测到涟漪的原始信号示例;c–d 显示这种负载调制在涟漪频段最明显。(图源:原文 Figure 3)

四、任务期的跨区域共放电增强几乎都发生在共涟漪期

把共放电按“共涟漪期、全时段、无涟漪期”拆开看:共涟漪期较基线在编码 +28%、维持 +29%、提取 +24%;无涟漪期几乎没变化甚至略降(维持 −3%、提取 −4%)。

负载 3 较负载 1 的共放电增强也集中在共涟漪期(维持 +13%、提取 +19%)。任务带来的共放电增强,主要出现在共涟漪窗口之内。


图注:各任务阶段跨脑区共放电率按“共涟漪期、全时段、无涟漪期”拆分对比:增强几乎都出现在共涟漪窗口内,无涟漪期与基线接近。(图源:原文 Figure 4)


图注:高负载较低负载时共放电的增幅按有无共涟漪拆分:增幅集中在共涟漪期,且多数脑区对达到统计显著(颜色越暖越显著)。(图源:原文 Figure 5)

五、共涟漪期内编码期的放电模式在提取期重现,重现与更快反应相关

编码某张图片时出现的跨区域共放电,会不会在提取同一张图时重演?这种刺激特异性的模式重现率在共涟漪期(0.29%)约为无涟漪期(0.14%)的两倍,海马-皮层对与杏仁核-皮层对最突出。

在高负载试验中,快反应试次的共涟漪期重现率高于慢反应试次(0.36% 对 0.23%);重现事件在时间上也聚集于共涟漪中心附近。

此外,提取期海马涟漪的起始早于杏仁核,快反应试次的涟漪率也更高。作者据此提出,共涟漪为编码特异性放电模式的重复提供了时间窗口,且这种重现与更高效的提取相关。


图注:编码某张图片时出现的跨脑区共放电,会在提取同一图片时重现;这种重现更多发生在共涟漪期,且快反应试次高于慢反应试次(小提琴图为打乱试次的零分布)。(图源:原文 Figure 6)

总结

作者结论:共涟漪伴随神经元兴奋性升高,而且编码期特异的共放电模式会在提取期重现,这种重现与更快的行为反应相关;效应随认知需求缩放,跨全脑距离也无明显衰减。作者由此把涟漪振荡视为在认知过程中协调远距离人脑区间刺激特异性放电的一种可能机制。

局限方面,作者说明了两点:① 电极位置完全由临床需要决定,区域覆盖不均,无法系统检验后顶叶皮层等区域;② 研究仅限 Sternberg 任务且负载只有 1 对 3 两种,涟漪协调是否为一般性认知机制,还需更多范式与更广难度范围的研究。

这项研究只测了 1 对 3 两种记忆负载,涟漪协调是不是各种认知任务通用的机制,还没有定论。如果让你这个课题负责人,下一步你会怎么做?


关于我们

👋 你好,这里是「Brain博览记」,专注脑科学的科研团队。

每天看文献、做研究、处理数据,分享我们的所见所学。

🧠 聚焦脑科学、心理学、神经科学、脑机接口,追踪大脑、认知与行为研究的重要进展。

📚「文献解读」——精选“脑科学”前沿文章,从研究背景、实验设计到结果与启示,带你真正读懂一篇好文章

⚡「每日速览」——捕捉最新24小时前沿文献,提炼核心发现与研究亮点,每日更新。

🔬「脑科学知识库」——持续更新最新文献,直接加入你的“AI知识库”。

🔬 持续关注认知、情绪、记忆、注意、决策、脑影像、计算建模及神经精神疾病等研究方向

愿我们一起连接脑科学,洞见认知未来。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/10/31 2:06:27

AI眼镜激光焊接效果怎么核实 四个外观口径

AI眼镜激光焊接效果怎么核实 四个外观口径这篇文章讲的是AI眼镜类消费电子外观件的焊接效果核实方法:按外观面飞溅与黑化、多点位焊缝一致性、变形与配合精度、批次稳定性四个口径逐项核对,为外观件焊接项目的供应商评估提供一份可查证的记录清单。所谓A…

作者头像 李华
网站建设 2026/10/31 2:05:54

AI 数字员工群搭建技术方案与踩坑记录

1. 背景与目标 多服务功能改造引发的跨服务协作问题,催生了「数字员工群」飞书群(2026-09-15 创建,chat_id:oc_ebe1******)。 09-16 初版的定位是跨服务知识共享中枢:Agent 遇到不熟悉的服务时在群里按协议提问,由熟悉该服务的 Agent 回答。经过一个半月演进,定位已升…

作者头像 李华
网站建设 2026/10/31 2:05:26

如何判断翻译工具的质量适不适合企业?从试译到项目交付的7个判断维度

本文资料核对时间为 2026 年 10 月 27 日。内容依据各产品官方页面、官方文档产品资料整理。本文讨论的是评估方法、产品功能与适用场景,不是使用同一批文件完成的性能排名。产品能力会随版本、套餐和部署方式变化,正式选型前仍需使用企业真实文件验证。…

作者头像 李华
网站建设 2026/10/31 2:05:18

RAG大模型学习指南:从入门到精通,小白也能轻松掌握(收藏版)

本文详细介绍了RAG(检索增强生成)技术的背景、挑战、通用范式、工程实践和优化策略。RAG通过结合检索和生成模型,为问答、文本摘要和生成任务提供全新解决方案。文章涵盖了Naive RAG、Advanced RAG和Modular RAG三种范式,并深入探…

作者头像 李华
网站建设 2026/10/31 2:05:13

微信小程序实战:用 wx.onAccelerometerChange 做一个摇一摇变脸游戏

一、案例背景与目标在微信小程序开发中,设备能力是小程序区别于普通网页的重要特性之一。加速计(Accelerometer)就是其中非常典型的一个:它可以让小程序感知手机的晃动、倾斜等动作,从而实现摇一摇、计步、体感游戏等交…

作者头像 李华