本报讯 上海交通大学医学院研究员张思宇团队和中科院脑科学与智能技术卓越创新中心研究员徐敏团队合作，通过计算机建模分析，预测了视觉信息处理相关神经网络中各脑区的等级，明确了网络中信息的流向及等级信息流在局部微环路中各类神经元上的强度和动态特性，为研究网络中各节点在整体动物行为层面的功能学连接图谱奠定了基础。相关研究成果近日发表于《科学进展》。

视觉信息处理体系是以等级网络的形式来架构的，参与其中的各节点的等级决定了信息流的方向。但对于视觉网络或更为广义的神经网络中携带等级信息的远距离投射，如何与其支配区域的局部微环路发生相互作用并发挥其功能，仍未有系统性研究。

研究人员首次对视觉选择性注意各相关皮层区域不同种类神经元构成的子网络的精细解剖学连接图谱以及细胞水平的功能学连接图谱进行了系统性研究，并结合机器学习算法，抽提出了在视觉信息处理网络中携带等级信息的远距离输入与局部微环路中各类神经元相互作用的规律。

研究人员从解剖学的角度系统研究了视觉选择性注意各相关皮层区域不同种类抑制性神经元的输入。全脑解剖学连接图谱显示，皮层中同类神经元接受的不同来源的输入强度差异可达10的4次方倍，凸显了对解剖学数据的精确定量分析在理解神经网络组织结构中的重要性。

同时，研究人员进一步阐明了具有不同等级方向性的输入如何在时间维度上招募不同种类的神经元，从而实现对局部微环路的精确调控以及兴奋—抑制的动态平衡的机制。

专家表示，这项研究成果对理解基于等级架构的神经网络中的信息处理机制具有重要意义。（黄辛）

相关论文信息：https://doi.org/10.1126/sciadv.abf5676