生物行移动版

在大脑复杂的神经网络中，信息是如何被编码、传递并最终转化为行为决策的？这一直是神经科学领域的核心议题。近期发表于《自然-通讯》（Nature Communications）的一项研究，通过单神经元扰动（single-neuron perturbations）技术，深入剖析了大脑皮层在信息处理过程中的可解码性（decodability）、敏感性（sensitivity）以及临界性（criticality）。

研究团队通过精密的电生理记录与光遗传学手段，对活体动物大脑中的单个神经元进行了精准的扰动实验。实验结果表明，神经元群体的动态响应并非随机，而是表现出高度的组织性。当单个神经元受到微小扰动时，这种变化会在局部回路中产生级联效应，其传播范围与强度直接取决于网络当前所处的动力学状态。

研究核心发现，大脑神经网络在处理信息时表现出临界状态（criticality）的特征，即系统处于有序与无序的平衡点。在这种状态下，网络对微小输入的敏感度达到最大化，从而能够以极高的效率解码复杂的外部刺激。通过量化分析，研究人员证实了这种敏感性与网络的可解码性之间存在显著的正相关关系，这意味着大脑通过维持临界动力学，优化了其信息处理的信噪比。

此外，该研究还揭示了神经回路如何通过自适应机制调整其敏感性，以应对多变的外部环境。这一发现不仅挑战了传统关于大脑仅通过突触权重变化进行学习的观点，更强调了神经动力学状态（neural dynamical states）在实时计算中的关键作用。这些数据为理解神经系统在复杂环境下的稳态调控提供了全新的视角，也为未来开发基于类脑计算的算法提供了生物学启发。

文献参考：Decodability, sensitivity, and criticality measured through single-neuron perturbations. Nature Communications.