迷宫中的老鼠可能是脑科学中最经典的研究主题之一，但科学家的国际合作在Cell Reports中描述的一项新创新表明，这些实验在多大程度上仍在推动技术和神经科学的前沿。

近年来，科学家已经证明，通过记录大脑关键区域中神经元群的电活动，他们可以读出老鼠对它的位置的想法，无论是在它真正运行迷宫之后，还是在梦想运行之后睡眠中的迷宫 - 巩固记忆的关键过程。在这项新的研究中，参与开创这种心灵阅读方法的几位科学家现在报告说，当老鼠经过迷宫时，他们可以实时读出这些信号，具有高度的准确性和解释统计数据的能力。读数几乎在制作完成后立即与之相关。

研究人员表示，能够如此稳健地实时跟踪大鼠的空间表现，为全新的实验打开了大门。他们预测这些实验将对学习，记忆，导航和认知产生新的见解，因为它们不仅可以解释大鼠思维的发生，而且可以即时干预和研究这些扰动的影响。

“使用实时解码和神经活动的闭环控制将从根本上改变我们对大脑的研究，”该研究的共同作者Matthew Wilson说，他是麻省理工学院Picower学习和记忆研究所的神经生物学Sherman Fairchild教授。

新论文背后的合作始于大约10年前在麻省理工学院的威尔逊实验室。当时，相应的作者Zhe(Sage)Chen，现任纽约大学精神病学和神经科学与生理学副教授，Fabian Kloosterman，现任神经电子研究法兰德斯(imec，KU Leuven和VIB)的首席研究员和教授在比利时的KU Leuven，他们都是麻省理工学院的博士后学者。在演示如何使用神经解码来读出大脑隐蔽重放的位置之后，该团队开始了一系列技术创新，逐步提高了该领域在导航，睡眠或休息期间准确解码大脑代表位置的能力。 。他们在2013年达到了第一个里程碑，当时该团队在“神经生理学杂志”的一篇论文中发表了他们的新型解码方法。新方法允许研究人员直接破译从四极管记录中检测到的海马时空模式，而无需进行尖峰分选，这是一个耗时且容易出错的计算过程。

在新的研究中，该团队表明，通过在图形处理单元(GPU)芯片上实现他们的神经解码软件，这是视频游戏玩家所青睐的同类高度并行处理硬件，他们能够实现前所未有的解码和分析速度提升。在该研究中，该团队表明，基于GPU的系统比使用传统的多核CPU芯片快20-50倍。

它们还表明，即使在处理超过一千个输入通道时，系统仍然保持快速和准确。这很重要，因为它将实时解码方法扩展到新的高密度脑记录设备，例如由imec，HHMI和其他机构共同开发的Neuropixels探针(想想许多电极记录来自数百个细胞)，有望在更大规模和更详细的范围内测量细胞大脑活动。

此外，新研究报告了软件能够快速统计评估一组重新激活的神经时空活动模式是否真正与任务相关，或者可能无关的能力。

“我们正在提出一种优雅的解决方案，使用GPU计算不仅可以即时解码信息，还可以动态评估信息的重要性，”Chen说，他的研究生Sile Hu是新论文的主要作者。

Hu测试了大脑区域的各种神经记录，如海马，丘脑和多个大鼠的皮层，因为它们运行各种迷宫，从简单的轨道到广阔的空间。在随附的论文视频中，系统从海马体中36个电极通道的读数跟踪大鼠在开放空间中的实际测量位置，并提供大脑活动的解码位置的实时估计。只是偶尔和短暂地做出很多分歧的轨迹。

该系统的软件是开源的，可供其他神经科学家下载(github.com/yuehusile/real_time_read_out_GPU)并自由使用，Chen和Wilson说。

关闭循环

记录地方神经表征的先前实验有助于表明动物在睡眠期间重放其空间体验，并允许研究人员在决定如何导航时更多地了解动物如何依赖记忆 - 例如最大化他们可以找到的奖励一路上。然而，传统上，大脑读数已经在事后或“离线”进行了分析。最近，科学家们开始进行实时分析，但这些内容的细节以及能够理解读数是否具有统计意义并因此相关的能力都受到限制。

在最近的重大进展中，Kloosterman和这项新研究的另外两位合作者，研究生Davide Ciliberti和FrédéricMichon在eLife上发表了一篇关于海马记忆重放的实时闭环读数的论文。导航了一个三臂迷宫。该系统使用多核CPU。

“新的GPU系统将使该领域更接近于大脑内部审议的详细，实时和高度可扩展的读取，”Kloosterman说，“这将有必要增加我们对这些重播事件如何驱动的理解记忆的形成和行为。“

通过将这些能力与光遗传学(一种使神经元可以通过闪光控制的技术)相结合，研究人员可以进行“闭环”研究，在这些研究中，他们可以利用瞬时读出的空间思维来触发实验操作。例如，他们可以看到在睡眠期间干扰重放后第二天导航性能会发生什么变化，或者他们可以确定当老鼠面临关于哪个方向的关键决定时，皮质和海马之间的通信会暂时中断。

胡还隶属于中国浙江大学。除此之外，Wilson，Chen，Kloosterman，Ciliberti和Michon，论文的其他作者是哥伦比亚大学的Andres Grosmark，贝勒医学院的Daoyun Ji，麻省理工学院Picower研究所的Hector Penagos和纽约大学的GyörgyBuzsáki。

该研究的资金来自美国国立卫生研究院，国家科学基金会，麻省理工学院资助的美国国家科学基金会资助的大脑思想和机器研究中心，法兰德斯研究基金会(FWO)，中国国家科学基金会和西蒙斯基金会。