生物行移动版

过去十年，神经科学家对细胞特征的表征能力急剧提升：组学工具使研究者能够根据转录组创建完整的细胞图谱，而高通量记录工具则能够描述大量细胞群体的功能特性。传统上，细胞身份的这两个维度在很大程度上是分离的，但这一局面正在改变。通过结合大规模记录和基因鉴定，研究者现在可以将活动模式分配给细胞类别，并探讨细胞类型如何在群体动态的相互作用中产生功能组织。

从单细胞调谐到群体编码

几十年来，功能身份常与单细胞的调谐特性挂钩——神经元如何响应感觉输入，或更抽象地对位置、速度、边界做出反应。例如，海马谷氨酸能细胞可被定义为位置细胞，而一部分GABA能抑制性细胞则充当速度细胞。但过去十年的研究挑战了这种刺激-响应观点：许多神经元表现出混合选择性，根据情境灵活编码多个变量。

大规模、同步记录的能力使研究者能够观察群体细胞如何编码信息，包括那些具有混合选择性的细胞。这揭示了功能组织可以在群体中涌现，即使单个神经元缺乏简单或稳定的调谐。例如，海马位置细胞对特定环境的表征可能随时间漂移。但关键在于，单个神经元层面的这种漂移并不排除群体层面的稳定性；即使单个细胞的响应特性发生变化，更大的细胞群体仍能共同编码相同的信息。

细胞类型特异性成像的视角

基因定义的光学成像进一步扩展了观察尺度，可直接探讨细胞功能定义的问题。细胞类型特异性钙成像现在可以同时监测数百至数千个神经元的活动，而介观尺度方法则将视野扩大到覆盖大片脑区。这种规模的扩大将重点从局部回路转向分布式动态，揭示基因定义的细胞类型和区域如何贡献于连贯的脑活动。

随着记录规模的扩大，新的结构浮现出来，挑战了我们的直觉。在单个细胞层面不可见的模式，只有在考虑集体活动时才会显现。数学描述提供了揭示这种结构所需的工具，将复杂的群体活动简化为共享轨迹和协调的变化模式。就像巨大的基因表达空间被降维为组织细胞类型的低维表示一样，群体活动常常组织成简单的几何形式，如线、面或点云，反映信息如何被表征。

群体活动的几何结构

在某些情况下，群体活动组织成简单的结构，分离不同的表征或认知任务状态。对物体或位置做出反应的细胞的活动可以通过追踪它们的集体轨迹来解耦。其他例子包括网格细胞活动的环面结构，或反映任务重复结构的环状动力学。

至关重要的是，涌现的结构取决于考虑了哪些细胞。选择基因定义的细胞类型提供了互补的视角：在同一个环状拓扑结构中，某些群体随内部表征旋转，而另一些则锚定在稳定的全局参考系上。这一模式表明，不同的细胞类型贡献了不同的计算角色：一些支持灵活的内部转换，另一些提供将认知锚定于外部世界的稳定参考信号。

结语：身份与动态的交织

解开不同细胞类型如何贡献于群体编码，对理解大脑如何表征和转换信息至关重要。细胞类型特异性方法对于靶向遗传操作也至关重要，能实现对支持灵活认知的神经动态的日益精确控制。

从鸟群到神经元，涌现的群体编码仍然难以捉摸，部分原因在于其集体结构既不能从任何单个元素推断，也不能通过简单平均来捕捉。在神经回路中，基因定义的细胞类型很少映射到固定或孤立的角色上，使得它们在群体层面的贡献高度依赖于情境。专注于单一元素会丢失集体结构，而对整个群体取平均则会掩盖驱动变化的多样性。正是在身份与动态的相互作用中，大脑功能的逻辑最终可能显现。