《Neuroscience Bulletin》：Acoustic Flutter Processing in the Inferior Colliculus of Awake Marmosets: Complementary Rate Coding Modulated by Acoustic Parameters
编辑推荐：
本文研究了听觉系统如何处理声学扑动。已知听觉皮层(AC)通过互补的单调速率编码处理声学扑动，且该处理不受其他声学参数调控。然而，下丘(IC)如何编码声学扑动，尤其在改变其他声学参数时，仍不清楚。本研究在清醒狨猴中记录IC神经元活动，发现大多数IC神经元也通过互补的单调速率编码在扑动范围内编码重复率。不同于AC，尽管声学参数未改变其单调性，但大多数IC神经元同时编码重复率和其他声学参数。研究表明，互补的单调速率编码在听觉系统中广泛存在；然而，对重复率的编码特异性从IC到AC逐渐增强，而与其他声学参数联合编码的能力则逐渐降低。
在我们日常生活中，声音不仅承载着信息，其特定的时间模式——例如鼓点的节奏、门铃的叮咚声或是蟋蟀的鸣叫——也构成了丰富的听觉体验。这些在10到45个脉冲每秒（pps）范围内的快速重复声学信号，被称为“声学扑动”，对我们的言语理解和环境感知至关重要。然而，大脑听觉通路是如何处理和编码这些时间信号的，尤其是当我们听到的声音在音调、响度甚至规律性上发生变化时，其神经机制尚不完全清楚。先前的研究表明，大脑的高级听觉中枢——听觉皮层（AC）——通过一种称为“互补性单调速率编码”的方式来处理扑动信号。有趣的是，AC神经元的这种编码似乎“专一”于重复率，不受声音强度等其他参数变化的影响。这引出了一个关键问题：作为听觉通路中关键的“中转站”和“处理器”，位于中脑的下丘（IC），在处理扑动信息时扮演什么角色？它是否也采用类似的编码策略？当声音的其他特征发生变化时，IC的编码是否会“分心”？
为了回答这些问题，一篇发表于《Neuroscience Bulletin》的研究，在清醒狨猴模型中，系统地探究了IC神经元如何编码声学扑动，以及这种编码如何受到其他声学参数的调节。研究人员通过记录IC单神经元活动，并结合计算回归模型分析，揭示了IC在听觉时间信息处理中独特的“兼容并包”角色。
为了开展这项研究，研究人员主要运用了几个关键技术方法：
- 1.
清醒动物在体电生理记录：研究在两只成年普通狨猴中进行。动物经过训练，可在清醒、头部固定的状态下安静坐立，通过植入的记录舱，使用高阻抗钨丝微电极记录IC的单神经元活动。信号经过采集、传输、分析和保存。
- 2.
声学刺激范式：研究人员生成了高斯窄带声学脉冲序列（高斯短声）。关键参数包括：重复率（4–48 pps，步进4 pps）、声音强度（声压级，SPL，30–70 dB）、高斯短声的标准差（σ，0.1–0.4，以改变点击的频谱和包络形状）以及脉冲序列的规律性（通过向脉冲间隔引入12.5%、25%、37.5%和50%的抖动来增加时间不规则性）。刺激均通过自由场扬声器呈现。
- 3.
数据分析与分类：通过计算向量强度（VS）和瑞利统计量（RS）来区分神经元是否与刺激同步（同步化神经元，syn vs. 非同步化神经元，nonsyn）。通过斯皮尔曼相关系数（CC值）确定神经元对重复率响应的单调性（正向单调或负向单调）。使用逐步回归模型来量化神经元放电率受重复率和其他声学参数（如声强、σ、不规则性）影响的程度，并据此对神经元进行分类（如Both型、RR型等）。
互补性单调速率编码广泛存在于下丘
研究人员记录了205个IC单神经元，其中164个对声学扑动刺激有显著响应。根据其对重复率的响应模式和同步性，神经元被分为四类：正向单调同步化响应（syn+）、负向单调同步化响应（syn-）、正向单调非同步化响应（nonsyn+）和负向单调非同步化响应（nonsyn-）。大多数IC神经元（70%）的放电率随着扑动范围内重复率的增加呈单调增加（正向单调）或减少（负向单调）。同步化神经元（syn）的数量多于非同步化神经元（nonsyn）。尽管AC中正向和负向单调神经元比例相当，但IC中正向单调神经元（59%）的比例远高于负向单调神经元（11%）。
该图展示了IC神经元对声学扑动的四种响应类型以及关键的数据统计，直观支持了IC存在互补单调速率编码的发现。研究还发现，同步化正向单调神经元（syn+）比非同步化正向单调神经元（nonsyn+）具有更大的线性拟合斜率和更高的放电率。syn-神经元则比syn+神经元表现出更好的同步性（VS更大）。不同响应类型的神经元在IC的三个亚区（中央核CNIC、背侧皮层DCIC、外侧皮层ECIC）中的分布也存在差异。
声强对IC声学扑动编码的调控
研究通过改变声学扑动刺激的声压级（SPL）发现，虽然大多数IC神经元对重复率的单调性不受声强变化影响，但其调谐曲线（对重复率的响应）却会发生变化。76%的IC神经元在声强变化时，对重复率的调谐显著改变。线性拟合斜率在高声强时显著大于低声强时，且斜率差异随声强差增大而增大。此外，同步化神经元比非同步化神经元更易受到声强变化的影响。
上图展示了声强如何影响IC神经元对重复率的编码，包括响应曲线的变化、斜率差异等。通过逐步回归模型分析，研究人员根据神经元放电率受重复率（Coef-RR）和声强（Coef-SPL）影响的程度，将神经元分为RR型（仅受重复率影响）、Both型（受两者共同影响）和None型（两者均不影响）。Both型神经元占比最大，其Coef-RR的绝对值显著大于Coef-SPL，表明其编码偏向于重复率。同步化神经元中Both型远多于RR型，而非同步化神经元中两者比例相近。
上图通过散点图和分类，清晰地展示了不同类型神经元在Coef-RR和Coef-SPL二维空间中的分布及比例。
高斯短声形状（σ）对声学扑动编码的影响
通过改变高斯短声的标准差（σ，影响点击的频谱带宽和包络），研究人员发现62%的IC神经元的调谐曲线受σ变化影响，响应斜率总体未发生显著改变。同步化神经元受σ变化影响的比例高于非同步化神经元。
该图展示了σ对高斯短声波形和频谱的影响，以及σ变化如何调制IC神经元的响应。基于逐步回归模型（Coef-RR vs. Coef-Sigma），神经元被分为RR型、Both型、Sigma型和None型。Both型和RR型占主导，且Both型神经元的Coef-RR绝对值显著大于Coef-Sigma，再次表明编码偏向重复率。同步化神经元主要集中为Both型，而所有Sigma型和None型均为非同步化神经元。研究还发现，具有较窄调谐带宽的IC神经元对σ变化更敏感。
上图展示了神经元在重复率和Sigma系数二维空间中的分类，以及与调谐带宽的关系。
脉冲不规则性对IC声学扑动编码的调控
研究人员通过向脉冲序列添加抖动来增加时间不规则性。结果表明，同步化神经元的同步能力（VS）随着抖动增加而逐步下降。50%的IC神经元的放电率受抖动影响，其中同步化神经元对抖动敏感的比例（63.6%）远高于非同步化神经元（28.6%）。
上图显示了脉冲不规则性（抖动）对IC神经元同步性和放电率的影响，以及神经元的分类。根据逐步回归模型（Coef-RR vs. Coef-periodicity），神经元分为RR型、Both型和Periodicity型。一半神经元为RR型，35%为Both型。所有Both型神经元都是同步化神经元，而所有Periodicity型神经元都是非同步化神经元。
研究结论与意义
这项研究系统地揭示了清醒狨猴下丘编码声学扑动的神经机制。主要结论可以归纳为以下几点：
- 1.
互补性单调速率编码的普遍性：研究证实，IC与AC一样，通过互补性单调速率编码来处理声学扑动范围内的重复率。这表明该编码机制在整个听觉通路中广泛存在，可能是一种通用的时间信息处理策略。
- 2.
IC作为声学参数的“联合处理器”：与AC神经元对重复率的编码具有高度特异性（不受其他声学参数影响）不同，本研究发现大多数IC神经元能够联合编码重复率和诸如声强、点击形状、时间不规则性等其他声学参数。这表明IC是整合多种声学特征的关键枢纽。
- 3.
听觉通路的层级处理特化：研究揭示了一个重要的层级处理转变。从IC到AC，神经元对重复率的编码特异性逐渐增强，而对其他声学参数进行联合编码的能力则逐渐降低。这种转变可能是由于皮层抑制性神经元的增加，使得编码模式从下丘的“刺激同步化”更多地转变为皮层的“放电率编码”，从而实现了对特定时间特征的更精细、更“纯净”的提取。
- 4.
功能亚区分布：研究还发现，不同类型的IC神经元（如syn+, syn-, nonsyn+, nonsyn-）在IC的不同亚区（CNIC, DCIC, ECIC）中存在功能上的分布差异，暗示IC内部可能存在针对不同信息流的并行处理通路。
这项研究的重要意义在于：
- •
深化了对听觉时间信息处理的理解：它填补了关于声学扑动在中脑水平如何编码的知识空白，揭示了从脑干到皮层的完整处理链条中的一个关键环节。
- •
阐明了听觉系统信息处理的层级原则：研究展示了听觉系统如何从IC的“多特征混合编码”逐步演化为AC的“特征特异性编码”。这种从“广泛整合”到“精细提取”的转变，对于理解大脑如何从复杂的感官输入中抽提出关键信息至关重要。
- •
提供了跨感觉系统比较的视角：文中指出，互补性速率编码也存在于其他感觉系统（如体感系统）的扑动/颤动处理中，提示这可能是一种跨模态的、用于处理周期性时间信息的普遍神经编码策略。
总之，该研究不仅证实了互补性单调速率编码在听觉中脑的普遍性，更重要的是，它揭示了IC在处理声学扑动时独特的多参数整合能力，以及这种能力在向高级听觉皮层传递过程中的特化与精炼，为我们理解大脑如何分析和感知动态声音世界提供了重要的神经基础。
