玻尔百科单个脑细胞的活动如何与其数百万邻居的合唱相关联？在神经科学中，这个基本问题就像试图通过同时聆听一位小提琴独奏家和整个交响乐团来理解一支管弦乐队。被称为局部场电位（LFP）的神经活动集体嗡鸣声提供了节律，而单个神经元则贡献其独特的“脉冲”或动作电位。挑战在于确定独奏者是否与乐团的节奏合拍。本文介绍了脉冲-场相干性，这是一种强大的分析工具，旨在精确测量这种关系，从而弥合单细胞活动与大规模大脑动态之间的鸿沟。
本文旨在对这一基本概念提供全面的理解。首先，在“原理与机制”一章中，我们将深入探讨锁相和相干性的核心定义，探索支撑它们的数学模型，并讨论精确测量它们所面临的实际挑战和最先进的技术。随后，“应用与跨学科联系”一章将展示脉冲-场相干性如何被应用于揭示大脑的秘密，从剖析神经环路的微观引擎到解释注意、意识和运动控制等宏观认知功能，甚至其在医学和技术中的作用。
想象一下，你置身于一个宏伟的音乐厅，聆听一支交响乐团的演奏。在你的座位上，你听到的是集体的声音，那丰富和谐的音响时而高涨，时而消退——这就是局部场电位（LFP），成千上万个神经元电活动的总和，人群的嗡鸣声。现在，想象你有一个特殊的麦克风，能够在这片嘈杂中捕捉到单个小提琴手的声音。那一件乐器发出的尖锐、清晰的音符就是动作电位，或称脉冲——单个神经元明确的“呐喊”。
令神经科学家着迷的问题是：我们的小提琴手是跟着乐团的节律演奏，还是在演奏自己的曲调？更微妙地说，他们的音符与节拍的耦合有多紧密？他们是精准地踩在 40 Hz γ 节律的强拍上，还是只是模糊地跟随着？这，本质上，就是脉冲-场相干性的问题。它衡量的是单个神经元的独白在多大程度上受到其邻居合唱的影响。
为了让这个概念更精确，我们首先需要认识到 LFP 通常是振荡的。它有节律——有波峰和波谷的波。就像海浪一样，我们可以用它的相位来描述任何一个时间点：我们是处于波的顶峰、波谷，还是在上升或下降的斜坡上的某个位置？
要看我们的神经元“小提琴手”是否在跟随节律，最直接的方法是检查它是否偏爱在波的某个特定部分演奏它的音符。它是否倾向于在波峰附近发放脉冲？或者可能是在波谷？这种倾向被称为脉冲-场锁相。我们可以通过以下方式将其可视化：取神经元发放的每一个脉冲，查看那一瞬间 LFP 的确切相位，并制作这些相位的直方图。如果神经元不关心 LFP 的节律，这些相位将遍布各处，直方图将是平坦的。但如果它是锁相的，我们将在直方图中看到一个明显的凸起，揭示了该神经元偏好的放电相位。
我们可以用一个优美的数学概念来量化这种偏好。想象每个脉冲的相位是一个小箭头，一个长度为一的向量，指向圆上与其相位对应的方向。如果脉冲相位是随机的，这些箭头将指向四面八方，它们的平均向量将是一个靠近中心的小向量。但如果它们都聚集在一个偏好的相位周围，这些箭头将大致指向同一方向，它们的平均向量将是一个指向该相位的长向量。这个平均向量的长度，一个介于 0（无锁相）和 1（完美锁相）之间的值，被称为锁相值（PLV）或平均合矢量长度。这是我们对独奏者与乐团之间关系的第一个定量把握。
让我们通过一个思想实验使这个概念更加具体。想象一个“顺从的”神经元，其放电概率直接受到一个完美的、正弦的 LFP 振荡的调制。假设该神经元的瞬时放电率 由以下公式给出：
在这里， 是神经元的平均放电率，而参数 ，即调制深度，告诉我们 LFP 节律对神经元的控制有多强。如果 ，神经元的放电完全独立于 LFP。如果 ，它的放电概率在 LFP 的波峰处高 50%，在波谷处低 50%。
现在，如果我们去测量这个假想神经元的锁相值，我们会发现什么？从这个过程的第一性原理出发，数学推导得出了一个惊人简单而优雅的结果：在此背景下定义为 PLV 的相干性，就是 。这在隐藏的生物学参数——耦合强度 ——和我们能从记录中实际测量的量之间，建立了一座直接的、线性的桥梁。它让我们相信，当我们测量相干性时，我们真正在探究神经元相互作用的潜在机制。
当然，大脑远比我们简单的模型要混乱得多。LFP 是一个复杂的、充满噪声的信号，而不是纯粹的正弦波，并且脉冲与场之间的耦合可能更加微妙。我们需要一个更强大、更普适的工具，一个能同时在所有频率上工作的工具。这个工具就是脉冲-场相干性。
用信号处理的语言来说，相干性有点像一个相关系数，但是在频域中。它告诉我们，对于每个频率 ，LFP 信号在该频率上的功率有多大一部分可以由脉冲的时间点线性预测。公式如下：
不要被这些符号吓倒。 和 分别是 LFP 和脉冲序列的功率谱。它们告诉我们每个信号在给定频率 上有多少“能量”。分子中的项 是互谱。它是最有趣的部分；它测量了在频率 上两个信号之间相位关系的一致性和功率的协变。
通过用各自的功率谱对互谱的平方进行归一化，我们得到了一个无量纲的数 ，其范围从 0 到 1。在 40 Hz 处的相干性为 0.7 意味着，LFP 的 40 Hz γ 节律中 70% 的方差可以由那个单个神经元的脉冲时间来解释。这是一个关于单个细胞对集体节律的影响或其参与程度的非常有力的陈述。
从真实数据中计算相干性是一门艺术，一场与噪声和偏差的持续战斗。想象一下，你正试图从一颗遥远的恒星中寻找微弱的信号；你需要一台强大的望远镜和能够滤除地球大气畸变的技术。这里也是同样的道理。
一个主要的混淆来源是散粒噪声。即使一个完全随机放电的神经元（如泊松过程），也会产生一个功率谱不为零的信号。这仅仅是由于信号由离散、尖锐的事件（脉冲）组成。如果我们不小心，我们可能会将这种基线噪声误认为是有意义的信号。优雅的解决方案，一种数学上的“洁净”措施，是在计算谱之前，通过减去其平均放电率的贡献来“中心化”脉冲序列。这就像在称量配料前先将秤去皮；你移除了一个已知的基线，以便测量真正感兴趣的量。
另一个挑战是谱泄漏。当我们分析有限长度的数据时，我们分析窗口的尖锐边缘会扭曲频率内容，导致一个频率的功率“泄漏”到其相邻频率中。一个绝妙的解决方案是多窗谱法。我们不使用单一的简单窗口，而是使用一组特殊设计的正交窗口，称为Slepian 窗，对数据进行多次分析。每个窗都提供了一个略有不同、最优集中的谱视图。通过平均这些多个窗的结果，我们可以获得一个更干净、方差更小、偏差更小的谱估计。这类似于将一个主体的多张照片（每张用略有不同的镜头拍摄）组合起来，形成一幅单一的、高保真度的合成图像。
经过所有这些细致的工作，我们在 40 Hz 的相干性图上看到了一个美丽的峰值。我们发现了什么！真的吗？一个好的科学家必须永远是自己最尖锐的批评者。大脑是幻觉大师，我们有很多方式可能被愚弄。
其一，神经元自身的脉冲可能会在附近的 LFP 记录中引起一个微小的电信号“毛刺”。这是一种简单的电学伪迹，称为容积传导。如果我们不小心，我们可能只是在测量一个神经元与其自身回声的相干性！
更微妙的是，神经元固有的放电模式可能会欺骗我们。真实的神经元不是随机的泊松过程。它们有一个不应期——在一次脉冲后短暂的沉默期——并且它们可以以高频簇放电的形式放电。这些与周围 LFP 节律无关的非随机模式，本身可以在我们的分析中创造出结构，并伪装成真正的耦合。
那么，我们如何知道我们测量的相干性是真实的呢？我们必须用一个合理的零假设来检验它。一个聪明而强大的技术是创建代理数据。我们取真实的脉冲序列，并将每个脉冲“抖动”一个小的、随机的时间量（例如，向前或向后移动最多 20 毫秒）。这个过程小心地保留了神经元放电率的缓慢变化及其固有的模式（如簇放电），但它切断了与 LFP 的任何精确的、毫秒级的相位关系。然后我们为这个抖动过的数据计算相干性，重复多次，以构建一个零分布——即纯粹由偶然产生的相干性会是什么样子。如果我们原始的、未抖动数据的相干性远高于这个偶然水平，我们最终可以确信，我们发现了独奏者与乐团之间真正的对话。
这似乎是为了测量一个数字而付出了巨大的努力。但回报是巨大的。脉冲-场相干性不仅仅是一个枯燥的统计量；它是一个强大的诊断工具，为我们提供了一个窥探神经环路隐藏计算状态的窗口。
考虑大脑皮层的两种基本状态。一种是异步不规则（AI）状态，这是一种复杂且看似混沌的状态，被认为支撑着活跃、灵活的计算。在这种状态下，突触兴奋和抑制之间的微妙平衡使神经元不规则地放电，并且成对相关性很低。每个神经元或多或少都像一个独立的代理。你可能会预料到，在 AI 状态下，脉冲-场相干性通常很低。
相比之下，大脑也可以进入更同步、更有节律的状态。在这种状态下，神经元可能以更规则、周期性的方式放电。在这里，独奏者不再是即兴演奏，而是与一个主导节律同步前进。在这个异步规则（AR）状态下，脉冲-场相干性很高，通常在潜在节律的频率上显示出尖锐的峰值。
通过测量相干性，以及像变异系数（CV）这样的放电不规则性指标，我们可以为大脑的状态开发一个“指纹”。我们可以区分一个动态的、高复杂度的计算状态（低相干性，高不规则性）和一个空闲或病理性的节律状态（高相干性，低不规则性）。脉冲-场相干性，源于一个关于小提琴手和管弦乐队的简单问题，成为了解码思想语言的深刻工具。
在上一章中，我们揭示了脉冲-场相干性的本质——一种衡量单个神经元的独奏与其周围神经元群体宏大乐队之间微妙、节律性伙伴关系的度量。我们现在手中掌握了这个优美的数学工具。但它有什么用处呢？它能揭开大脑内心世界的哪些秘密？
你可能会倾向于认为它只是一个统计上的奇闻异事，是神经科学宏大教科书中的一个注脚。事实远非如此。脉冲-场相干性是一把万能钥匙，让我们能够触及思想、感知和行动的根本机制。它将离子通道和突触的微观世界与认知、意识甚至前沿医疗技术的宏观现象联系起来。现在，让我们踏上这段应用之旅，看看测量这种听起来简单的“锁相”如何揭示心智中错综复杂的音乐。
在理解一台机器的功能之前，了解其引擎的工作原理是很有帮助的。大脑节律，特别是快节奏的伽马振荡（大约 30–80 Hz），是皮层计算的基本引擎。但它们是如何构建的？一群嘈杂的单个神经元如何组织成一个连贯、有节律的嗡鸣声？脉冲-场相干性提供了一个关键的诊断工具。
多年来，有两个主要模型竞相解释伽马节律的产生。第一个是抑制性中间神经元网络伽马（ING）模型，其中一群相互连接的抑制性中间神经元基本上占据了主导地位。它们在一种自我维持的抑制循环中节律性地相互抑制，就像一群舞者轮流推开彼此。在这种情景下，兴奋性的锥体神经元在很大程度上是被动的观察者，接收这种节律性的抑制节拍，但不驱动它。
第二个模型是锥体-中间神经元网络伽马（PING）模型。在这里，节律源于兴奋性锥体细胞和抑制性中间神经元之间优美的华尔兹。锥体细胞放电，兴奋中间神经元。片刻之后，中间神经元回馈放电，使锥体细胞沉默。节律的节奏由这种抑制作用消退所需的时间决定，从而允许锥体细胞再次放电并重新开始循环。
我们如何区分这两种引擎呢？通过使用脉冲-场相干性。在 ING 模型中，我们期望看到抑制性中间神经元有很强的脉冲-场相干性——它们是振荡器的核心——但锥体细胞的相干性非常弱，因为它们只是随波逐流。在 PING 模型中，两种细胞类型都是这场舞蹈不可或缺的一部分。我们预测两个群体都会有很强的相干性，但会有一个特征性的相位差：锥体细胞应该系统地在它们招募的中间神经元之前放电。这不仅仅是理论；通过使用药理学制剂来阻断兴奋性或抑制性传递，或巧妙地改变抑制的节奏，我们可以观察相干性模式如何变化，从而使我们能够识别特定大脑区域中起作用的特定环路机制。
有时，这些环路的动态可能非常反直觉。在 PING 节律中，如果加强抑制性反馈会发生什么？你可能会认为这会使网络安静下来。相反，它可以使节律既更响（更高的伽马功率）又更紧密（更高的脉冲-场相干性）。更强、更快的抑制为锥体细胞创造了一个更窄的“机会之窗”来放电，迫使它们进行更精确、更同步的齐射。这就像一个军士长更用力地喊出口令，从而使部队做出更统一、更有力的反应。脉冲-场相干性让我们能够欣赏这种兴奋与抑制之间微妙而强大的相互作用。
理解引擎是一回事；理解它驱动什么则是另一回事。现在让我们从微观环路转向它们所促成的宏伟功能。
考虑伸手去拿一杯咖啡这个简单的动作。这是从静止状态到有目的行动状态的转变。大脑的运动皮层精心策划了这一转变，而脉冲-场相干性为我们提供了这一过程的惊人视角。
在准备期间，当你保持静止但计划移动时，运动皮层通常在 β 频段（15–30 Hz）表现出强烈的振荡。该区域的神经元与这种 β 节律表现出很高的脉冲-场相干性。这仿佛系统处于一种“空转”或“制动”状态，积极维持现状并防止过早的运动。但就在你决定行动的瞬间，一个戏剧性的转变发生了。β 频段的功率骤降——这一现象被称为运动相关的 β 去同步化——同样重要的是，神经元的脉冲-场相干性降低了。神经元从它们的节律枷锁中被“释放”，得以自由地以更复杂的模式放电，从而编码伸手的具体细节。通过同时测量场的功率和脉冲的相干性，我们可以构建一个运动皮层参与度的指数，实时观察它从“保持”状态切换到“行动”状态。
为什么这种相干性对最终的输出很重要？因为来自运动皮层的信号必须沿着脊髓向下传递以指令肌肉。来自皮层的相干、同步的脉冲齐射在驱动脊髓运动神经元方面远比杂乱无章的低语更有效。运动神经元的细胞膜就像一个低通滤波器，平滑其输入。节律性的、相干的输入更有可能将运动神经元推过其放电阈值并产生可靠的输出。因此，大脑中的脉冲-场相干性直接转化为对我们肌肉的有效和可靠控制。
除了移动我们的身体，我们的大脑还必须驾驭源源不断的感觉信息洪流。在任何时刻轰炸我们的所有视觉、听觉和感觉信息中，我们如何选择重要的并忽略不重要的？这就是注意力的魔力，而脉冲-场相干性正是这一技巧的核心。
一个领先的理论，即“相干通信”（CTC）理论，提出当大脑区域的振荡同步时，它们能有效地进行通信。想象一下，你在一片绿色的森林中寻找一只红色的鸟。为了增强“红色”信号，处理此特征的视觉区域可能会同步它们的 γ 频段振荡。代表“红色”的神经元的脉冲-场相干性会增加。这确保了它们的信息在下游大脑区域兴奋性高的时刻到达，从而有效地放大了相关信息的音量。同时，为了抑制分散注意力的绿色树叶，大脑可能会使用不同的节律。代表“绿色”的神经元可能会受到强大的 α 频段（8–12 Hz）振荡的影响，这种振荡就像一个节律性的“门”，周期性地抑制它们并阻止它们的信号传播。脉冲-场相干性让我们能够见证这种美丽的二元性：γ 频段相干性为被注意的事物打开通道，而 α 节律则对被忽略的事物关上大门。
这种协调不仅仅是局部的。它贯穿整个大脑。更高阶的大脑区域，如丘脑中的丘脑枕，可以充当“总机操作员”，根据我们的目标动态地在不同皮层区域之间建立 γ 频段相干性以路由信息。一个选择性地损害这种 γ 频段相干性的病变会扰乱这种路由，选择性地削弱自下而上、由刺激驱动的信息流，而使自上而下、由目标导向的信号相对完整 [@problem_-id:5039178]。
我们甚至可以通过将脉冲-场相干性与我们对大脑分层（或称皮层分层）结构的知识相结合来追踪这些信号的方向。携带感觉数据“向上”处理层次结构的前馈信号，倾向于到达皮层的中间层，并与 γ 频段相干性相关联。相反，携带预测或注意偏差“向下”层次结构的反馈信号，倾向于到达浅层和深层，并与较低频率的 α 和 β 节律相关联。通过插入一个能同时记录所有皮层的探针，我们可以利用脉冲-场相干性的特定频率和皮层位置来绘制构成感知的复杂、双向信息流。
脉冲-场相干性的力量超越了解释基本的认知功能。它为一些关于心智最深奥的问题和医学中最紧迫的挑战架起了一座桥梁。
从注意力出发，我们只需一小步就能触及最伟大的科学奥秘之一：意识本身的性质。无生命的物质如何产生主观体验？虽然我们离完整答案还很远，但脉冲-场相干性提供了一条诱人的线索。
使用近阈值刺激——微弱到有时才能被有意识地感知的景象——的实验揭示了一种迷人的模式。当刺激呈现时，一股初始的、快速的前馈活动到达初级视觉皮层。无论受试者报告是否看到刺激，这都会发生。这似乎是意识感知的必要但非充分条件。神奇之处发生在稍后，即刺激出现几百毫秒之后。在刺激被有意识地感知的试验中，并且仅在这些试验中，我们看到活动延迟地绽放：皮层浅层的局部复发性处理，其标志是 γ 频段脉冲-场相干性的急剧增加，通常伴随着来自额顶“控制”中心的长程反馈。就好像只有当这种后期的、复发性的、相干的活动建立起来，将感觉信息绑定成一个稳定的、全局性的表征时，意识才被点燃。因此，脉冲-场相干性可能是区分短暂的、无意识的神经闪烁与稳定的、有意识的知觉的神经过程的直接标志。
如果相干的节律是健康、功能正常的心智的标志，那么当音乐出错时会发生什么？脉冲-场相干性提供了一个强大的视角来观察精神障碍。
考虑精神分裂症，这是一种常以思维和感知混乱为特征的毁灭性疾病。一个主流理论认为，它涉及大脑谷氨酸系统的功能障碍，特别是在 NMDA 受体上。麻醉药氯胺酮能阻断这些受体，可以暂时在健康个体中诱发类似精神分裂症的症状。当我们检查在氯胺酮影响下的大脑节律时，我们看到了一个悖论：伽马振荡的总体功率增加了，但脉冲-场相干性却降低了。
其机制具有启发性：氯胺酮似乎优先削弱了对抑制性中间神经元的兴奋性驱动。这使得锥体细胞去抑制化，导致它们更多地放电，从而产生一个“更响”的伽马信号。然而，由于抑制性反馈回路的精确时序被破坏，放电是无组织的、协调性差的——因此相干性下降。大脑正在产生一个响亮但嘈杂且跑调的节律。这表明精神分裂症可能不是大脑活动的简单缺陷，而是一种同步性的障碍。它为一种复杂的精神疾病提供了一个具体的、可测量的环路级假说。
我们的旅程在科学与技术相遇的地方结束。如果我们能学会解读大脑的节律语言，我们能用它来帮助人们吗？这就是脑机接口（BCI）的承诺，它旨在直接从人的神经活动中解码其意图，以控制假肢或计算机光标。
要构建一个有效的 BCI，必须选择最能反映用户意图的神经特征。仅仅计算神经元放电的速度是一个开始，但这忽略了故事的很大一部分。神经元与神经元群体之间的功能关系包含了大量的附加信息。脉冲-场相干性，以及格兰杰因果关系和传递熵等相关的功能连接性度量，是这些解码算法的宝贵特征。它可以揭示皮层区域的状态——例如，运动皮层是处于 β 相干的“空闲”状态还是去同步化的“行动”状态。它告诉解码器哪些神经元集合在“协同工作”，从而提供比单独的脉冲率更丰富、更稳健的信号。通过倾听大脑的音乐，而不仅仅是其单个乐器的音量，我们可以构建能更无缝地与神经系统集成并为失去功能的人恢复功能的技术。
从培养皿中几个神经元的复杂舞蹈，到意识的奥秘和神经假体的希望，脉冲-场相干性已被证明是一个惊人多功能且富有洞察力的工具。它提醒我们，在大脑中，整体确实大于部分之和，而且最深刻的秘密往往不是隐藏在音符本身，而是隐藏在它们之间的和谐之中。