《神经元》期刊在线发表了题为《小鼠听皮层神经元群体结构动态变化实现感觉到范畴的转化》的研究论文，该研究由中国科学院脑科学与智能技术卓越创新中心/神经科学研究所、上海脑科学与类脑研究中心、神经科学国家重点实验室徐宁龙研究组完成，博士研究生辛宇为该论文第一作者。

　　该研究通过在头部固定小鼠中建立一套听觉相关的抉择行为任务，同时使用双光子成像技术记录清醒小鼠的听觉皮层第2/3层群体神经元的反应，解析了对感觉信息进行范畴化(categorization)的皮层神经元群体运算机制。负责该项目的研究人员对皮层大量神经元活动进行记录和统计分析，发现在听觉皮层中存在范畴抉择相关的单细胞反应，并且，听觉皮层神经元的信息编码会根据任务需要发生动态变化。这种神经编码的动态变化在群体水平有利于把连续的感觉信息转化为任务相关的范畴信息。研究人员通过对群体神经元活动的解码，也验证了任务态下听皮层神经元活动能够准确预测小鼠执行听觉范畴分类任务的表现。

　　为什么需要对感觉信息进行分类或范畴化?这是由于人们大脑接收到的来自客观世界的感觉信息纷繁复杂，而人们能够形成的概念和采取的行动则数目有限，为了形成有意义的认知来指导行为，大脑需要对这些信息进行高效的组织管理，而其中最基本的过程就是范畴化(categorization)，简单来讲，就是对外来刺激进行分类与定位，从而可以从外部信息中高效地抽提出最相关的信息，形成感知判断。例如，当接收到丰富多样的语音信息，大脑会把这些语音归类到属于不同的熟悉的人，或属于陌生人。当你接到一个电话时，即使因为环境干扰和电话通话噪声等因素而导致语音物理参数发生变化或扭曲，你仍然可以轻而易举识别出电话里的语音是否属于某一个熟人，或属于陌生人。这个过程就涉及到对声音信息的类别判断。另一个例子是关于人们对于色彩的认知。当看到彩虹时，尽管其中可见光的波长实际上是连续变化的，然而人们对于波长的物理数值难以形成感性认知或颜色概念，因此需要将连续的波长信息范畴化，将其定义为离散的七种颜色类别(红橙黄绿青蓝紫)，便于信息存储与交流。这说明感觉信息范畴化可以帮助大脑高效存储信息和形成认知。因此，认知心理学研究认为，范畴化是人们对外界形成感知并且做出行动的一个普遍而基本的过程。

　　大脑如何将复杂而又连续的刺激信息范畴化呢?这里面的神经生物学机制是什么?对于这些问题的解答将使人们对脑认知功能的生物学基础和神经计算原理有更深入的理解。事实上，神经科学家早已意识到这个问题的重要性。美国麻省理工学院(MIT)的著名神经科学家Earl Miller的实验室早在2001年就在Science发表论文，提出猕猴前额叶可以产生视觉信息分类相关的神经活动。该论文的第一作者David Freedman后来(2006年)又在Nature发表论文，提出在后顶叶皮层也有编码视觉分类的神经活动。这些研究开启了信息分类和感知觉范畴化神经机制研究的新领域。但是这些研究中所发现的与感知类别相对应的神经活动，更多地代表神经运算的结果，而感觉信息怎样被转化为离散的类别信息的神经运算过程却并不清楚。

　　为了探索这个问题，脑智卓越中心的研究人员在小鼠中建立了一个基于听觉的分类抉择行为范式，经过训练，小鼠可以将不同频率的纯音归类到“高音”或“低音”范畴。同时研究人员结合活体双光子成像技术，在动物执行任务的同时对听觉皮层群体神经元活动进行大规模记录，并结合进一步的定量分析，从而研究了大脑皮层的神经元如何通过动态编码将感觉信息转化为类别信息的机制。研究的具体过程是，清醒小鼠在头部固定的情况下被放置在隔音箱内，经过训练它们可以将连续的单一频率声音(6种或者8种)按照设定的类别边界划分成两种类别：低频组或者是高频组，一般小鼠在经过一周的训练后可以达到80%以上的正确率(图A和图B)。随后，开始双光子成像的实验(图C)。对于这些小鼠，研究人员事先在听皮层神经元中利用微量病毒注射的方法表达钙指示剂GCaMP6s蛋白，并埋置长期成像窗口，从而实现对于群体神经元活动的长期稳定记录。

　　他们的研究发现，在单细胞水平，除了编码声音频率信息的神经元活动之外，在小鼠执行声音分类任务中，出现了两种与分类相关的神经活动。其中一类的神经元表现出对声音类别的特异性反应，类似于前人在前额叶和后顶叶等下游脑区发现的类别相关的神经元。例如图D中的神经元只对于低频类别声音有反应，而对于高频类别几乎没有反应。另外一类神经元则表现出对于类别边界频率声音的选择性反应(图E)，而这种声音选择性反应在被动听声音的情况下并不存在，因此是一种任务依赖的动态调整。在群体神经元水平上，他们发现，相对于静息状态的被动刺激，任务态下听皮层对于相同声音的编码在群体构成上出现了动态调整(图F)。进一步通过对群体神经元活动的解码，发现这种动态调整使得听皮层神经元活动能够准确可靠地预测动物的行为任务(图G - H)。因此，该项工作揭示听觉皮层神经元群体可以根据分类任务的需要，动态调整信息编码特性，形成利于提高分类边界分辨能力的群体编码结构，从而提出了感知分类的一个新的神经运算机制。这一成果对于感觉皮层在认知过程中的信息处理机制提出了新的理解和预期，并且可能有助于启发人工智能算法设计的新思路。