PsyBrain 脑心前沿 / 科研分析：认知神经科学前沿的结构化精读 / O · 综合神经科学 / O024 · PNAS没有外界刺激时，斑马鱼大脑的自发活动能否在个体之

O024 PNAS | 没有外界刺激时，斑马鱼大脑的自发活动能否在个体之间“翻译”？

来源：公众号 PSY-Brain_Frontier ｜发布：2026-05-23 ｜原文链接

认知神经科学前沿文献分享

基本信息

Title: Cross-individual translation of spontaneous zebrafish brain activity through a shared latent representation

发表时间: 2026.5.14

发表期刊:PNAS

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”跳转论文网页

引言

即使没有声音、光照、触碰等外界刺激，大脑也并不真正“安静”。自发脑活动（spontaneous brain activity）是神经系统持续运行的一部分，既反映底层回路组织，也与感觉处理、行为状态和内部状态动态有关。人类静息态功能磁共振成像（resting-state fMRI）研究已经显示，不同个体之间存在相对稳定的大尺度功能网络；但这类信号的空间和时间分辨率有限，很难进一步追问：这些跨个体相似性是否能对应到更具体的细胞群、共激活组件或回路 motif。

这一问题在脊椎动物中尤其困难。像秀丽隐杆线虫（Caenorhabditis elegans）这样的小型神经系统，可以在较刻板的解剖结构和连接组背景下建立动态模型；而脊椎动物脑具有更复杂的区域组织和更大的个体差异，通常不存在可直接使用的“神经元一一对应”。传统跨个体比较多依赖解剖配准、刺激响应或行为标签，但当研究对象是不受外界驱动的自发活动时，这些外部参照并不足以解析单细胞尺度的共享结构。

幼年斑马鱼（larval zebrafish）提供了一个介于两者之间的窗口：其脑部透明、体积紧凑，可通过光片荧光显微镜（Light-Sheet Fluorescence Microscopy）进行全脑单细胞分辨率钙成像。本文关注的核心问题是：在幼年斑马鱼自发全脑活动中，是否存在跨个体共享的潜在组织结构？如果存在，能否不依赖神经元逐个对应，而把一条鱼的瞬时活动投射到共同潜在空间，再映射到另一条鱼的神经空间？

实验设计与方法逻辑

研究使用 nacre Tg(elavl3:H2B-GCaMP6f) 斑马鱼幼体，年龄为 5 至 6 dpf。作者共记录 17 条鱼，因麻痹失败、死亡、不可校正的 z 向漂移或异常低神经活动等原因剔除后，最终分析 6 条鱼。成像以每秒 2.5 个体积记录 25 min，覆盖 25 个 z 平面；前 4 min 非稳态数据被排除。图像经漂移校正、细胞分割、ΔF/F 计算，并用 Blind Sparse Deconvolution 得到二值化 spike train。分析上，作者先测试单鱼 RBM 的稳定性，再在 20 μm 体素化数据上拼接训练全局 RBM，最后构建 LaRBM teacher-student 框架，将 teacher 的空间权重插值到 student，并用 student 活动与 teacher 隐藏态共同约束训练。

核心发现

发现一：普通 RBM 的隐藏表征在单个体内也并非天然可对齐

论文首先排除了一条看似直接的路线：分别给每条鱼训练 RBM，然后比较隐藏单元。作者在同一条鱼、同一份神经活动数据上多次训练 RBM，发现隐藏单元的空间权重图并不总能稳定一一对应。Figure 1 是整篇研究方法路线的起点：在最佳匹配下，约 28% 的隐藏单元权重相关性高于 0.9，而约 34% 找不到匹配对，相关性低于 0.2。也就是说，即使输入数据相同，不同训练得到的潜在组件仍可能发生退化或重组。

Figure 1 Restricted Boltzmann Machines (RBMs) produce degenerate representations of neuronal functional organization.

Figure 1 还进一步比较了模型推断的神经元间有效耦合。单细胞尺度上，耦合矩阵在不同训练之间仍有较大变异；但当作者把耦合空间平均到约 20 μm 或更粗的体素尺度后，结果变得更稳定。这个结果并不是说 RBM 无法建模自发神经活动，而是提醒读者：不能把每个隐藏单元直接当作天然可跨个体比较的“同一功能单元”。因此，后文必须引入更粗粒度的共享建模，或显式约束潜在空间的对齐。

发现二：体素化拼接训练可在粗粒度上提取跨鱼共享潜在空间

在确认单独训练 RBM 不适合直接对齐后，作者转向较稳健的中尺度方案：先将 6 条鱼配准到共同脑坐标，再以 20 μm 立方体素汇总神经活动，只保留每条鱼中至少含 2 个神经元的共享体素，最终得到 2,995 个体素。Figure 2 展示了这一完整流程：解剖配准、体素化、活动拼接，以及训练包含 2,995 个高斯可见单元和 40 个隐藏单元的全局 RBM。它回答的是一个关键过渡问题：跨个体共享潜在空间是否至少在粗粒度层面可行。

Figure 2 Concatenation and voxelization allow for a common RBM representation.

结果显示，全局 RBM 能较好捕捉多数个体鱼的体素相关结构；更重要的是，投射到隐藏空间后，不同鱼之间隐藏单元相关结构比原始体素相关结构更一致。Figure 2 中的留出训练分析进一步说明，这种一致性并非完全依赖把所有个体都纳入训练；自由能分布在不同鱼之间高度重叠，也提示模型没有简单学习“鱼的身份”。

发现三：LaRBM 在单细胞尺度保留 teacher 的空间化细胞组件

体素化结果证明共享潜在空间有可能存在，但它牺牲了单神经元层面的可解释性。为回到单细胞分辨率，作者提出 teacher-student LaRBM 框架：teacher RBM 先在一条鱼上学习 100 个隐藏单元，每个隐藏单元代表一个空间分布的共激活神经组件；student RBM 通过空间插值继承 teacher 的权重模式，并复制隐藏单元势函数，再在自身神经活动和 teacher 隐藏态样本共同约束下训练。Figure 3 是理解这一方法的核心图，因为它直接检验 student 是否真正保留了 teacher 的潜在结构。

Figure 3 RBMs can be trained from priors and constrained to enforce a similar hidden space.

发现四：共享潜在空间支持模型意义上的跨个体活动“翻译”

论文最后检验一个更强的命题：如果不同鱼确实共享潜在活动组件，那么一条鱼的瞬时全脑活动是否能通过该潜在空间转写到另一条鱼？作者将 source 鱼的可见层活动编码为隐藏层期望，再用 target 鱼的 LaRBM 解码为 target 神经空间中的活动模式。Figure 4 是整篇研究最具整合性的验证，因为它同时考察翻译后活动的神经统计量、模型概率和空间结构，而不是只展示隐藏单元看起来相似。

图10

Figure 4 Spontaneous neuronal activity can be translated through the latent space to another fish.

Figure 4 显示，翻译后的活动在均值活动和成对协方差上接近目标鱼真实或重构活动；自由能也与目标鱼自身重构活动相近，并明显优于随机化活动，说明这些模式在 receiving model 下具有较高概率。空间相关分析进一步显示，除少数离群情况外，翻译活动与源活动的大尺度空间图样相关性高于时间打乱对照，中位空间相关约为 0.55，而打乱对照约为 0.3。

图11

归纳总结和点评

这篇论文的主要贡献在于，用全脑单细胞钙成像和生成式能量模型，把自发脑活动的跨个体比较推进到“共享潜在组件”层面。作者先识别普通 RBM 的潜在表征退化问题，再证明体素级共享建模可行，随后用 LaRBM 在单细胞尺度维持 teacher-student 隐藏空间对齐，并完成跨个体活动模式的模型化翻译。

这条证据链的强项是层层递进：从方法局限、粗粒度可行性、单细胞对齐，到生成式检验，均围绕同一个科学问题展开。需要保持边界的是，该框架目前依赖幼年斑马鱼相对刻板的脑结构、teacher 选择和空间插值预训练，部分配对存在离群情况。研究说明的是模型层面的共享统计与空间结构，不能直接外推为普遍脊椎动物脑组织规律或临床应用结论。

···

图12