PsyBrain 脑心前沿 / 科研分析：认知神经科学前沿的结构化精读 / P · 感知觉与注意 / P073 · NatNeurosci重磅：人脑如何实现毫秒级“信息路由

P073 Nat Neurosci重磅：人脑如何实现毫秒级“信息路由”？最新研究揭示空间注意的“量子跃迁”时刻

来源：公众号 PSY-Brain_Frontier ｜发布：2025-12-10 ｜原文链接

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

不错过每日前沿资讯

认知神经科学前沿文献分享

基本信息

Title:High-frequency bursts facilitate fast communication for human spatial attention

发表时间：2025.12.2

发表期刊: Nature Neuroscience

影响因子：20.0

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

研究背景

人类的大脑是一个庞大而复杂的分布式网络。为了在纷繁复杂的环境中生存，大脑必须具备在毫秒级的时间尺度上迅速优先处理重要信息的能力，这便是我们熟知的“注意（Attention）” 。然而，一个长期困扰神经科学家的核心问题是：大脑究竟如何跨越遥远的皮层区域，实现这种快速、精准的信息路由（Information Routing）？

以往的研究多聚焦于低频振荡（如 Theta 或 Alpha 波）或功能磁共振成像（fMRI）所揭示的慢速网络连接。这些指标虽然能反映长时程的状态，却难以捕捉注意过程瞬间发生的动态变化。更有理论提出，高频活动（High-frequency activity, HFA）可能承载着局部的神经计算，但我们对于这些高频信号如何在全脑范围内进行“长程通讯”知之甚少。

更关键的是，目前的许多观点主要源于非人灵长类动物研究。在人脑中，是否存在一种特定的神经生理标记，能够标志着神经群体状态的跃迁，从而打开信息传递的“闸门”？这就需要利用高时空分辨率的手段人类颅内脑电（iEEG）来一探究竟。本研究正是基于这一背景，通过精密的实验设计与计算建模，试图揭示“高频爆发（HFAbs）”在人类空间注意网络中的关键角色。

研究核心总结

这项发表于 Nature Neuroscience的最新研究，利用人类颅内脑电（iEEG）和脉冲神经网络（SNN）模型，深入解析了空间注意任务中的高频活动动力学。研究团队发现，高频活动爆发（High-frequency activity bursts, HFAbs）是人脑实现快速、长程信息通讯的关键机制。

Fig. 1 | HFAb activation profile predicts behavioral outcome on a trial-by-trial basis.

HFAbs是神经群体状态跃迁的标志

研究首先明确了 HFAbs（65-115 Hz）并非持续的振荡，而是短暂的、离散的爆发事件。计算建模显示，这些爆发反映了神经元群体在接收到相干外部输入时，向高放电率状态的瞬时跃迁。这表明 HFAbs 代表了局部网络兴奋性的提升窗口，为信息处理做好了准备。

Fig. 2 | HFAbs dynamically phase lock to low-frequency LFPs and decouple transiently after cue and target onsets.

动态的“锁定-解耦”机制

在静息状态下，HFAbs 通常被“束缚”在低频节律（如 Theta, Alpha, Beta）的相位上，这反映了一种内部调节的默认状态。然而，研究发现了一个关键现象：当处理线索（Cue）或目标（Target）时，HFAbs 会发生瞬时的“解耦（Decoupling）”，即摆脱低频相位的控制。这种解耦效应在正确反应的试次中尤为显著，且解耦程度能直接预测行为准确率。这暗示了大脑通过释放低频抑制，使网络从内部维持状态切换到外部驱动的处理模式。

Fig. 3 | Network-level synchronization of HFAbs identifies functionally specialized subnetworks.

零滞后同步构建功能子网络

在全脑尺度上，HFAbs 表现出令人惊讶的零滞后同步（Zero-lag synchronization），这种同步性将分散的脑区组织成了功能特异性的子网络。通过聚类分析，研究者识别出了专门响应线索的“线索子网络（Cue-subnetworks，主要位于枕叶和顶叶）”和响应目标的“目标子网络（Target-subnetworks，主要位于额叶和运动区）” 。

Fig. 4 | Cue-subnetworks precede target-subnetworks during target processing.

序列化的信息路由机制

本研究最核心的发现在于揭示了信息流动的方向性。在目标处理阶段，当先前的线索有效时，线索子网络的 HFAbs 会在时间上显著先于目标子网络的活动。这种“先导-滞后（Lead-lag）”的动力学模式仅在获取有效信息时出现，说明这不仅仅是视觉层级的简单激活，而是真正的选择性信息路由。

图10

Fig. 5 | Computational modeling of HFAbs in spiking neural networks.

总而言之，该研究建立了一个全新的框架：HFAbs作为神经群体状态跃迁的签名，通过“解耦”摆脱低频束缚，并通过在大尺度网络间的精准时序编排（从线索网络到目标网络），实现了注意力的灵活控制与信息路由。这不仅弥合了微观神经回路与宏观全脑网络之间的鸿沟，也为理解人脑如何进行毫秒级的高速计算提供了确凿的电生理证据。

图11

Abstract

Brain-wide communication supporting flexible behavior requires coordination between sensory and associative regions but how brain networks route sensory information at fast timescales to guide action remains unclear. Using human intracranial electrophysiology and spiking neural networks during spatial attention tasks, where participants detected targets at cued locations, we show that high-frequency activity bursts (HFAbs) mark temporal windows of elevated population firing that enable fast, long-range communications. HFAbs were evoked by sensory cues and targets, dynamically coupled to low-frequency rhythms. Notably, both the strength of cue-evoked HFAbs and their decoupling from slow rhythms predicted behavioral accuracy. HFAbs synchronized across the brain, revealing distinct cue- and target-activated subnetworks. These subnetworks exhibited lead–lag dynamics following target onset, with cue-activated subnetworks preceding target-activated subnetworks when cues were informative. Computational modeling suggested that HFAbs reflect transitions to population spiking, denoting temporal windows for network communications supporting attentional performance. These findings establish HFAbs as signatures of population state transitions, supporting information routing across distributed brain networks.

图12