网格细胞在路径整合导航中切换参考框架仍能精确追踪运动轨迹

本研究揭示了网格细胞(grid cells)在路径整合(path integration)导航任务中的动态编码机制。研究人员通过记录小鼠执行基于自身运动(self-motion)的导航任务时网格细胞的活动，发现这些细胞能在单个试验中切换多个局部参考框架(local reference frames)，通过网格模式平移(grid pattern translation)重新锚定到任务相关物体，同时保持内部表征的稳定性。该发现挑战了网格细胞作为全局定位系统(global positioning system)的传统认知，为理解空间导航的神经机制提供了新视角。

在探索未知环境时，大脑如何准确追踪自身位置一直是神经科学的核心问题。传统理论认为，内侧内嗅皮层(medial entorhinal cortex, MEC)中的网格细胞(grid cells)通过稳定的周期性放电模式构成"认知地图"，像内置GPS一样提供全局空间定位。然而，当视觉线索缺失时，动物依赖路径整合(path integration)进行导航，这一过程如何与网格细胞活动相关联仍存在诸多疑问。

Jing-Jie Peng等研究人员设计了一项创新的AutoPI(自动路径整合)导航任务，通过结合电生理记录和深度学习解码技术，揭示了网格细胞在真实导航场景中的动态编码特性。研究发现，在执行路径整合任务时，网格细胞会放弃稳定的全局放电模式，转而采用灵活的局部参考框架。特别值得注意的是，当小鼠接触到任务相关物体(杠杆箱)时，网格模式会发生平移式重新锚定(reanchoring)，而细胞间的相位关系保持不变。这种动态编码机制使网格细胞能够在不同参考框架间切换的同时，继续支持路径整合功能。

研究采用了多项关键技术方法：1)开发AutoPI行为范式，使小鼠在光照和黑暗条件下交替执行杠杆搜索和归巢任务；2)使用硅探针记录MEC浅层神经元活动，通过随机觅食任务识别网格细胞；3)构建深度循环神经网络(RNN)解码框架，将网格细胞活动映射到环形流形(toroidal manifold)上重建运动轨迹；4)开发新型分析指标量化网格模块在不同参考框架中的锚定强度。

Absence of stable grid patterns in mice navigating using self-motion information

研究发现，在随机觅食任务中表现出典型网格放电的细胞，在AutoPI任务中失去了稳定的网格模式。通过比较不同行为条件下的网格分数(grid scores)、峰值放电率和信息分数，证实网格细胞的周期性放电模式在导航任务中显著减弱。这一现象不能单纯用杠杆存在或空间采样偏差来解释。

Grid cell firing pattern modulated by lever location on the arena

单细胞分析显示，网格细胞的放电模式受杠杆位置调节。在黑暗条件下搜索时，放电场与固定Y轴位置相关；而在归巢时，放电场主要由与杠杆的距离决定。这种任务阶段依赖的编码切换表明网格细胞能根据行为需求灵活调整空间表征。

Preserved temporal firing associations and phase relationships during the path integration task

尽管缺乏可见的网格模式，网格细胞对之间的时间放电关联(temporal firing associations)和相位关系在任务中保持稳定。跨行为条件的放电关联相关性达0.89，表明网格细胞群体活动的内部流形(internal manifold)在参考框架切换时保持完整。

Moment-to-moment decoding of movement path from grid cell activity

研究人员开发的RNN解码器成功从网格细胞活动中重建了小鼠的运动轨迹。在黑暗条件下，虽然解码方向精度有所下降，但仍显著高于随机水平，证明网格细胞模块能在缺乏视觉输入时继续支持路径整合。

Reanchoring of grid cells during navigation in darkness

关键发现是网格模块会重新锚定到杠杆位置。当小鼠围绕杠杆移动时，解码的环形空间位置形成闭合环，表明杠杆在网格表征中具有固定位置。这种重新锚定通过网格模式平移实现，而非旋转，保持了网格方向的一致性。

Grid orientation drift increases with running path length

研究还发现网格方向会随运动距离增加而漂移。长搜索路径后，杠杆锚定网格场的峰值放电率和方向选择性(MVL)降低，表明路径整合误差会随时间累积。

Grid orientation drift predicts homing behavior

最引人注目的是，网格方向的漂移能预测小鼠的归巢方向。在左右归巢试验中，杠杆锚定网格场的漂移方向与小鼠实际运动方向显著相关，证明网格细胞的动态编码直接参与导航决策。

这项研究从根本上改变了我们对网格细胞功能的理解。传统观点认为网格细胞提供稳定的全局坐标系，而新发现表明它们实际上是灵活的位置估计器，能在多个局部参考框架中工作。这种动态编码机制既解决了路径整合中的误差累积问题，又保持了空间记忆的连续性。研究开发的实时解码方法为探索复杂行为中的网格细胞功能开辟了新途径。这些发现不仅对理解空间导航的神经机制有重要意义，也为人工智能中的定位算法提供了生物启发。论文提出的"参考框架切换"概念可能普遍存在于其他认知功能中，为研究大脑如何在不同情境下组织信息提供了新思路。