PsyBrain 脑心前沿 / 感知觉与注意：顶刊文献解读专题 / A · 文献解读 / A056 · PNASNeuropixels把猴子V1“剖成层”：分层

A056 PNAS | Neuropixels把猴子V1“剖成层”：分层微电路的4条关键规律

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-06 ｜原文链接

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

第一时间接收每日前沿资讯

认知神经科学前沿文献分享

基本信息：

Title:Neuropixels reveal laminar microcircuit organization in monkey V1 in vivo

发表时间：2026.2.18

Journal:PNAS

影响因子：9.1

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

引言

我们日常看见的世界，既有“边缘朝哪个方向摆”（orientation，取向），也有“物体往哪儿动”（direction，方向）。这些信息在大脑里并不是一股脑处理：猴子初级视觉皮层V1有清晰的分层（laminar）结构，层4更偏“输入与早期加工”，层2/3更像“向外整合与输出”。

过去几十年，解剖学、体外电生理和传统单电极记录都告诉我们：不同层里有不同形态、离子通道和连接方式的神经元，但真正棘手的问题是:在活体（in vivo）里、同一次记录中，能不能把“细胞类群—所在层次—功能选择性—跨层连接”这四件事连成一张自洽的电路图？

难点在于：单电极往往偏爱大细胞；只看波形宽窄（narrow/broad）又容易把“窄波形兴奋性细胞”和“宽波形抑制性细胞”误分；更关键的是，很难同时捕捉到动作电位沿细胞不同结构传播的空间信息。

本文用Neuropixels的高密度通道跨层采样，再叠加基于波形形状的机器学习聚类（WaveMAP），把猴V1的分层微电路拆解到“候选细胞类（putative cell classes）”级别，进而追问：哪些类群集中在哪些层？它们偏好取向还是方向？是否存在“投向MT的方向选择强细胞”这样的功能签名？跨层信息流又是否呈现类群特异性？

实验设计与方法逻辑

作者在两只异氟烷麻醉恒河猴（macaque）V1用Neuropixels跨层记录，并结合组织学与电流源密度（CSD）界定层界；经Kilosort2分选与严格模板质控后，选取视觉刺激（漂移Gabor光栅）响应的负相波形单元作为主数据集。随后将归一化波形输入WaveMAP（UMAP+Louvain）得到9个候选细胞类（NS/BS/TP），再系统比较其层分布、振幅、方向/取向选择性、ISI（interspike interval）爆发特征、多通道传播动力学，以及跨类群CCG（cross-correlogram）lead–lag指标，从而把“层—类群—功能—连接”串成一套可检验的电路框架。

Fig. 1. Neuropixels recordings reveal rich neural populations across layers of V1.

Fig. 2. UMAP and Louvain clustering on 801 negative spiking waveforms reveals 9 candidate cell types.

核心发现

发现一：窄波形细胞（Narrow-spiking,NS）在层4高度富集，比例甚至高于传统PV预期

图3把9个类群按深度铺开后很直观：NS1–NS4的密度峰主要落在L4a/4b与L4c，作者量化显示约77%的NS位于层4相关亚层，而在L2/3与L5/6明显更少。这一结果与V1层4更富含Kv3家族通道表达的解剖学线索相呼应，也解释了为何“仅用窄波形≈PV抑制性”会低估真实复杂性——这里的NS很可能包含一部分带快速复极通道的兴奋性细胞。

Fig. 3. Narrow-spiking waveforms are more common in L4a/4b and L4c.

发现二：层4b出现“高振幅+强方向选择”的NS-3

作者在图4把“方向选择指数（direction selectivity index）—深度—振幅”放到同一张图里，最醒目的就是NS-3：它在L4b附近聚集，同时在振幅和方向选择上都显著高于打乱检验（shuffle）的阈值；换句话说，这不是“碰巧大/碰巧偏好方向”。进一步结合图6的多通道波形，NS-3呈更对称的传播轮廓，作者据此推测其更接近stellate-like形态，与解剖研究中“层4b大胞体、投向MT（middle temporal area,MT）且方向选择强”的描述形成了漂亮的在体对接。

Fig. 4. The NS-3 cluster shows strong direction selectivity and high amplitude.

发现三：NS-1是一类“爆发式放电”

图5用ISI分布把“看上去像爆发”的直觉变成了可度量指标：作者对归一化ISI做PCA，利用PC1与PC3的组合构造bursting index，结果显示NS-1（并部分NS-4）更可能呈现短ISI的尖峰分布；同时在取向选择指数（orientation selectivity index）上，NS-1的中位数显著高，并且“爆发程度—取向选择”存在正相关。重要的是，这类细胞的层分布仍以L4a/4b与L4c为主，提示层4不仅是输入站，也可能有一组以“节律性爆发”组织取向计算的关键

图10

Fig. 5. A Narrow-spiking, bursty population localized to V1 L4a/4b and L4c is strongly orientation selective.

发现四：跨层信息流是“类群特异”的：颗粒层/深层→浅层的前馈链路，在CCG里呈现清晰方向性

在图7，作者用jitter-corrected CCG并引入lead–lag index，把成对放电的时间偏置转成网络层面的“谁领先谁”。结果显示：多数显著CCG并非纯共同输入的中心峰，而是带有毫秒级偏移；更关键的是，层4中的多个NS类群整体上更倾向于领先（lead）L2/3的BS类群，形成从granular/infragranular到supragranular的前馈（feedforward）指向。这种“按类群分工”的连接图，把传统“层对层”的描述进一步细化到可用于构建生物真实模型（bioloels）的颗粒度。

图11

Fig. 7. Cross-correlations reveal V1 laminar connectivity between putative cell types.

图12

归纳总结与点评

这篇工作最打动人的地方，是它把V1研究里常被分开讨论的四块证据: 层结构、波形类群、功能选择性与跨层连接, 用同一套Neuropixels数据与WaveMAP框架并联起来：既看到了层4 NS的系统性富集，也在层4b抓到了“高振幅强方向选择”的候选MT投射群，还把“爆发型窄波形细胞”的层定位与取向选择对应上，最后用CCG把信息流方向落到“类群特异”的网络图上。尽管麻醉状态可能影响放电节律与网络动力学，作者也坦诚讨论了这一限制，但整体结论依然为“如何在体重建灵长类V1微电路”提供了可复用的方法学范式与非常具体的可检验预测。

前沿交流| 欢迎加入认知神经科学前沿交流群！

⭐️[加群链接]

图13