我们的大脑是一个由数百亿神经元组成的精密网络，每时每刻都在处理海量的感觉信息，并指挥我们的思想和行动。然而，一个长久以来的核心谜团是：这个庞大网络的稳健运行，究竟在多大程度上依赖于其中每一个微小的组成部分——单个神经元？传统的观点认为，大脑采用“群体编码”策略，即信息分散在大量神经元的活动模式中，因此个别神经元的失灵不会对整体功能造成毁灭性打击，这保证了系统的鲁棒性。但另一方面，神经系统的功能又表现出惊人的灵活性，能够根据微小的输入变化做出精确调整。这两种看似矛盾的特性——鲁棒性与敏感性——是如何在神经环路中并存并取得平衡的？其背后的物理与计算原理是什么？这正是本篇发表在《自然-通讯》（Nature Communications）上的研究试图回答的根本问题。
为了深入探究单个神经元在神经网络信息处理中的具体作用，一个由Svenja Brodt、Luis Carlos Garcia del Molino、Pak-Ming Lau、Georgios Exarchakis、Gyu Hyun Kim及共同作者组成的研究团队，开展了一项精巧的实验。他们不再满足于仅仅观察神经元的自然活动，而是主动出击，对大脑皮层中特定的单个神经元进行精准的“扰动”——暂时性地抑制其活动，同时观察其周围成百上千个其他神经元的活动会如何响应。这种方法犹如在平静的湖面投入一颗石子，通过观察涟漪的扩散，来推断湖水的物理特性。研究人员将目光聚焦于小鼠的桶状皮层（barrel cortex），这是负责处理胡须触觉感觉的主要脑区。他们训练小鼠执行一项触觉辨别任务，当小鼠的胡须被轻柔触碰时，它需要做出舔舐反应以获得奖励。在此期间，研究人员结合了在体双光子钙成像（two-photon calcium imaging）和全细胞膜片钳记录（whole-cell patch-clamp recording）这两项前沿技术。双光子成像允许他们同时监测皮层同一区域内数百个神经元的活动；而膜片钳技术则使他们能够锁定其中任意一个特定的神经元，并向其注入超极化电流，从而可逆且精准地抑制该神经元的动作电位发放，实现单神经元水平的“扰动”。
通过这套强大的技术组合，研究人员得以在动物执行真实行为任务的同时，实施单神经元扰动并记录大规模的群体反应。他们的分析主要围绕三个核心概念展开：解码性（Decodability）、敏感性（Sensitivity）和临界性（Criticality）。
首先，关于解码性。研究人员训练了一个解码器，根据神经元群体的活动模式来推断小鼠正在经历的刺激（例如，胡须被触碰的方向）。他们发现，当抑制了群体中某一个神经元后，解码器的性能变化（即解码性的改变）在不同神经元之间存在巨大差异。有些神经元的沉默会显著降低解码准确率，说明这些神经元携带了关于刺激的关键信息；而另一些神经元的沉默则几乎没有任何影响，甚至可能略微提高解码性能。
其次，关于敏感性。他们进一步量化了单个神经元被抑制后，其周围所有其他神经元活动模式变化的平均程度。这衡量了网络对于局部扰动的整体“敏感度”。一个高度敏感的网络意味着一点微小的扰动就会引起广泛的、雪崩式的活动改变。
最关键的是第三个概念：临界性。在统计物理学中，临界态是介于有序与无序之间的一种特殊状态，系统在临界态下对外界扰动最为敏感，且扰动的影响范围可以跨越多个尺度。研究人员发现，他们观察到的神经网络正好工作在接近临界的状态。更有趣的是，他们建立了一个理论模型，证明单个神经元扰动所引发的解码性变化与网络对该扰动的敏感性之间，存在一种可预测的数学关系，而这种关系恰恰是系统处于临界态的一个特征性标志。换句话说，通过测量抑制某个神经元后解码性能的变化（一个相对容易测量的量），他们可以推断出整个网络对于扰动的敏感程度及其临界特性。
主要研究结果与结论如下：
- 1.
单神经元扰动揭示了解码功能的异质性。研究证实，在感觉皮层中，不同神经元对于群体解码任务的贡献是极不均等的。存在少数“高影响力”神经元，它们的活动对于准确解码感觉刺激至关重要；而大多数神经元的影响则微乎其微。这为神经编码的稀疏性和高效性提供了直接证据。
- 2.
网络敏感性与解码性变化在临界态耦合。本研究最重要的理论发现是，在接近临界态的神经网络模型中，单个神经元扰动导致的解码性变化量（ΔD）与该扰动引发的网络敏感性（S）的平方根成正比，即 ΔD ∝ √S。实验数据完美地符合这一理论预测。这表明，神经网络通过将自身调整到临界状态，巧妙地实现了鲁棒性与敏感性的统一：一方面，群体编码保证了对多数神经元失效的鲁棒性；另一方面，临界态又使得网络对少数关键神经元的扰动保持高度敏感，从而允许快速的功能重组与学习。
- 3.
临界性作为神经计算的一种潜在优化状态。工作于临界态附近，可能为大脑带来了多重计算优势。它使网络能够以最大的动态范围响应输入，支持复杂的信息传递与整合，并且可能为可塑性（学习与记忆的基础）提供理想的环境。该研究将抽象的临界态理论，与具体的、可测量的单神经元功能（解码性）联系了起来，为在实验上验证和利用这一原理提供了新范式。
- 4.
方法学上的创新。该研究建立了一套完整的框架，从单神经元水平的精确操作（扰动），到群体水平的活动记录（成像），再到基于信息论和统计物理学的量化分析。这套方法可以广泛应用于其他脑区和行为范式，以探究不同类型神经元（如不同细胞类型、不同投射目标）在各类认知功能中的特异作用。
结论与意义
总而言之，这项研究通过创新的单神经元扰动范式，首次在活体大脑中直接建立了微观神经元功能（其对感觉信息解码的贡献）与宏观网络状态特性（临界性）之间的定量联系。它揭示了大脑皮层并非一个简单的、民主的神经元集合，而是一个在临界边缘精心调谐的系统。在这个系统中，少数关键神经元扮演着信息处理的核心角色，而整个网络的状态则决定了这些关键节点影响力被放大的程度。这一发现不仅深化了我们对神经编码基本规律的理解，也为探索神经系统疾病（如癫痫、精神分裂症等，其神经动力学可能偏离了健康的临界状态）的机制提供了新的理论视角和潜在的生物标志物。未来，沿着这一方向，科学家或许能够通过监测网络对特定扰动的敏感性，来评估大脑功能的健康状态，甚至开发出新的干预策略。
