导语：高级皮层区域携带广泛的感觉、认知和运动信号，这些信号混合在单个神经元对多个任务变量调谐的异质反应中。依赖于神经活动与任务变量之间相关性的降维方法，留下了异质响应如何从连接性中产生以驱动行为的问题尚待解决。本研究开发了潜在环路模型，这是一种降维方法，其中任务变量通过低维循环连接相互作用以产生行为输出。研究者将潜在环路推断应用于经过训练以执行上下文依赖决策任务的循环神经网络，并发现了一种抑制机制，其中上下文表征抑制了不相关的感觉响应。通过确认潜在环路模型预测的模式化连接扰动的行为效应，验证了这一机制。在执行相同任务的猴子前额叶皮层中，研究者也发现了类似的对不相关感觉响应的抑制。研究表明，纳入任务变量之间的因果相互作用对于从神经响应数据中识别行为相关的计算至关重要。
认知神经科学的核心挑战：从异质响应中提取机制
高级皮层神经元对多个任务变量表现出复杂的、混合的选择性（混合选择性），这使得从群体活动中推断潜在的计算机制变得极其困难。传统的降维方法（如主成分分析、线性判别分析）虽然能找出与任务变量相关的低维子空间，但它们无法揭示这些变量之间如何通过循环连接相互作用来产生行为。这形成了一个关键缺口：我们看到了“什么”被表征，但不知道“如何”通过神经环路计算得出决策。
研究策略：潜在环路模型——桥接降维与机制
为了填补这一空白，研究团队开发了潜在环路模型。其核心思想是：
-
高维神经响应（许多神经元）是低维“潜在变量”（代表任务变量，如感觉、上下文、选择）的线性混合。
-
这些潜在变量之间的相互作用由一个低维循环网络（即“潜在环路”）描述，该网络接收任务输入并产生行为输出。
-
因此，模型同时学习：1）一个将高维神经活动映射到低维潜在变量的嵌入矩阵；2）一个能够执行任务的低维循环网络的连接权重。
通过将此模型应用于循环神经网络（已知其内部连接，可作为验证平台）和猴子前额叶皮层的真实神经数据，研究者旨在揭示执行上下文依赖决策任务（根据上下文提示，关注颜色或运动特征）的内在环路机制。
核心发现：抑制机制——上下文“关掉”不相关的感觉通道
1. 潜在环路模型揭示了清晰的抑制性连接结构
将潜在环路模型应用于训练好的循环神经网络，模型成功提取了一个仅含8个节点（对应上下文、颜色、运动、选择等任务变量）的低维环路。该环路的连接权重揭示了一个清晰的抑制机制：
-
上下文节点（如“运动上下文”）向不相关的感觉节点（如“颜色节点”）发送强抑制性连接。
-
同时，相关的感觉节点（如“运动节点”）向选择节点发送兴奋性连接。
这相当于一个“开关”：当前上下文激活，它会抑制不相关的感觉输入通道，只允许相关信息流向决策输出。
2. 模型预测的因果验证：连接扰动实验
为了证明该抑制机制不仅是数据拟合的结果，而是真正驱动行为的因果机制，研究者在循环神经网络中进行了连接扰动实验：
-
扰动1（削弱抑制）：削弱从“运动上下文”节点到“颜色”感觉节点的抑制连接。模型预测：在运动上下文试次中，循环神经网络将变得对不相关的颜色信息敏感，决策边界会旋转。实际扰动循环神经网络中的对应连接模式，精确地复现了预测的行为效应。
-
扰动2（削弱兴奋）：削弱从“红色”感觉节点到“右选择”节点的兴奋连接。模型预测：在颜色上下文试次中，循环神经网络做出右选择的频率将下降。实际扰动同样验证了预测。
这些结果确凿地证明，循环神经网络确实使用了这种抑制机制，而潜在环路模型成功地从其神经活动中推断出了这一机制。
3. 猴子前额叶皮层中存在相同的抑制机制
将潜在环路模型应用于执行相同任务的猴子前额叶皮层的神经记录。与循环神经网络的结果一致：
-
模型推断的前额叶皮层潜在环路同样显示出上下文→不相关感觉节点的抑制性连接。
-
将前额叶皮层神经活动投影到模型定义的“感觉轴”上，发现：当某个感觉模态不相关时，其表征被显著抑制；而在相关时则活跃。
-
在错误试次中，这种对不相关感觉的抑制显著减弱，表明该抑制机制与行为表现直接相关。
4. 对比传统方法：缺乏因果交互的误导
传统回归方法（如线性判别分析）从相同的前额叶皮层数据中却未能发现显著的抑制现象（不相关感觉仍有较强表征）。通过循环神经网络模型，研究者证明：传统方法找到的“感觉表征”虽然存在，但对行为没有因果影响（人为激活该表征不改变决策）。因此，纳入任务变量间的因果交互（即循环连接）对于识别真正驱动行为的计算至关重要。
结论与意义：从“相关性”到“因果性”的飞跃
这项研究提供了一套强大的框架，用于从高维神经数据中推断出低维、可解释、可验证的环路机制。
-
方法论突破：潜在环路模型填补了纯数据驱动的降维与理论驱动的电路模型之间的鸿沟。它不仅降维，还强制低维变量之间通过循环连接因果性地相互作用，从而直接揭示计算机制。
-
理论统一：解决了关于前额叶皮层在上下文决策中是否抑制不相关信息的长达数年的争议。研究证明，抑制机制确实存在，但需要正确的模型（包含变量间交互）才能揭示。传统方法发现的“不抑制”的表征是行为上不相关的“幽灵”信号。
-
因果验证：通过在循环神经网络中进行连接扰动，实现了对推断机制的因果验证。这为未来在动物实验中，利用光遗传学或化学遗传学靶向模型预测的特定连接模式来验证机制，提供了理论依据和具体预测。
-
广泛适用性：该方法可应用于任何具有明确任务变量和行为输出的认知任务，为探索工作记忆、注意力、决策等其他认知功能的环路机制开辟了新途径。研究者已在延迟匹配样本任务中验证了其有效性。
-
临床潜力：该方法可用于识别精神疾病（如精神分裂症、自闭症）患者神经活动中异常的“环路连接模式”，从而为精准的环路靶向治疗提供靶点。
该研究的通讯作者（之一）总结道：“我们的工作表明，看似复杂、混乱的单个神经元反应，可能源于一个相对简单的低维环路。通过开发能够捕捉任务变量间因果交互的模型，我们可以‘逆向工程’出这个隐藏的环路，并揭示其计算机制。这为我们理解大脑如何在认知任务中灵活地路由信息，以及这些机制如何出错导致疾病，提供了全新的工具和视角。” 这项发表于《Nature Neuroscience》的研究，通过创新性的模型框架和严谨的验证，为从神经群体活动中提取可解释、可验证的因果机制树立了新的标准。