编辑推荐：
大脑皮层中神经元的功能特性存在显著异质性，系统神经科学的核心目标之一是解析神经元的功能分配及其不同功能属性间的关联模式。本研究聚焦功能分离现象——即两个独立神经元亚群分别编码两种不同功能。传统观点认为，若两种功能属性在群体中无相关性，则不存在功能分离，但本研究
大脑皮层中神经元的功能特性存在显著异质性，系统神经科学的核心目标之一是解析神经元的功能分配及其不同功能属性间的关联模式。本研究聚焦功能分离现象——即两个独立神经元亚群分别编码两种不同功能。传统观点认为，若两种功能属性在群体中无相关性，则不存在功能分离，但本研究证明该假设可能导致错误结论：当变异服从偏态重尾分布时，随机变异可偶然产生功能分离。研究人员重新分析了此前发表于《自然·通讯》（Nature Communications，10(1)，1575，2019）的结果，该研究显示初级运动皮层神经元倾向于功能分离，表现为要么与躯体运动强耦合，要么与皮层群体活动强耦合；本研究进一步证实这是随机变异导致功能分离的典型案例。
研究背景与意义
随着神经记录技术向大规模神经元群体监测发展，神经科学领域已积累大量证据显示，神经元的功能属性普遍不服从正态分布，而是呈现偏态重尾分布特征。这种分布下极端值出现频率远高于正态分布预期，但传统数据分析常将极端值视为异常点剔除，可能导致对神经网络机制的误判。此前研究人员在《自然·通讯》发表的初级运动皮层研究中发现，神经元对身体运动的耦合强度与对皮层群体活动的耦合强度呈弱负相关，据此推断两类神经元功能分离。然而该研究未考虑重尾分布对相关性分析的干扰，可能高估了功能分离的生物学意义。本研究针对这一问题，提出新的功能分离量化指标，重新审视重尾分布下随机变异与功能分离的关系，对神经数据的统计分析方法具有重要修正意义，相关成果发表于《Neuroinformatics》。
关键技术方法
研究重新分析了6只成年雄性Sprague-Dawley大鼠的初级运动皮层电生理数据，共包含1258个单神经元单位，每个记录时长30分钟。采用两种核心指标量化神经元功能属性：一是群体耦合（Population coupling，Cpop,i），基于神经元放电时间序列与皮层整体放电活动的协变程度计算；二是身体耦合（Body coupling），通过运动触发平均放电率（MTASR）和放电触发平均身体速度（STABS）两种方法量化，均以标准差作为最终指标。研究人员提出新的功能分离度量Σ，定义为在满足无神经元同时超过双阈值A和B的条件下，最大化空白区域占总区域的比例，取值范围0到1，并通过与二维无相关正态分布的零假设比较计算显著性p值。统计模型部分采用逆变换采样生成对数正态、幂律、泊松等多种分布数据，验证Σ在不同分布下的表现。
研究结果
定义功能分离度量Σ
研究人员通过散点图可视化说明Σ的计算逻辑：若神经元群体功能分离，则高属性A的神经元应低属性B，反之亦然。Σ通过遍历所有可能的双阈值组合，选择最大化无重叠区域占比的阈值，确保右上角空白区域无数据点。通过与零假设分布比较，判断实测Σ是否显著高于随机水平。
统计模型验证
研究人员测试了6种分布下Σ的变化规律：无相关二维正态分布、两种幂律分布（指数-1和-2）、对数正态分布、双正态分布混合、负相关二维正态分布及泊松分布。结果显示，对数正态、幂律和泊松等重尾分布即使属性完全无相关，Σ仍可接近1；而无相关正态分布的Σ接近0。样本量超过200后，Σ估计趋于稳定，重尾分布的Σ随样本量增加略有上升。
运动皮层实验数据再分析
研究人员将Σ应用于此前大鼠初级运动皮层数据，发现身体耦合与群体耦合虽呈弱负相关，但Σ接近1，显著高于零假设预期。这表明即使不考虑弱相关性，仅基于两种属性的重尾分布特征，即可确认神经元功能分离为真实存在的现象，无需依赖相关性分析结果。
讨论与结论
本研究提出的Σ度量突破了传统相关性分析的局限，证明重尾分布本身即可导致功能分离，无需预设属性间的非随机关系。这一发现修正了对既往运动皮层功能分离研究的解释，提示神经科学数据分析需充分考虑分布特性，避免误将随机变异归因于特定神经机制。研究结果支持“预配置脑”假说，即随机连接网络可通过重尾分布自发产生功能分离，为理解皮层信息处理提供了新视角。研究强调，在重尾分布数据中，无相关性不等于无功能分离，这为神经回路的功能解析提供了新的统计框架。
