吴思课题组合作揭示连续抉择的跨脑区计算机制

2026年6月11日，《Nature》期刊在线发表题为 “A Thalamus–Brainstem Attractor Network Drives History-Biased Decisions” 的研究论文。该研究由北京大学心理与认知科学学院、IDG麦戈文脑科学研究所吴思研究团队与中国科学院脑科学与智能技术卓越创新中心穆宇研究团队与合作完成。研究结合斑马鱼幼鱼闭环虚拟现实行为、全脑尺度单细胞分辨率钙成像、光遗传操控和神经计算建模，揭示了大脑如何通过丘脑-脑干跨脑区网络，稳定保存近期经历，并利用这些信息灵活调节未来抉择。

大脑天然存在的做决定的偏差

在真实世界中，动物很少每次都从零开始做决定。刚刚发生过的事情，往往会改变下一次选择。动物在觅食、导航或躲避风险时，常常会根据近期获得的线索调整下一步行动方向；人类在感知和判断中也会受到刚刚经历过的信息影响，例如对面部表情、空间方位等具体感知特征的判断，甚至对数字大小等抽象信息的判断，都会受到近期经验的牵引。

这种由近期经历影响当前感知和行为的现象，被称为连续依赖或历史偏向（serial dependence or history bias）。该现象广泛存在于人类和多种动物中，被认为有助于大脑利用环境的连续性，提高行为效率。然而，过去的研究主要揭示了大脑中哪些区域携带历史信息，而对于这些信息如何被稳定保存、如何被灵活更新，又如何转化为未来行为，仍缺乏清晰的神经机制解释。

在虚拟现实中观察斑马鱼的连续抉择

为研究这一问题，穆宇研究团队建立了斑马鱼幼鱼闭环虚拟现实避障行为系统。斑马鱼在虚拟环境中连续遇到来自左侧或右侧的障碍物，并通过自身游泳信号控制在虚拟环境中的运动。

研究发现，斑马鱼对当前障碍物的躲避行为不仅取决于当前刺激，还显著受到前一次甚至更早经历的影响。当连续两次障碍物出现在同一侧时，斑马鱼会表现出更强的躲避反应。这说明，斑马鱼能够在数十秒时间尺度上保存过去经历，并将这些信息用于调节后续行为。

图1 | 虚拟现实实验设计及斑马鱼幼鱼连续避障中的历史依赖行为

从全脑活动中锁定背侧丘脑

该研究的重要技术基础，是在行为过程中以单细胞分辨率同时记录斑马鱼全脑神经活动，并将这些活动信号与脑智卓越中心杜久林团队、杜旭飞团队长期建立的标准斑马鱼全脑图谱进行精确配准。通过图谱精准定位，研究团队对全脑同步记录到的神经元进行逐脑区比较，完整无偏地筛查哪些脑区能够在障碍物消失后继续保留历史信息。

结果发现，多个脑区都携带一定的历史信号；其中，背侧丘脑的表现最为突出，能够最稳定、最持久地通过持续活动（persistent activity）区分最近一次障碍物来自左侧还是右侧。进一步的光遗传实验表明，抑制背侧丘脑活动会消除历史依赖行为，而单侧激活背侧丘脑则可以人为写入类似“过去经历”的信号，从而改变动物下一次选择。这表明，背侧丘脑是维持近期经历并驱动连续抉择的关键脑区。

图2 | 行为过程中斑马鱼幼鱼全脑神经活动的同步记录与关键脑区筛查

从实验现象走向吸引子网络理论

背侧丘脑在刺激消失后仍能维持左侧或右侧相关的持续活动，这一现象提示其可能具有吸引子动力学特征。吸引子网络是神经计算理论中的重要概念，用于解释神经系统如何在外界输入消失后仍维持稳定状态，并在新的输入或扰动下发生状态切换。

吴思研究团队长期从事神经动力学和吸引子网络理论研究。在本研究中，吴思团队与穆宇团队进一步开展理论建模合作，为解释背侧丘脑持续活动的稳定状态、状态切换及其对后续行为的影响提供了关键理论框架，并参与构建以丘脑吸引子网络为核心的神经网络模型。

进一步分析显示，背侧丘脑并不是单独完成整个计算。它更像一个“记忆开关”，以稳定的离散状态保存最近一次经历；而位于脑干的下游神经元群则像一个“积分器”，将丘脑提供的历史信息与当前感觉输入相结合，形成能够反映多次经历的连续信号，并最终影响行为输出。也就是说，大脑通过跨脑区分工协同，将一个短暂的感觉事件转化为可持续、可更新、可用于未来行动的内部状态。

图3 | 不同计算模块的历史信息解码能力及其神经动力学

构建脑图谱约束的跨脑区计算模型

为进一步理解这种跨脑区协同如何在神经网络中实现，研究团队进一步结合脑智卓越中心杜久林团队、杜旭飞团队建立的斑马鱼全脑图谱资源，对模型构建进行重要的真实脑结构约束。基于这些图谱资源，研究团队将真实生物脑中相关脑区的细胞数量、神经元类型和投射连接等结构信息引入建模过程，将感觉输入层、丘脑吸引子网络和脑干积分器连接起来，构建了脑图谱约束的跨脑区计算模型。

该模型能够重现斑马鱼连续抉择行为和相关神经活动，并揭示抑制性神经元异质性对于稳定记忆和灵活切换的重要作用。从计算结构上看，该模型提出了“吸引子—积分器”的跨脑区协同架构：丘脑吸引子网络作为核心记忆模块，以稳定离散状态保存最近经历；脑干积分器则基于吸引子状态的迁移和当前感觉输入进行信息整合，从而将短暂感觉事件转化为可持续影响未来行为的内部状态。

这一模型说明，稳定记忆和灵活更新并非相互矛盾，而是可以通过不同脑区、不同神经元类型和不同动力学模块的分工协同实现。

图4 | “吸引子-积分器”模型架构、神经活动及行为输出

理论计算与全脑实验的融合

该研究实现了从行为现象、全脑环路到计算原理的贯通。一方面，斑马鱼全脑尺度单细胞分辨率成像使研究人员能够在完整脑网络中追踪历史信息从感觉输入、记忆保持、跨脑区整合到行为输出的全过程；另一方面，吸引子网络理论和脑图谱约束建模为解释这些神经活动如何产生稳定记忆和灵活抉择提供了计算框架。

这一工作表明，认知功能并不一定由单一脑区独立完成，而可以由多个脑区、不同神经元类型和不同动力学模块通过分工协同实现。该发现不仅为理解生物脑如何在动态环境中利用近期经验指导未来行为提供了新的机制，也为发展类脑智能决策模型、具身智能系统和自主控制算法提供了来自神经计算的启发。

北京大学博士研究生刘潇与脑智卓越中心博士研究生赵姗、单鹤赢为论文共同第一作者；北京大学吴思教授和脑智卓越中心穆宇研究员为共同通讯作者。脑智卓越中心杜久林团队和杜旭飞研究团队长期建设的斑马鱼全脑图谱资源，为本研究开展全脑功能活动定位、脑区解析和脑图谱约束建模提供了关键基础，并在脑图谱资源和数据分析方面作出了重要贡献。海南大学付玲团队在成像技术方面、脑智卓越中心王凯团队在光遗传操控技术方面为该研究提供了重要支持。

原文链接：https://www.nature.com/articles/s41586-026-10623-3