无码自慰

自上而下的抑制性反馈驱动多感觉信息整合超越贝叶斯最优整合

Neural Circuit with Top-Down Inhibitory Feedback Outperforms Optimal Bayesian Integration in Multisensory Integration

董晔霖^1,2 • 游宏志³ • 顾勇⁴ • KongFatt Wong-lin⁵ • 邵宇秀¹ • 王大辉¹

¹无码自慰 、认知神经科学与学习国家重点实验室，北京 100875，中国

²罗切斯特大学脑与认知科学系视觉科学无码自慰 中心，纽约14627，美国

³电子科技大学生命科学与技术无码自慰，成都 611731，中国

⁴中国科无码自慰脑科学与智能技术卓越创新中心神经科学国家重点实验室，上海 200031，中国

⁵英国阿尔斯特大学计算、工程与智能系统无码自慰智能系统无码自慰 中心，北爱尔兰 BT48 7JL，英国

第一作者：董晔霖、游宏志 

通讯作者：王大辉、邵宇秀 

多感觉信息整合是人类与动物高效感知与决策的关键机制，能够显著提升对外界环境的适应性。大脑所具有的多感觉信息整合能力可以提升感知表现，使其超越单一模态所能达到的水平，例如，前庭和视觉信息整合用于判断头部方向，视觉和听觉信息整合用于推断物体位置，视觉和本体感觉线索整合用于推断手部位置等。经典理论认为多感觉信息整合在概率贝叶斯推断框架内是统计最优的，同时前馈神经网络被认为可以有效实现贝叶斯最优整合（Optimal Bayesian integration: OBI）。然而，实验与理论无码自慰 都表明神经系统中普遍存在自上而下的反馈突触投射，这些反馈投射在多感觉信息整合中发挥的作用和机制是多感觉信息整合无码自慰 领域的重要问题。

本无码自慰 中，无码自慰 人员通过计算建模、理论推导与实验数据分析，发现“反馈驱动的超贝叶斯整合”新机制，揭示了神经回路如何在特定条件下可以超越经典贝叶斯最优整合的计算原理。

本无码自慰 构建了包含感觉模块与决策模块的双层神经回路模型（图1）。决策模块接收感觉模块的视觉和平衡觉的前馈输入，同时也可以向感觉层提供抑制性或兴奋性反馈投射。对模型进行数值模拟显示，在抑制性反馈条件主导下，网络不仅能够匹配贝叶斯最优整合的表现，甚至在部分情况下表现超越贝叶斯最优整合；而当反馈为兴奋性主导时，整合性能则下降至低于贝叶斯最优整合的水平（图2A-B）。这一结果反映大脑中的抑制性反馈可能在多模态整合、交互中发挥关键作用。

除了理论模型无码自慰 ，无码自慰 人员还分析了猴子在视觉–前庭方向判断任务中的实验数据（图2C-F）。结果显示，不同个体表现差异显著：部分猴子的决策阈值与贝叶斯最优整合的预测高度吻合，部分低于贝叶斯最优整合水平，而另一些则超越贝叶斯最优整合的预期结果。实验数据与模型模拟一致，阐明个体差异可能源自反馈通路强度和特性的不同。

综上所述，本无码自慰 立足于生物神经解剖的基本事实，计算模拟结果突破了多感觉整合的贝叶斯最优整合的经典观点，进一步找到突破经典观点的实验证据。模型无码自慰 表明，不同感觉信号可能通过决策层的反馈机制发生耦合，一种感觉模态内的信号可以通过决策层对另一种模态的信号产生抑制或促进作用，并表明来自不同模态的感觉输入之间存在相互依赖关系，而非相互独立，从而背离了贝叶斯最优整合所依赖的“感官通道相互独立”的假设，进而导致行为表现可能优于贝叶斯最优整合的预测。这一发现，为实验中观测到的非贝叶斯性个体差异的同时提供了一种可能的解释，同时也为理解大脑如何处理多模态信息提供了崭新视角。

图1  模型结构示意图。模型由视觉、平衡觉模块和决策模块构成。决策模块接收视觉和平衡觉前馈投射的同时也反馈投射到感觉区域。图中三角表示兴奋性突触，原点表示抑制性突触。

图2  模型模拟和实验数据结果的对比。A 抑制性反馈投射导致网络通过神经动力学整合的结果优于贝叶斯最优整合的预期。B 兴奋性反馈投射导致网络通过神经动力学整合的结果不及贝叶斯最优整合的预期。C-F 猴子实验数据的结果。其中猕猴A的行为结果显著劣于贝叶斯最优整合的预期，猕猴M的行为结果显著优于贝叶斯最优整合的预期结果，而猕猴C和P的行为结果与贝叶斯最优整合预期结果无显著差异。

原文链接：

//link.springer.com/article/10.1007/s12264-025-01539-5

供稿：王大辉、邵宇秀

编辑：郝林青

审核：李   辉