A hierarchical coordinate system for sequence memory inhuman entorhinal cortex

人類內(nèi)嗅皮層中序列記憶的層級坐標系統(tǒng)

https://www.biorxiv.org/content/10.1101/2024.10.30.620612.abstract

《A hierarchical coordinate system for sequence memory in human entorhinal cortex》閱讀推薦概述：

推薦理由：

這篇論文提出了人類內(nèi)嗅皮層（entorhinal cortex）中存在一個層級式坐標系統(tǒng)（hierarchical coordinate system），用于支持序列記憶（sequence memory）。它不僅揭示了空間導(dǎo)航中坐標系統(tǒng)的記憶功能擴展，也為我們理解人腦如何編碼事件順序提供了神經(jīng)基礎(chǔ)。

核心概述：

1. 研究發(fā)現(xiàn)：

• 內(nèi)嗅皮層不僅用于空間導(dǎo)航，也參與了非空間信息（如事件序列）的組織和記憶。

• 實驗表明，人在記憶項目順序時，內(nèi)嗅皮層展示出特定模式，類似網(wǎng)格細胞對空間坐標的響應(yīng)。

坐標系統(tǒng)特點：

• 表現(xiàn)出層級性（hierarchical）：同時處理短程與長程序列關(guān)系。

• 存在抽象編碼機制：不僅限于具體感知輸入，也能推廣至新情境中的新序列。

方法亮點：

• 使用 fMRI 等手段監(jiān)測人類在執(zhí)行順序記憶任務(wù)時的大腦活動；

• 利用多維模式分析（MVPA）揭示內(nèi)嗅皮層中的序列坐標模式。

• 若你對海馬-內(nèi)嗅系統(tǒng)的認知功能、序列學(xué)習(xí)與記憶的神經(jīng)機制、或人類類比空間-時間表征機制感興趣，這篇文章是非常值得細讀的。

• 搭配閱讀論文如《Grid-like code for ordered memories》（Bellmund et al.）和《Time cells in the hippocampus》（Eichenbaum et al.）將幫助更好地理解時間/序列編碼的系統(tǒng)性框架。

摘要

嚙齒動物內(nèi)嗅皮層（EC）中的網(wǎng)格細胞支持一個用于空間的坐標系統(tǒng)，使空間記憶和行為具有強大的靈活性。這個坐標系統(tǒng)是抽象的——相同的網(wǎng)格細胞在不同的感覺環(huán)境中編碼位置；它也是層級化的——具有更大空間尺度的網(wǎng)格模塊位于內(nèi)嗅皮層越來越腹側(cè)的位置。最近的理論認為，類似的抽象坐標系統(tǒng)可以為一般記憶提供同樣的優(yōu)勢，而這些記憶并不局限于從二維表面提取的序列。在這里，我們展示了一個人類內(nèi)側(cè)顳葉（MTL）中支持任意序列的抽象層級坐標系統(tǒng)。通過MTL的單細胞記錄，我們發(fā)現(xiàn)了簡單序列記憶任務(wù)中類似坐標的抽象編碼。在一項涉及更復(fù)雜層級序列的fMRI實驗中，我們在內(nèi)嗅皮層中發(fā)現(xiàn)了一個抽象的層級表征：不同層級的坐標表征沿著內(nèi)嗅皮層的前后軸排列，形成了一個解剖梯度，這與嚙齒動物中的腹背軸同源。因此，這些結(jié)果反映了嚙齒動物內(nèi)嗅皮層中網(wǎng)格細胞的解剖梯度，但現(xiàn)在擴展到了任意的非空間序列?？偟膩碚f，這些發(fā)現(xiàn)表明，記憶是基于一個層級坐標系統(tǒng)構(gòu)建的，利用了跨領(lǐng)域和物種的共同神經(jīng)編碼原則，并與保存的解剖結(jié)構(gòu)對齊。

在數(shù)學(xué)、物理或地理等領(lǐng)域，坐標系統(tǒng)是一種用于確定物體位置的工具。為了有用，一個坐標系統(tǒng)應(yīng)具備以下兩個特征：1）高效性：能夠有效地壓縮位置信息；2）通用性：適用于不同的情境。在空間神經(jīng)科學(xué)這一被廣泛研究的領(lǐng)域中，研究表明大腦構(gòu)建了一個神經(jīng)坐標系統(tǒng)來確定個體在物理空間中的位置：內(nèi)嗅皮層中的網(wǎng)格細胞，當動物在二維空間中移動時，這些細胞會在規(guī)則的三角形格點上活躍。網(wǎng)格細胞被組織成離散的、分層次的模塊，具有不同的尺度和空間頻率。從這些模塊中讀取的信息可以結(jié)合在一起，以高效地編碼當前位置，并支持諸如到達目標的最短路徑等推斷。此外，網(wǎng)格細胞的編碼也具有通用性：它抽象了空間環(huán)境的感覺特性。最近的研究表明，網(wǎng)格細胞還能編碼非空間和抽象的二維空間，這引發(fā)了這樣的可能性：相同的神經(jīng)系統(tǒng)可能作為多個二維領(lǐng)域的坐標系統(tǒng)發(fā)揮作用。

在這里，我們試圖測試是否存在類似的神經(jīng)坐標系統(tǒng)，用于更廣泛的、不局限于二維平面的非空間序列。這樣的坐標系統(tǒng)可以作為非空間記憶的框架。例如，在“早餐-午餐-晚餐”這一序列中，序列中的位置可以被視為“一天的階段”坐標，為編碼和檢索記憶提供有用的參考。使用坐標對這一序列進行編碼需要一種通用的代碼：所有的早餐都有共同點，這種抽象可以在新情境中幫助行為。重要的是，序列通常具有嵌套的層級結(jié)構(gòu)，不同層級對應(yīng)不同的尺度或時間頻率。這使得在一個多坐標系統(tǒng)中可以實現(xiàn)高效的因子化描述，類似于物理空間中的網(wǎng)格模塊。例如，考慮層級結(jié)構(gòu)“一天的階段-天-周-月-年”，其中每一層級都由前一層級的序列組成。你可能記得第一批宇航員于1969年踏上月球，但不記得他們是在7月完成的。相反，你可能會回想起自己在意大利度假的情景，并確信自己是在8月旅行的，但記不清是哪一年。利用坐標系統(tǒng)表示這樣的層級結(jié)構(gòu)，可以通過序列中的結(jié)構(gòu)來有效地編碼和存儲記憶。

我們首先通過記錄執(zhí)行簡單序列記憶任務(wù)的患者內(nèi)側(cè)顳葉（MTL）中的神經(jīng)元活動，測試了任務(wù)階段的單一坐標表征。然后，我們使用功能性磁共振成像（fMRI）探索了一種因子化的、多坐標的通用層級序列表征，該表征可作為記憶的框架。我們假設(shè)，在內(nèi)嗅皮層（EC）中，這種表征將具有與EC的空間坐標系統(tǒng)（即網(wǎng)格細胞）相似的解剖學(xué)特征。

人類內(nèi)側(cè)顳葉（MTL）中任務(wù)階段坐標的表現(xiàn)

在具有重復(fù)結(jié)構(gòu)的任務(wù)中，了解自己在當前任務(wù)中的位置尤其有用——這在實驗室中具有相同結(jié)構(gòu)試驗的任務(wù)中很常見。為了測試人類內(nèi)側(cè)顳葉是否在這種任務(wù)中編碼了“任務(wù)階段坐標”表征，我們記錄了癲癇患者在執(zhí)行一個具有重復(fù)序列結(jié)構(gòu)的記憶任務(wù)時海馬體（92個神經(jīng)元）和內(nèi)嗅皮層（75個神經(jīng)元）的細胞活動。在每次試驗中，患者被依次展示四張圖片，在延遲3秒后，被要求報告其中一張圖片的序列位置（圖1a）。重要的是，盡管每次試驗使用相同的四張圖片，但它們的順序在不同試驗中是隨機化的（圖1b）。

神經(jīng)群體軌跡的可視化結(jié)果強烈表明，任務(wù)階段坐標得到了表征，因為不同任務(wù)階段（啟動、刺激1、刺激2、刺激3、刺激4、延遲、問題、反饋）的活動在神經(jīng)空間中分離（圖1c）。實際上，通過使用貝葉斯解碼器，我們可以從群體活動中以極高的準確性解碼每個任務(wù)階段（圖1d，正確標簽的平均后驗概率 > 0.998）。這種表征也存在于單個神經(jīng)元層面：單因素方差分析顯示，內(nèi)側(cè)顳葉中的大多數(shù)細胞（海馬體：77%，內(nèi)嗅皮層：88%，圖1g）對任務(wù)階段具有選擇性（見圖1e、f中的示例細胞以及圖S1.1、S1.2）?？偟膩碚f，這些結(jié)果表明，內(nèi)側(cè)顳葉中的神經(jīng)元廣泛地表征了任務(wù)的不同階段——在整個群體中，它們可以編碼任務(wù)的結(jié)構(gòu)。然而，需要注意的是，這種表征不一定是抽象的，因為這些分析部分受到感官體驗的混淆影響（例如，在所有試驗的啟動或延遲期間共同的視覺體驗，以及在反饋期間共同的聽覺體驗）。

人類內(nèi)側(cè)顳葉（MTL）中的坐標細胞抽象地編碼序列中的位置

接下來，我們探討了MTL的坐標細胞是否能夠抽象出試驗的感覺特性。為了以受控的方式測試這一點，我們專注于編碼期間圖片呈現(xiàn)的時間段（stim1-stim4），我們的實驗設(shè)計確保不存在視覺混淆因素。例如，“抽象坐標細胞”會在第三位置放電，而與所展示的圖片無關(guān)。一個包含兩個因素（位置和圖片）的雙因素方差分析顯示，在大約一半記錄的MTL神經(jīng)元中，位置具有顯著的主效應(yīng)（圖1m，海馬體：僅位置40%，僅圖片7%，兩者均有13%；內(nèi)嗅皮層：僅位置36%，僅圖片5%，兩者均有11%，見圖1g-l及圖S1.1、S1.2中的示例細胞）。有趣的是，盡管感官圖片代碼（如預(yù)期）在圖片呈現(xiàn)后短暫存在（圖1n中的藍線，置換檢驗p<0.05，通過時間進行家族誤差校正：海馬體：0.1-0.69秒，內(nèi)嗅皮層：0.13-0.74秒），但抽象位置代碼在刺激呈現(xiàn)之前和之后都存在（圖1n中的黃線，海馬體：0.01-1.2秒，內(nèi)嗅皮層：0.01-1.08秒）?？傊?，這些結(jié)果表明，在這個簡單的序列記憶任務(wù)中，人類MTL編碼了一種獨立于感官刺激的抽象坐標表征。

序列的層級結(jié)構(gòu)作為記憶行為的框架

我們的下一個目標是研究MTL的序列坐標系統(tǒng)是否可以擴展到具有層級序列結(jié)構(gòu)的記憶任務(wù)中，在這種任務(wù)中，高效的表征應(yīng)該包含多個坐標——每個層級對應(yīng)一個坐標。事實上，空間的神經(jīng)坐標系統(tǒng)（網(wǎng)格細胞）正是以這種層級形式組織的——網(wǎng)格細胞模塊（圖2a），它們以因子化的方式壓縮空間代碼（圖2b）。關(guān)鍵的是，這些模塊在嚙齒動物大腦中沿著腹側(cè)-背側(cè)梯度解剖學(xué)地排列，從大尺度（低頻）到小尺度（高頻）網(wǎng)格模塊不等（圖2d頂部）。

我們假設(shè)，用于記憶的層級序列將在人類內(nèi)嗅皮層（EC）中以類似的解剖學(xué)梯度組織的坐標系統(tǒng)表示（圖2c）。這樣的發(fā)現(xiàn)將支持最近的理論建議，即網(wǎng)格細胞是二維序列的緊湊抽象，并且類似的原則可能適用于從其他結(jié)構(gòu)形式中提取的序列。

由于人類MTL相對于嚙齒動物的傾斜，人類EC的梯度應(yīng)沿著前后軸（A-P）而非腹側(cè)-背側(cè)軸延伸（圖2d底部）。由于在人類患者中沿A-P軸獲取足夠細胞是不切實際的，我們使用了功能性磁共振成像（fMRI）。我們收集了兩個獨立的數(shù)據(jù)集（分別為26名和22名參與者，間隔多年獲?。?，并在兩個數(shù)據(jù)集中復(fù)制了所有結(jié)果。我們設(shè)計了一個任務(wù)，通過聽覺序列尋找序列坐標的層級組織。這包括讓參與者通過反復(fù)聆聽和測試兩天來學(xué)習(xí)兩個長度為113音符的聽覺序列（圖2e、f、g）。這些序列共享相同的嵌套層級結(jié)構(gòu)，包含4個層級——每個層級包含3或4個位置（圖2f、g及圖S2.1，方法部分）。因此，該序列中的任何特定（扁平的一維）位置都可以通過4個坐標精確定位，其中這里的坐標是層級中的某個位置（圖2h，右）。我們假設(shè)這些坐標將沿著內(nèi)嗅皮層的解剖學(xué)梯度表示，最粗略層級的坐標位于前部，最精細層級的坐標位于后部（圖2d）。然而，為了確保我們能夠在沒有時間自相關(guān)等偏差的情況下測量坐標表征，我們需要能夠以隨機順序呈現(xiàn)坐標。因此，我們無法在掃描儀中呈現(xiàn)實際的聽覺序列。相反，我們在每個序列中標記了8個位置，使用視覺圖像（圖2h）。為此，在聽覺序列學(xué)習(xí)的第三天，參與者在計算機顯示器上觀看了25次序列重復(fù)時出現(xiàn)在特定序列位置的8張圖片（圖2e、h）。這一程序賦予了16張圖片（每序列8張）各4個序列坐標（每層級一個）。在第四天，參與者又聽了10次帶有配對圖片的序列作為提醒，然后接受fMRI掃描，他們在掃描中以隨機順序觀看圖片，沒有任何聽覺提示（圖2e）。關(guān)鍵的是，這意味著所得的fMRI活動中的任何結(jié)構(gòu)只能是底層坐標表征的結(jié)果，而不是呈現(xiàn)順序的統(tǒng)計特性。為了保持注意力，參與者被要求在圖像形狀扭曲時作出反應(yīng)（6%干擾試次）。隨后的分析在內(nèi)嗅皮層中尋找圖像坐標的神經(jīng)表征。掃描后，參與者繪制了序列，將圖片放置在正確的位置（參見圖S2.2中的示例）。所有層級的準確性均顯著高于隨機水平（圖2j，t檢驗對比隨機水平：所有層級，兩個數(shù)據(jù)集p<0.001）。位移錯誤與層級表示而非扁平表示一致：最強的峰值對應(yīng)于誤解一張圖片的一個坐標，同時正確放置所有其他坐標（圖2i）。事實上，層級坐標空間中的距離比線性序列距離更能預(yù)測參與者的錯誤（多元回歸，數(shù)據(jù)集1 p<0.001，數(shù)據(jù)集2 p=0.02）。

人類內(nèi)嗅皮層中用于層級序列的坐標系統(tǒng)沿前后軸梯度組織

為了測試我們關(guān)于低頻到高頻沿內(nèi)嗅皮層（EC）前后軸梯度分布的假設(shè)，我們首先需要量化每個EC體素周圍4個層級的坐標表征。使用表征相似性分析（RSA），我們?yōu)槊總€層級構(gòu)建了一個假設(shè)相似性矩陣，該矩陣假設(shè)同一層級中相鄰坐標的神經(jīng)表征會更加相似。這導(dǎo)致了4個假設(shè)矩陣（圖3b）。對于每個層級，矩陣是16×16的，每個元素表示在該層級中一對圖像坐標的預(yù)測相似性。我們將這些矩陣用作多變量RSA搜索光分析中的回歸變量。數(shù)據(jù)矩陣在每個體素處是局部搜索光中16張圖像之間的體素響應(yīng)相關(guān)矩陣，從而生成每個體素一個16×16的數(shù)據(jù)矩陣。我們運行了4次獨立的回歸分析，在每個數(shù)據(jù)集中得到了4個t統(tǒng)計圖——每個層級一個（圖3c，方法部分）。

沒有任何體素在整個腦區(qū)比較中對任何層級顯著存活（可能是由于任務(wù)的被動性質(zhì)或假定對單個層級有反應(yīng)的皮層區(qū)域極?。?。然而，我們能夠?qū)ふ也煌瑢蛹壸鴺诵?yīng)在內(nèi)嗅皮層中的相對位置，并在獨立數(shù)據(jù)集中復(fù)制這些相對位置。事實上，對兩個獨立數(shù)據(jù)集的目視檢查表明，對于左內(nèi)嗅皮層，這些效應(yīng)如假設(shè)那樣沿前后軸從低頻到高頻排列（可視化見圖S3.1a）（圖3c：示例參與者，圖3e：數(shù)據(jù)集1，圖3f：數(shù)據(jù)集2，圖3g：兩個數(shù)據(jù)集合并）。

為了統(tǒng)計學(xué)上驗證這一梯度，我們首先提取了每個層級地圖的質(zhì)量中心（CoM）（在每個半球的EC內(nèi)掩碼），并將其投影到前后軸（A-P軸），從而得到每個參與者中每個層級的一個A-P位置（圖3d左，Yi）。我們的目標是測試這些投影的順序是否與假設(shè)的順序一致，并且在兩個數(shù)據(jù)集中均如此。我們通過計算有序A-P位置對之間的距離來量化順序，得到一個“有序性”指標（圖3d右）。該指標計算層級表征對之間A-P位置差值的總和（如果低頻層級位于高頻層級前方，則為正值，符合假設(shè)），并通過無符號距離進行歸一化。如果低頻層級比高頻層級更靠前，則該指標更正向。事實上，在兩個數(shù)據(jù)集中，該有序性指標對于不同的序列坐標組合均為正，這證實了我們的假設(shè)順序。

首先，我們僅對層級中的相鄰層級（例如層級1-2、2-3等）計算了有序性指標。確實，它們按照我們的假設(shè)排序（圖3h-j左，單側(cè)t檢驗：數(shù)據(jù)集1 p<0.001，數(shù)據(jù)集2 p<0.05，綜合p<0.001，補充表1）。包含所有層級對的有序性指標也為正（圖3h-j中，單側(cè)t檢驗：數(shù)據(jù)集1 p<0.001，數(shù)據(jù)集2 p<0.05，綜合p<0.001，補充表1）。這一指標顯著大于通過隨機打亂層級標簽創(chuàng)建的空分布（圖3h-j右，置換檢驗：數(shù)據(jù)集1 p<0.001，數(shù)據(jù)集2 p<0.05，綜合p<0.001，補充表1）。上述所有結(jié)果均報告在左側(cè)內(nèi)嗅皮層；我們在右側(cè)內(nèi)嗅皮層未發(fā)現(xiàn)梯度證據(jù)（圖S3.2，補充表2）。

除了在兩個獨立數(shù)據(jù)集中復(fù)制結(jié)果外，這些結(jié)果對我們的具體分析選擇也不敏感。當我們使用更保守的EC掩碼時，結(jié)果仍然成立（所有p<0.05，圖S3.3，補充表3），并且當使用離散而非連續(xù)的A-P順序測量時也成立（所有置換p<0.05，圖S3.4，補充表4）。此外，各層級坐標表征的位置在數(shù)據(jù)集中得到了復(fù)制。平均而言，當在一個數(shù)據(jù)集中某層級的質(zhì)量中心計算其t統(tǒng)計量時，其值高于在另一個數(shù)據(jù)集中其他層級質(zhì)量中心計算的值（p<0.01，圖S3.1b,c）。

內(nèi)嗅皮層（EC）的序列坐標系統(tǒng)抽象于感官刺激

到目前為止，我們已經(jīng)證明內(nèi)嗅皮層以一種高效的層級方式編碼了序列坐標系統(tǒng)，并且該坐標系統(tǒng)在解剖學(xué)上以類似于網(wǎng)格細胞模塊的方式組織——即內(nèi)嗅皮層用于物理空間的坐標系統(tǒng)。值得注意的是，網(wǎng)格表征也是抽象的——這是坐標系統(tǒng)的另一個重要特性：在一個網(wǎng)格模塊內(nèi)，網(wǎng)格細胞活動的協(xié)方差結(jié)構(gòu)在不同的空間環(huán)境中得以保持。換句話說，嵌入在網(wǎng)格細胞中的信息抽象了感官細節(jié)。為了測試我們的序列坐標是否也具有這一特性，我們重新進行了上述所有分析，但這次僅選擇假設(shè)矩陣中比較來自不同聽覺序列的圖像的部分（圖4b）。這意味著數(shù)據(jù)與坐標假設(shè)矩陣之間的任何相似性都不可能是因為序列特定的原因。然后，我們按照上述描述的相同程序進行分析（見圖3c-e中的組統(tǒng)計圖）。盡管分析的統(tǒng)計效能降低（僅使用了一半的假設(shè)相關(guān)性），所有置換檢驗均顯著（圖4f-h右，置換檢驗：數(shù)據(jù)集1 p<0.001，數(shù)據(jù)集2 p<0.05，綜合p<0.0001，補充表6），這表明存在一個抽象且通用的坐標系統(tǒng)。為了完整性，我們還測試了補充分析，僅使用序列內(nèi)的相似性矩陣元素。在這里，只有綜合數(shù)據(jù)集的置換檢驗顯著（圖S4.1綜合p<0.05，補充表7）。

理解經(jīng)驗的時間結(jié)構(gòu)是學(xué)習(xí)和記憶的一個關(guān)鍵方面。在這里，我們提出大腦通過一個抽象且高效的坐標系統(tǒng)來編碼這種結(jié)構(gòu)，并且該系統(tǒng)在不同領(lǐng)域之間共享表征原則。利用單細胞數(shù)據(jù)，我們首先表明，在具有重復(fù)結(jié)構(gòu)的任務(wù)中，內(nèi)側(cè)顳葉（MTL）編碼了一個與刺激無關(guān)的任務(wù)階段坐標。然后，我們通過功能性磁共振成像（fMRI）表明，在具有層級結(jié)構(gòu)的任務(wù)中，內(nèi)嗅皮層（EC）編碼了多個因子化的坐標，這些坐標根據(jù)其在層級中的位置沿內(nèi)嗅皮層的前后軸解剖學(xué)排列，這反映了空間任務(wù)中網(wǎng)格細胞模塊的組織方式。綜合來看，這些結(jié)果表明，類似坐標系統(tǒng)的表征可能是跨多種任務(wù)和領(lǐng)域的通用共享表征原則。

空間和時間的坐標系統(tǒng)在內(nèi)嗅皮層中已被充分確立。網(wǎng)格細胞以著名的抽象性跨越不同的空間環(huán)境，而時間細胞則獨立于感官輸入發(fā)揮時鐘功能。然而，我們的經(jīng)驗在空間和時間中的分布并不均衡，而是高度結(jié)構(gòu)化的。先前的研究表明，這些經(jīng)驗中的統(tǒng)計依賴性確實會影響人類內(nèi)嗅皮層的功能磁共振信號和細胞反應(yīng)，并提出了簡單空間序列的類似坐標表征。我們的研究表明，一般的非空間序列也被抽象為一個坐標系統(tǒng)，而且該坐標系統(tǒng)至少在層級結(jié)構(gòu)的情況下能夠高效壓縮經(jīng)驗結(jié)構(gòu)。

令人驚訝的是，這種層級壓縮與內(nèi)嗅皮層的解剖梯度完全按照網(wǎng)格細胞層級預(yù)測的方式對齊。這引發(fā)了一個問題：這兩種層級是否由相同的細胞編碼，或者是否存在跨領(lǐng)域的獨立抽象坐標系統(tǒng)？從我們的研究中無法得知這一點，而最近的理論研究為兩種可能性都提供了支持理由。構(gòu)建一個捕捉經(jīng)驗統(tǒng)計特性的定制坐標系統(tǒng)可以實現(xiàn)對未見事件的高效推斷和預(yù)測，并支持高效的記憶搜索。相比之下，在類似結(jié)構(gòu)的模型中，使用網(wǎng)格細胞本身作為任意非空間序列的坐標框架可以提供穩(wěn)定的記憶，這些記憶在容量限制下會優(yōu)雅地退化。驗證這些觀點可能需要在同一細胞中測量空間和結(jié)構(gòu)化非空間序列的表征。然而，無論哪種情況，我們的數(shù)據(jù)都表明內(nèi)嗅皮層的解剖層級在人類中存在，并將其經(jīng)典理解從二維空間序列擴展到了任意的經(jīng)驗序列。

方法

顱內(nèi)數(shù)據(jù)：參與者

顱內(nèi)記錄數(shù)據(jù)來自瑞士蘇黎世Klinik Lengg重癥監(jiān)測病房的6名藥物難治性癲癇患者。參與者的年齡范圍為29至56歲（平均值 = 38.6，標準差 = 11.6）。作為神經(jīng)外科癲癇治療評估的一部分，所有患者均在內(nèi)側(cè)顳葉植入了用于診斷目的的立體腦電圖（sEEG）深部電極。在實驗過程中未發(fā)生臨床癲癇發(fā)作。所有患者均提供了知情同意。所有參與者簽署了書面知情同意書，該研究得到了機構(gòu)倫理審查委員會的批準（PB 2016-02055）。所有參與者的視力正?；虺C正至正常。

顱內(nèi)數(shù)據(jù)：任務(wù)

患者需要記憶一個簡單的四圖片序列。每次試驗中展示相同的圖片，但其順序是隨機化的。每張圖片展示時間為1200毫秒，無刺激間間隔。序列呈現(xiàn)后有3秒的延遲時間。隨后，其中一張圖片被重新展示，患者需要回答它在序列中的位置（位置1、2、3或4）。在下一次試驗開始前，通過聽覺反饋告知患者的回答是否正確。每個會話包含50次試驗，大多數(shù)患者完成了多次任務(wù)會話（平均值 = 3.3，標準差 = 1.2）。

顱內(nèi)數(shù)據(jù)：記錄設(shè)置

深部電極（直徑1.3毫米，8個觸點，每個觸點長度1.6毫米，觸點中心間距為5毫米；Ad-Tech，Racine，WI，www.adtechmedical.com）通過立體定位技術(shù)植入杏仁核、海馬體和內(nèi)嗅皮層。在本研究中，我們僅關(guān)注來自內(nèi)嗅皮層和海馬體的記錄。每個宏電極配有九根微電極，這些微電極從其尖端突出約4毫米。微電極的數(shù)據(jù)通過ATLAS記錄系統(tǒng)以32 kHz的采樣頻率采集（通帶為0.5 Hz至5000 Hz，Neuralynx，博茲曼，MT，美國；www.neuralynx.com）。記錄設(shè)置詳見文獻32,33。我們使用Wave clus進行脈沖分類，并手動檢查結(jié)果以區(qū)分單細胞活動與噪聲。

任務(wù)結(jié)構(gòu)

為了探索人類海馬體形成中的神經(jīng)元是否編碼了任務(wù)的結(jié)構(gòu)，我們首先在神經(jīng)活動空間中可視化了一個完整試驗過程中平均的群體軌跡。我們以10毫秒為時間間隔計算每個單元的放電率，但在任務(wù)的啟動階段和提問階段除外。這些階段在不同試驗中的持續(xù)時間是可變的，因為它們僅在患者作出反應(yīng)時結(jié)束。為了對齊這些階段，我們在每次試驗中將它們劃分為固定數(shù)量的時間段：啟動階段分為50個時間段，提問階段分為150個時間段，因此時間段的大小可能因試驗而異。然后，我們對每個單元的放電率進行跨試驗平均，最終得到了一個NxT的活動矩陣，其中N是細胞數(shù)量，T是時間間隔的數(shù)量。我們進行了主成分分析，并將數(shù)據(jù)投影到前三個主成分上，從而得到了一個3xT的矩陣，該矩陣描述了降維后的神經(jīng)空間中的軌跡。在繪制軌跡之前，我們使用高斯核（通過Matlab的smoothdata函數(shù)）對軌跡進行了平滑處理，核寬度為25個時間間隔（250毫秒）（圖1c）。

由于不同的任務(wù)階段占據(jù)了神經(jīng)活動空間中的不同區(qū)域，我們預(yù)期任務(wù)階段可以通過其活動模式加以區(qū)分。為了驗證這一點，我們使用貝葉斯解碼器從群體放電率中解碼任務(wù)階段。我們通過計算任務(wù)階段的調(diào)諧曲線來實現(xiàn)這一點，方法是對所有奇數(shù)試驗中每個任務(wù)階段內(nèi)的放電率進行平均，然后根據(jù)偶數(shù)試驗中該階段內(nèi)的平均放電率計算每個階段的解碼后驗概率。接著，我們反過來重復(fù)這一過程，利用偶數(shù)試驗的平均調(diào)諧曲線解碼奇數(shù)試驗的任務(wù)階段。我們將這兩次重復(fù)的結(jié)果取平均值，然后繪制出每個任務(wù)階段的解碼后驗概率，基于每個任務(wù)階段的放電率（圖1d左）。為了計算解碼誤差，我們從解碼概率中減去單位矩陣（圖1d右）。我們還繪制了兩個示例細胞的光柵圖，并疊加了經(jīng)過高斯平滑處理（使用50個時間間隔的核）后的平均放電率，這兩個細胞表現(xiàn)出強烈任務(wù)結(jié)構(gòu)編碼（圖1e、f）。

序列位置

任務(wù)的刺激呈現(xiàn)階段提供了結(jié)構(gòu)與感官輸入之間最清晰的分離，因為在不同試驗中刺激在位置上是隨機化的。在每次試驗中，我們展示了相同的四個刺激，但順序是隨機的，因此可以分別識別對刺激身份和序列位置的反應(yīng)。對于每個刺激和每個序列位置，我們收集了該刺激出現(xiàn)在該位置的所有實例。對于每個神經(jīng)元，我們以10毫秒為時間間隔計算這些實例的平均放電率。然后，我們使用高斯核（通過Matlab的smoothdata函數(shù)）對放電率進行平滑處理，核寬度為30個時間間隔（300毫秒），從而得到每個神經(jīng)元在給定位置對特定刺激的時間響應(yīng)曲線（圖1h-k）。此外，為了更緊湊地表示相同的數(shù)據(jù)，我們首先對每次刺激-位置實例的時間平均放電率進行計算，然后對實例進行平均，從而得到一個4x4（位置×刺激）的平均放電率矩陣（圖1l）。

接著，我們探討了這兩個變量（即刺激身份和序列位置）是否顯著調(diào)節(jié)了單個神經(jīng)元的放電率。為此，我們對每次試驗中每個刺激呈現(xiàn)時的每個單元的放電率進行時間平均，得到一個4*K維向量（K為試驗次數(shù)），并對刺激身份和序列位置這兩個因素進行了雙因素方差分析。然后，我們統(tǒng)計了在任一或兩個變量上顯著的單元數(shù)量（圖1m）。最后，我們計算了整個神經(jīng)群體中刺激身份和序列位置的部分決定系數(shù)。我們從每個單元在每個時間點上的4*K維刺激響應(yīng)向量開始。然后，我們擬合了廣義線性模型，其中用三個回歸變量分別建模了刺激身份和序列位置的響應(yīng)。所有三個刺激回歸變量在呈現(xiàn)刺激1時取值為-1，而在呈現(xiàn)刺激2、3和4時分別取值為+1；類似地，所有位置回歸變量在位置1時取值為-1，在位置2、3和4時分別取值為+1。我們計算了包含刺激和位置回歸變量的完整模型以及缺少其中一個變量的部分模型的殘差平方和。部分決定系數(shù)由部分模型和完整模型的殘差平方和之差除以部分模型的殘差平方和得出。在為每個單元的每個時間點計算部分決定系數(shù)后，我們對單元進行平均，得到一條刺激身份曲線和一條序列位置曲線，并使用30個時間間隔的高斯核進行平滑處理（圖1n）。為了評估顯著性，我們重復(fù)了完全相同的程序，但對刺激位置和身份標簽進行了隨機打亂，并為每次排列構(gòu)建了一個時間最大部分決定系數(shù)的分布。顯著性水平由該分布的95%百分位數(shù)確定。

功能性磁共振成像實驗：參與者

我們進行了兩次功能性磁共振成像實驗，任務(wù)相同，但參與者的隊列獨立。每項研究有30名健康參與者（數(shù)據(jù)集1：30名參與者，年齡20–30歲，平均值 = 23.7，標準差 = 2.90；數(shù)據(jù)集2：30名參與者，年齡19–35歲，平均值 = 23.8，標準差 = 3.6）。我們排除了未達到實驗第二天訓(xùn)練標準的參與者（見下文對第二天訓(xùn)練標準的解釋；數(shù)據(jù)集1中排除了2名參與者，數(shù)據(jù)集2中排除了4名參與者）。然后，我們僅分析了第四天正確繪制聽覺序列結(jié)構(gòu)的參與者的數(shù)據(jù)（見下文對第四天測試標準的解釋；數(shù)據(jù)集1中排除了2名參與者，數(shù)據(jù)集2中排除了4名參與者）。因此，所有分析均基于數(shù)據(jù)集1中的26名參與者和數(shù)據(jù)集2中的22名參與者的數(shù)據(jù)。金錢補償為每小時功能性磁共振掃描15英鎊，掃描儀中的每次捕獲試驗額外獎勵20便士，行為任務(wù)每小時10英鎊。本研究獲得了當?shù)貍惱砦瘑T會的批準（倫理編號R43594/RE001）。每位參與者在實驗開始前簽署了知情同意書。

功能性磁共振成像實驗：聽覺序列設(shè)計與行為訓(xùn)練

為了模擬現(xiàn)實生活中時間體驗的層級結(jié)構(gòu)（餐食組成天，天組成周，周組成月），我們設(shè)計了兩個具有類似四層層級結(jié)構(gòu)的聽覺序列（圖2f、g和補充圖S2.1）。關(guān)鍵的是，每個序列的聲音都是不同的（圖2g和補充圖S2.1）。這使我們能夠探討結(jié)構(gòu)的神經(jīng)表征是否在不同感官刺激之間具有泛化性。兩個序列的總時長均為73秒，每個聲音持續(xù)半秒。通過多天的行為訓(xùn)練，我們讓參與者對聽覺序列進行了廣泛的熟悉（圖2e）。

第一天在第一天，參與者收到了兩個序列的音頻錄音。為確保參與者注意錄音（因為當天的訓(xùn)練是在家中進行的），我們要求他們計算每個錄音中某個片段出現(xiàn)的次數(shù)。行為訓(xùn)練平均耗時30分鐘，在此期間每位參與者聽了每個序列28次。

第二天在第二天，我們對參與者進行了訓(xùn)練，直到他們非常熟悉聽覺序列。行為訓(xùn)練包括兩項不同的任務(wù)，訓(xùn)練標準是兩項任務(wù)均需達到100%的準確率。參與者的第一個任務(wù)要求記憶每個序列中單個聲音的順序。參與者會聽到一個聲音，并被要求判斷接下來三個聲音中的哪一個是在序列中的下一個聲音。參與者有三秒鐘的時間作答，每個聲音呈現(xiàn)時間為半秒。第二個任務(wù)側(cè)重于學(xué)習(xí)序列結(jié)構(gòu)。參與者需要判斷測試序列是否與實際序列相同（“正確”）或是否已被修改（“錯誤”）。共有六個測試序列，其中三個與原始序列相同，另外三個在某一層級上被修改。層級上的修改是通過改變該層級中重復(fù)次數(shù)（與原始序列相比）來實現(xiàn)的。每個訓(xùn)練塊包括參與者先聽三次真實序列，然后完成兩項任務(wù)。

第三天在第三天，我們在音頻序列中加入了圖片。每個聽覺序列包含八張圖片，每張圖片在序列中的獨特位置呈現(xiàn)，并與對應(yīng)的聲音同時播放（0.5秒）。在第一次實驗中，我們使用了4個物體的不同方向生成16張圖片；在第二次實驗中，我們使用了16個不同的物體。這種對圖片方向的操作旨在提出一個問題，但本研究未對此問題進行探討。在被動觀看和聆聽音頻序列時，參與者被要求記住每個視覺刺激在序列中的位置。每個序列為參與者播放25次。

第四天與第三天類似，在掃描任務(wù)之前，參與者再次觀看了每個序列十次，以刷新他們的記憶。隨后，我們在功能性磁共振成像測量過程中將圖片以偽隨機順序投影到屏幕上，且不伴隨聲音。由于這種順序隨機化，我們在測量屏幕上圖片相關(guān)的坐標表征時避免了自相關(guān)混淆。作為掩蔽任務(wù)，我們指示參與者在圖片被水平或垂直拉伸時按下按鈕（干擾圖片）。每張圖片以原始形式呈現(xiàn)20次，并以不同大小呈現(xiàn)一次作為干擾圖像。每位參與者完成了4個任務(wù)塊，每塊包含336個試驗。每張圖片在每次試驗中顯示0.8秒，每個視覺刺激的試驗間間隔（ITI）從截斷伽馬分布中隨機選擇，平均值為2.5秒。

在功能性磁共振成像掃描任務(wù)結(jié)束后，我們測試了參與者對音頻序列中每個視覺刺激位置的記憶情況。首先，參與者被要求用紙和筆繪制序列1和序列2的結(jié)構(gòu)。然后，他們需要在繪制的序列中標出16張不同圖片的位置（示例繪圖見補充圖2.2）。

功能性磁共振成像實驗：行為分析

所有統(tǒng)計分析均使用自定義的MATLAB腳本（Mathworks，版本R2018/b）完成。為了確定每位參與者在每個層級中每張圖片放置的準確性，我們檢查了參與者掃描后繪制的圖。通過將參與者繪制的16張圖片的位置與真實序列中每個層級的坐標進行比較，我們計算了他們的準確性。每個層級的百分比準確率通過單尾t檢驗與隨機水平進行比較，以確定參與者是否記住了聽覺序列中圖片的位置。第1至第3層級的隨機水平為33%，第4層級為25%。

接著，我們分析了參與者的錯誤。對于每張放置錯誤的圖片，我們計算了其與正確位置之間的距離。這些錯誤距離表明參與者是否利用了層級序列結(jié)構(gòu)來記憶圖片位置，因為與線性接近相比，層級錯誤的可能性更高。在“天-周-月”的類比中，這相當于錯誤地記住你是在周三而不是緊接著的周六與朋友共進晚餐——盡管后者在時間上更接近。我們統(tǒng)計了每種錯誤距離的錯誤數(shù)量，并在多元回歸中將這些錯誤數(shù)量對線性錯誤距離和層級錯誤距離進行了回歸分析。我們將層級錯誤距離定義為真實四維層級坐標與錯誤四維坐標之間的歐幾里得距離。因此，該回歸分析報告了線性距離和層級距離在多大程度上解釋了參與者之間的錯誤數(shù)量。為了確定層級距離是否比線性距離更好地預(yù)測錯誤，我們對兩者的參數(shù)估計值差異進行了單尾t檢驗。

功能性磁共振成像實驗：fMRI數(shù)據(jù)采集

視覺刺激通過掃描儀內(nèi)的屏幕呈現(xiàn)。MRI數(shù)據(jù)使用3特斯拉的西門子Magnetom Prisma MRI掃描儀和64通道頭部線圈采集。采用多頻帶因子為3（MB3）的多頻帶序列進行掃描。切片分辨率為2x2毫米，無間隙，每片厚度為2毫米。切片以交錯順序采集，回波時間（TE）為20秒，重復(fù)時間（TR）為1.235秒。

每位參與者的數(shù)據(jù)分為四個獨立的數(shù)據(jù)塊采集。每個數(shù)據(jù)塊采集的測量數(shù)量不同，平均每塊采集867個體積。全腦覆蓋的雙回波時間場圖數(shù)據(jù)以2 x 2 x 2毫米3的體素大小采集（第1個TE：4.92毫秒，第2個TE：7.38毫秒）。每位參與者還采集了T1加權(quán)結(jié)構(gòu)圖像，用于與回波平面成像（EPI）進行共配準。每個T1加權(quán)圖像由192個軸向切片組成，每片厚1毫米，平面分辨率為1x1毫米2，參數(shù)如下：視野（FoV）= 192毫米，TE = 3.97毫秒，TR = 1.90秒。

功能性磁共振成像實驗：fMRI數(shù)據(jù)預(yù)處理

預(yù)處理使用FMRIB軟件庫（FSL35）中的fMRI專家分析工具（FEAT）完成。每位參與者的8個數(shù)據(jù)塊分別進行了預(yù)處理。每個數(shù)據(jù)塊使用運動校正工具MCFLIRT36對齊到第一張預(yù)飽和圖像。使用自動腦提取工具BET37進行腦提取。所有數(shù)據(jù)均經(jīng)過高通時間濾波，截止頻率為100秒。使用FMRIB的線性和非線性配準工具（FLIRT36和FNIRT38）將EPI圖像配準到高分辨率結(jié)構(gòu)圖像，并進一步配準到標準（MNI）空間。然后使用這些配準變換將每個數(shù)據(jù)塊的EPI數(shù)據(jù)映射到本地結(jié)構(gòu)空間。在預(yù)處理過程中未進行空間平滑。

功能性磁共振成像實驗：RSA（表征相似性分析）

使用表征相似性分析（RSA20），我們確定了大腦如何表征聽覺序列四個層級的坐標。通過計算所有圖片在四個層級中的距離，我們創(chuàng)建了四個獨立的假設(shè)表征差異矩陣（RDMs），因為每張圖片在四個層級中都有一個坐標。

RSA流程基于RSA工具箱21構(gòu)建。預(yù)處理后的數(shù)據(jù)首先從功能空間轉(zhuǎn)換到MNI標準空間。通過在fsleyes中定義哈佛-牛津皮層下結(jié)構(gòu)圖譜的掩碼，僅包括大腦皮層和海馬體的體素。在此掩碼內(nèi)，我們?yōu)槊總€體素定義了100個體素的搜索光。然后，通過擬合一般線性模型（GLM）計算每個搜索光中的平均刺激響應(yīng)，該模型針對搜索光內(nèi)每個體素的BOLD數(shù)據(jù)進行擬合。該GLM單獨建模了四個任務(wù)塊中的每一個。每個塊包含16張圖片的起始回歸變量，以及捕獲試驗和按鈕按壓的單獨回歸變量。我們還將運動異常幀和CSF感興趣區(qū)域的平均信號作為干擾回歸變量加入。除了干擾回歸變量外，SPM12（Wellcome Trust神經(jīng)影像中心，https://www.fil.ion.ucl.uk/spm）將回歸變量與血液動力學(xué)響應(yīng)函數(shù)卷積并擬合GLM，生成搜索光激活模式：即搜索光中每個體素對刺激的平均響應(yīng)。根據(jù)每個塊中每個刺激的激活模式，我們計算跨塊RDM：，其中是塊Z中刺激y的激活模式x；mean確保該差異矩陣是對稱的。然后，我們將跨塊RDM XAB在所有A≠B的塊組合中取平均值。通過排除同一塊內(nèi)圖片之間的任何相似性，我們避免了由于回歸變量相關(guān)性導(dǎo)致的統(tǒng)計偏差39。最終，我們得到一個16x16的數(shù)據(jù)RDM，包含16張圖片中每對圖片之間的差異。作為單個參與者RSA流程的最后一步，我們在每個搜索光中分別將數(shù)據(jù)RDM的上三角部分與四個假設(shè)RDM（每個坐標一個）的上三角部分進行回歸分析。或者，可以將四個假設(shè)RDM作為多個回歸變量納入單一GLM中；這會產(chǎn)生類似的結(jié)果（圖S3.5，補充表5）。然后，使用半高寬為5毫米的核對生成的參數(shù)圖進行平滑處理。

上述分析的結(jié)果是一組腦圖，包含每位參與者每個體素的回歸系數(shù)。然后，使用fMRI專家分析工具（FEAT）40計算組水平的統(tǒng)計圖，以評估這些結(jié)果在整個參與者群體中的可靠性41。組水平的GLM包含一個平均效應(yīng)回歸變量。

功能性磁共振成像實驗：有序性指標

接下來，我們詢問每個層級的表征是否沿著每位參與者內(nèi)嗅皮層的前后（A-P）維度以梯度形式排列。為此，我們首先通過Juelich圖譜解剖掩碼（閾值為50%）確定了左側(cè)內(nèi)嗅皮層中每個層級效應(yīng)的質(zhì)心（CoM）位置（右側(cè)內(nèi)嗅皮層的平行分析結(jié)果為空：圖S3.2，表2）。更嚴格的75%掩碼閾值的結(jié)果見圖S3.3和補充表3。

我們提取了每個坐標質(zhì)心沿A-P軸的位置，得到一個表示坐標i的單一數(shù)值，稱為Yi。然后，我們確定這些Y值是否符合有序分布，且比隨機分布更為一致。為了量化A-P位置在假設(shè)順序上的分布程度，我們定義了一個“有序性指標”。

有序性指標定義如下：。重要的是，對于此度量中包含的每對坐標，我們總是用較低索引坐標的Y值減去較高索引坐標的Y值。為了與我們的假設(shè)順序一致，這個差值應(yīng)該是正的，因為：1）我們定義Y值在A-P軸的前側(cè)方向上增加；2）較低索引（低頻）的坐標預(yù)期比高索引（高頻）的坐標更靠前。由于我們除以了差值的絕對值，因此該指標被歸一化到–1和1之間，其中1表示完全有序（即Y1 Y2 Y3 Y4按A-P順序排列），而–1表示完全相反的順序（即Y4 Y3 Y2 Y1按A-P順序排列）。

我們通過兩次計算將鄰近坐標與所有坐標對有序性指標的貢獻分開：一次僅包括相鄰對（即[1,2], [2,3], [3,4]），另一次包括所有對（即[1,2], [1,3], [1,4], [2,3], [2,4], [3,4]）。最后，我們還計算了一個離散版本的有序性指標，它考慮了差值的符號而不是連續(xù)差值的大?。ńY(jié)果見圖S3.4，補充表4）。

我們?yōu)槊课粎⑴c者計算了有序性指標，包括僅鄰近對和所有坐標對的情況。為了評估坐標表征分布是否如假設(shè)的那樣顯著有序，我們測試了有序性指標在參與者群體中是否顯著為正。首先，我們評估了有序性指標在群體中針對零的一尾t檢驗的顯著性。然后，我們通過隨機打亂每位參與者的坐標標簽，重新計算打亂后的有序性指標，并對群體中的有序性指標進行平均，從而構(gòu)建了一個零分布。我們生成了100,000次這種排列的群體有序性指標。我們將置換檢驗的p值計算為具有比未打亂坐標標簽時群體平均有序性指標更大的有序性指標的排列比例。

功能性磁共振成像實驗：感興趣區(qū)域（ROI）分析

接下來，我們測試了每個層級坐標表征的質(zhì)心（CoM）是否在兩個數(shù)據(jù)集中的內(nèi)嗅皮層中位于相同的解剖位置。我們首先使用組水平圖譜來識別第一數(shù)據(jù)集中每個層級的質(zhì)心。然后，我們在第二數(shù)據(jù)集中根據(jù)從第一數(shù)據(jù)集定義的質(zhì)心計算每個層級對每位參與者的影響。接著，我們重復(fù)這一過程，但這次從第二數(shù)據(jù)集定義質(zhì)心，并在第一數(shù)據(jù)集中測試影響。我們將這兩個4x4矩陣取平均，得到一個4x4矩陣Eij，其中包含每位參與者的以下信息：在數(shù)據(jù)集2中第j層級的質(zhì)心處數(shù)據(jù)集1中第i層級的影響，與在數(shù)據(jù)集1中第j層級的質(zhì)心處數(shù)據(jù)集2中第i層級的影響的平均值。然后，我們比較一致效應(yīng)是否強于不一致效應(yīng)（例如，在不同數(shù)據(jù)集中定義的第二層級峰值處第三層級的影響，與在相同數(shù)據(jù)集中定義的第二層級峰值處第三層級的影響）。為此，我們在參與者之間對對角線元素（一致效應(yīng)）的平均值和非對角線元素（不一致效應(yīng)）的平均值進行了單尾配對t檢驗。

功能性磁共振成像實驗：泛化分析

最后，我們測試了坐標表征是否在兩個序列之間具有泛化性，這兩個序列具有相同的結(jié)構(gòu)但聲音不同。我們再次計算了假設(shè)的RDM，但這次每個層級的距離僅基于不同序列中圖片之間的距離（圖4b）。然后，我們執(zhí)行了與上述相同的有序性指標分析。我們還針對僅基于相同序列中圖片之間距離的假設(shè)RDM進行了相同的分析。

原文鏈接：https://www.biorxiv.org/content/10.1101/2024.10.30.620612.abstract