方方课题组在Journal of Neuroscience发文揭示人脑集合表征的时间进程

　　自然场景并非由无序随机的信息构成，而是存在着大量相似的个体，如森林中的树叶，人群中的面孔等。人类能够将相似的个体视为集合，并通过集合编码（Ensemble coding）提取出关键的统计特征，例如树叶的平均色调，人群的整体情绪等。这种能力对于高效理解复杂的世界、灵活应对多变的环境极为重要。然而，关于大脑如何整合并表征这些集合信息，目前仍知之甚少。

　　针对这一问题，2025年2月12日，北京大学心理与认知科学学院、IDG麦戈文脑科学研究所、北大-清华生命科学联合中心方方课题组，在《Journal of Neuroscience》期刊发表了一篇题为“Time Course of Orientation Ensemble Representation in the Human Brain”的研究论文。研究团队借助脑磁图（magnetoencephalography, MEG）技术，结合多变量模式分析（multivariate pattern analysis，MVPA）、逆向编码模型（inverted encoding model，IEM）、溯源分析等方法，深入探讨了集合表征是否等同于个体表征的均权加和，并从时间和空间两个维度刻画了集合表征的加工过程，揭示了人类大脑对朝向集合进行加工和表征的神经机制。

　　为探究集合表征与个体表征之和的关系，本研究设计了一组特殊的集合刺激——异质刺激（Heterogeneous stimuli, 图1B右）。在异质刺激中，每个短棒的朝向与集合朝向（均值朝向）至少相差20度。作为对照，本研究还使用了均质刺激（Homogeneous stimuli，图1B左：短棒朝向一致且与集合朝向相同），这为后续通过计算建模区分集合表征与个体表征之和提供了基础。被试需要在MEG中完成集合朝向的辨别任务（图1C）。行为结果表明，被试能够成功估计集合朝向并完成辨别任务（图1D）。

　　图1. 实验刺激、实验任务和行为结果。实验包含两种刺激：异质刺激（红色）和均质刺激（蓝色）。

　　MVPA分析发现，利用被试的MEG信号可以成功解码出刺激的集合朝向，且解码正确率与行为正确率高度相关（图2A-C）。IEM分析进一步识别出特异于集合朝向的神经表征。研究者首先重建了异质刺激的朝向表征，然后基于均质刺激的MEG数据和均权加和的假设，预测了异质刺激的表征。结果发现，重建表征与预测表征存在显著差异，即在集合朝向上响应增强，而在其他朝向上响应减弱（图2D-F）。贝叶斯解码的结果同样支持这一推断。在时间维度上，该集合表征大约在刺激呈现后 370 毫秒出现（图2H）；在空间维度上，溯源分析表明该表征主要位于早期视皮层（图2G-H）。这些结果共同表明，大脑可能通过递归或者迭代过程动态优化个体的加工权重，实现对个体的加权整合，从而形成对集合的表征。这些发现不仅揭示了集合编码的神经机制，还为理解大脑高效处理复杂信息提供了新的视角。

　　图2. 异质刺激MVPA、IEM和溯源分析的部分结果。

　　本文第一作者为北京大学心理与认知科学学院已毕业博士龚曦紫，通讯作者为方方教授。课题组已出站博士后何涛、已毕业博士鲁君实和王茜副研究员为本研究做出重要贡献。本研究获得了科技创新2030-重大项目（2022ZD0204802，2022ZD0204804）、国家自然科学基金（T2421004，31930053）、教育部人文社会科学青年项目（23YJCZH071）和北京市自然科学基金（5244044）的资助。

　　原文链接

　　https://www.jneurosci.org/content/45/7/e1688232024