随着神经记录技术能够同时监测数百至数千个神经元的活动，一个关键问题浮现：大脑如何协调这些庞大群体产生适应性行为？2025年7月28日发表于Nature Neuroscience的一篇综述文章系统阐述了“神经流形”框架，提出群体神经活动并非高维散乱，而是被约束在低维几何结构（流形）中。该框架为理解大脑从感知到行动的神经计算提供了统一数学语言，并探讨了流形的起源、功能意义及未来挑战。
神经流形：定义与核心概念
神经流形指高维神经状态空间中，由所有可能群体活动状态构成的低维几何结构。其数学定义是一个拓扑流形——局部近似欧几里得空间的集合。但更重要的是其生物学内涵：流形代表了给定神经回路在内在（如连接组）和外在（如行为任务）约束下所能达到的集体状态空间。
核心主张：
- 维度降低：尽管可记录神经元数量巨大，其联合活动往往仅占据一个远低于神经元数目的子空间（通常<10-20维）。这种低维性并非统计假象，而是反映了神经回路的功能约束。
- 几何与功能关联：流形的几何性质（如线性、环形、螺旋形、吸引子）直接决定了回路能执行的计算类型（如持续活动、时间缩放、上下文切换）。
- 跨层次整合：流形为连接微观（神经元/突触）、中观（局部回路）和宏观（全脑）活动提供了桥梁。
流形的发现与证据
历史根源：从Hubel和Wiesel发现视觉皮层朝向选择性（单个神经元调谐），到Georgopoulos等发现运动皮层群体向量编码——但真正揭示低维结构需要同时记录大量神经元。
典型例子：
- 运动皮层：在手臂 reaching 任务中，数百个神经元的群体活动在准备期和运动期分别占据不同的低维子空间（“预备子空间”与“运动子空间”），且两者近似正交，允许准备活动不引发实际运动（“零空间”控制）。
- 海马网格细胞：群体活动呈现环形（torus）拓扑，对应二维环境中的位置编码。即使动物在一维轨道上运动，潜在流形仍保持二维环形结构，体现了内在计算约束。
- 下丘脑：攻击行为期间，特定神经元群体的活动沿线吸引子移动，编码攻击状态的强度（而非持续时间），且光遗传操作可沿该吸引子推动状态。
- 前额叶皮层：在上下文决策任务中，群体活动轨迹在不同任务规则下发生旋转/缩放，实现灵活的时间控制。
跨物种保守性：从线虫、斑马鱼、小鼠到人类（包括脑机接口使用者），感觉、运动、认知皮层均呈现低维流形，提示这是神经组织的基本原理。
流形的功能意义
- 鲁棒性与泛化：低维流形将高维、噪声的神经元活动投影到任务相关的低维子空间，天然过滤无关变异，使下游读出对神经元死亡或变异性不敏感。这解释了为何动物能在神经元群发生缓慢漂移时仍保持稳定行为。
- 约束学习：新技能学习通常不改变流形本身，而是在流形内重新映射活动轨迹。当需要突破现有流形时（如学习完全不同的肢体协调），学习变得困难——这与脑机接口实验中观察到的新模式学习困难一致。
- 跨脑区通信：不同脑区间的信息传递可能通过“通信子空间”实现——发送区将活动投影到与接收区流形对齐的低维子空间，实现高效、选择性的路由。
- 认知灵活性的来源：通过快速重新配置流形内的动力学（如改变轨迹速度、增益或旋转方向），同一神经网络可执行多种任务，而无需改变连接权重。
流形的起源
内在因素：
- 连接结构：低秩（low-rank）连接矩阵——即少数几个特征向量主导的突触连接——可在循环网络中产生低维流形。这种结构可能由遗传编码的“连接蓝图”约束发育。
- 局部回路异质性：不同细胞类型（如PV+ vs. SST+中间神经元）在流形中的参与程度不同。例如，运动皮层中，投射至延髓的锥体束神经元与胼胝体投射神经元的流形嵌入存在差异。
外在因素：
- 感觉输入与行为：自发活动（无任务）也呈现低维结构，但其维度通常高于任务状态，表明任务约束压缩了活动空间。行为本身（如运动、注视）可解释大量群体变异，但任务相关的流形仍可剥离。
- 发育与经验：早期自发活动（如视网膜波、纺锤波）可能通过赫布可塑性预配置流形结构。成年后的学习可在流形内部产生新的动态模式，而不重塑其底层几何。
方法学进展
降维技术：
- 线性：主成分分析、因子分析、降维主成分分析，适用于探索性分析。
- 非线性：t-SNE、UMAP、扩散映射、局部线性嵌入，可揭示环面或螺旋等非线性拓扑。
- 动态模型：潜在线性动力系统、循环自编码器，可推断潜在轨迹并预测神经响应。
- 因果推断：通过光遗传或化学遗传扰动，结合流形对齐，可测试流形几何是否因果性支持行为。
挑战：
- 样本量：估计流形维度需要大量神经元（典型法则：至少5-10倍于维度数），但全脑成像可记录数万神经元，维度可能随记录规模无界增长？目前证据存在争议。
- 跨个体对齐：不同个体的流形几何是否共享？初步研究表明，执行相同任务的动物之间，流形几何可被对齐（通过Procrustes分析）。
- 流形与连接组的映射：目前尚无法从流形几何直接读出突触连接矩阵，需要结合回路重建（电子显微镜）与理论模型。
未解决问题与未来方向
核心开放问题：
- 流形的普适性：所有皮层区域是否共享相似的流形统计特性？感觉皮层（如V1）维度通常较高（>50），而运动皮层（10-20）和边缘系统更低，可能反映不同计算需求。
- 流形的稳定性：跨天、跨任务、跨睡眠-觉醒周期，流形几何是否保持不变？部分研究表明，运动皮层流形可稳定数月，而海马则随环境重映射。
- 流形的神经实现：低维流形对应哪些具体的细胞类型、局部连接模式（如聚集的兴奋性连接、平衡的兴奋-抑制）？理论模型表明，低秩连接是关键。
- 因果操控：能否通过人工诱导特定流形几何（如闭环脑机接口）来“植入”新技能或治疗精神疾病？
理论整合：
- 发育与进化：流形可能是基因组瓶颈的产物——遗传信息有限，只能指定连接矩阵的低秩结构，细节由活动依赖性发育填充。
- 神经编码 vs. 动力学：传统观点关注单个神经元调谐（编码），流形框架强调群体动力学（计算）。两者互补——调谐曲线是流形在单个神经元轴上的投影。