《iScience》：Odor identity decoding by mitral/tufted cells in the olfactory bulb from large-scale pooled datasets
编辑推荐：
本研究针对清醒小鼠嗅球僧帽/丛状细胞(M/Ts)如何编码气味身份这一关键科学问题，通过整合7个项目45只小鼠的436个M/Ts大规模在体电生理记录数据，发现基于呼吸周期锁相的瞬时放电时序模式（而非平均放电频率）是气味解码的关键，且解码性能随神经元数量增加而提升并在约80 ms达到峰值，为阐明嗅觉系统群体编码策略提供了重要理论依据。
气味，作为连接我们与外界环境的重要桥梁，其识别机制一直是神经科学领域的核心议题。作为嗅觉通路的第一级中枢，嗅球（Olfactory Bulb, OB）中的僧帽/丛状细胞（Mitral/Tufted Cells, M/Ts）是传递气味信息的关键“中继站”。传统观点认为，神经元通过放电频率（Firing Rate）的变化来编码信息，然而在清醒动物中，M/Ts对气味刺激的放电频率响应相对稀疏且多变，这使得单靠放电频率难以可靠地表征复杂的气味身份。那么，大脑究竟采用何种策略来精准解读气味信息？近年研究表明，神经元放电活动与呼吸周期同步的时间模式（Temporal Pattern）可能承载着关键信息。但是，由于技术限制，以往研究通常只能同时记录少量M/Ts（几个到几十个），这限制了我们对于大规模M/Ts群体如何协同工作以编码气味身份的理解，例如，究竟需要多少个M/Ts才能实现准确的气味解码？解码性能的最佳时间窗口在呼吸周期的哪个时刻？
为了回答这些问题，本研究团队汇集了来自多个独立项目的大规模实验数据，旨在系统探究清醒小鼠嗅球M/Ts群体活动在气味身份解码中的作用。研究人员在45只清醒、头部固定的小鼠身上，使用植入嗅球僧帽细胞层的电极，同步记录了436个良好分离的M/Ts单细胞活动以及小鼠的呼吸信号。小鼠被动暴露于四种单一分子气味（乙酸异戊酯、2-庚酮、苯甲醛、庚酸）的刺激。通过分析M/Ts在呼吸周期内特定时间窗口的放电活动，并应用支持向量机（Support Vector Machine, SVM）和最小距离（Minimum Distance, MD）分类器等解码算法，评估了从M/Ts群体活动中解码气味身份的能力。该研究论文已发表在《iScience》上。
研究人员主要运用了几项关键技术方法：在体电生理记录技术，用于采集清醒小鼠嗅球M/Ts的细胞外动作电位；呼吸信号监测技术，通过植入鼻道的套管记录吸气开始时间，从而将神经活动与呼吸周期对齐；以及基于机器学习的气味解码分析，利用记录的群体神经元放电模式来区分不同的气味刺激。数据集整合了本实验室数年来多个项目的数据。
单单位反应显示M/Ts对气味刺激的响应稀疏
研究人员首先分析了单个M/Ts对四种气味的反应。结果显示，在清醒状态下，尽管约70%的M/Ts对至少一种气味有显著反应，但仅不到10%的细胞对所有四种气味均产生响应，表明M/Ts对气味的响应具有稀疏性。平均放电率在不同气味间无显著差异，但在不同记录项目间存在差异，提示记录电极等因素可能影响基线活动水平。这些发现说明，在清醒小鼠中，仅凭平均放电率携带的气味身份信息有限，暗示其他放电特性如时间动力学可能更为重要。
吸气耦合的M/Ts群体反应传递大量气味信息
鉴于时间模式的重要性，研究重点转向了与吸气同步的放电时间模式。研究人员将每次吸气开始后的160毫秒分为8个不重叠的20毫秒时间仓，提取M/Ts群体在每个时间仓内的放电数作为特征进行解码分析。他们比较了三种不同的编码方案：“瞬时”方案（单个20毫秒仓的放电数）、“串联”方案（从吸气开始到时间t的所有非重叠仓放电数串联）、“累积放电数”方案（从吸气开始到时间t的总放电数）。结果发现，在不同小鼠之间，解码准确率存在很大变异，并且这种变异与每只小鼠记录到的M/Ts数量呈显著正相关。这表明，吸气耦合的M/Ts群体反应确实包含足够的气味信息，且解码可靠性依赖于被记录的群体大小。
嗅球气味解码性能与记录M/Ts数量相关
为了更深入探究群体大小的影响，研究将数据按项目池化，形成了从36到108个单元不等的更大群体。分析表明，尽管解码性能在不同项目间仍有差异，但拥有更多记录单元的项目倾向于获得更高的解码准确率。将项目分为“大”群体组（>60单元）和“小”群体组（<60单元）后比较，发现大群体组的解码准确率显著高于小群体组。这进一步证实，尽管吸气锁相的M/Ts放电是编码气味身份的关键，但解码准确性强烈依赖于被记录的M/Ts群体规模。
解码性能在记录M/Ts超过150个时接近饱和
通过对全部436个M/Ts的综合分析，研究人员评估了达到近乎最优解码性能所需的神经元数量。结果显示，随着参与解码的M/Ts数量增加，三种编码方案的解码准确率均稳步提升。特别是“累积放电数”方案的表现始终优于其他方案，最高准确率可达约75%。通过模型拟合估计，当记录到的M/Ts数量达到约150个时，解码性能接近饱和（达到最大准确率的90%）。这为未来研究需要记录多少神经元才能可靠评估嗅球的编码能力提供了一个实用的参考基准。
气味解码性能在吸气开始后约80毫秒达到峰值
研究还精确刻画了气味解码能力在一个呼吸周期内的动态变化。通过将不同呼吸周期中相同时相仓的放电活动叠加起来进行分析，发现解码准确率曲线呈现先上升后下降的特征模式，与呼吸周期内的压力变化同步。比较不同呼吸时相的解码性能，发现在清醒头部固定小鼠中，解码准确率（即气味感知的神经表征）在吸气开始后约80毫秒达到峰值。这一发现明确了嗅觉信息处理的一个关键时间窗口。
最小距离分类器的解码性能与SVM结果一致
为了验证结果的稳健性，研究还采用了基于群体反应轨迹几何距离的最小距离分类器（MD）进行瞬时解码。MD分类器得到的结果与SVM高度一致，均显示了解码准确率与记录细胞数的正相关关系，以及大部分小鼠在吸气后约80毫秒达到峰值解码准确率的特点。不同解码算法和编码方案间的比较表明，“累积放电数”方案在整个嗅探周期内 consistently 表现最佳。
本研究通过整合大规模数据集，定量揭示了嗅球M/Ts群体利用呼吸锁相的时间模式编码气味身份的机制。其主要结论在于，气味信息的解码高度依赖于被记录的M/Ts群体的规模，当神经元数量超过约150个时，解码性能趋于稳定；并且，解码过程在吸气早期（约80毫秒）达到最优。这提示，嗅觉系统可能采用了一种基于大规模神经元群体在特定时间窗口内协同活动的稀疏编码策略。
讨论部分指出，该研究结果与感官系统中群体编码的一般原则相符，并强调了在清醒行为状态下研究神经编码的重要性。然而，本研究也存在一些局限性，例如缺乏对所述编码机制的直接功能验证，使用的气味刺激相对简单（四种单一分子气味），以及主要关注被动嗅闻状态。未来的研究需要通过光遗传学操纵、使用更复杂的自然气味混合物、在主动行为任务背景下进行探索，并结合对下游脑区（如梨状皮层）的记录，来进一步验证和扩展这些发现。总之，这项工作为理解嗅觉系统如何处理感官信息提供了重要的定量见解，强调了时间和群体尺度在神经表征中的关键作用。
