综述 | “静默态”的工作记忆：动态编码的框架
按：介绍一篇Mark Stokes关于前额叶“静默态工作记忆”（"activity-silent working memory）的经典综述。工作记忆的维持一直以来被认为是依赖于稳定、持续性的神经活动模式，但越来越多的证据表明，工作记忆维持过程并不总是伴随这种持续性的延迟活动（persistent delay activity），反而可能是高度动态变化的，本文主要就阐述了工作记忆的动态编码框架（dynamic codig franework for WM）。
前额叶（PFC）对于工作记忆（working memory; WM）具有重要作用，这已经是学界的共识。早期的动物电生理实验发现，WM伴随着任务特异性的延迟活动（task-specific delay activity）。比如，PFC的神经元在记忆阶段（即delay阶段）会表现出增强的放电频率，且在记忆期间保持活跃，并在反应执行后恢复到基线水平。
相似的模式在“记忆引导的眼跳任务”（memory-guided saccade; MGS）中也有体现。如图1A所示，先在屏幕一边呈现一个线索（cue），要求被试朝目标方向进行眼跳，但眼跳需要在记忆延迟几秒种后进行。在延迟期间，可以观察到神经元活动对于特定的眼跳位置具有选择性（selectivity），即对应于记忆的内容（图1B）。
图1 （A）记忆引导的眼跳任务（MGS）示意图；（B） 延迟阶段，猴子PFC神经元表现出内容特异性活动（黑线：位置特异性活动；灰线：神经集群的平均活动，在这作为参考）。不过内容特异性活动会随着当前任务相关性的影响而变化，导致对反应预期的“ramp up”。
但是，WM并不总是伴随着PFC的这种持续性的延迟活动。比如图1B所示，当试次间的间隔时间是固定的时候，稳健的延迟活动有时只在延迟阶段的晚期出现。这说明当任务的时间结构可以预测时，较强的神经活动保留在最相关的时间点，为接下来的行为做准备。相比之下，编码和反应之间存在相对静默的时间，这表明强烈的连续性延迟活动对于工作记忆的维持可能不是必须的。
最近一项研究进一步验证了这一观点。该任务采用了MGS任务（图1A），但在此基础上增加了双任务（dual task）条件，也就是让猴子在记忆延迟阶段额外注意一个特定的位置（如图1C）。这种操纵使WM特异性延迟活动在双任务阶段消失了，即使在正确反应（即记忆成功）的试次里也是如此。当双任务结束后，内容特异性的延迟活动又重新出现，这个时间差不多正好是WM引导行为的阶段。
图1 （C）双任务MGS示意图：将MGS记忆任务结合了注意任务。尽管一开始的位置信息编码是稳健的（红线），内容特异性活动会被双任务阶段所干扰。此外，这种位置特异性信息会在双任务的结束部分重新被唤醒（蓝线）。
那么静默的WM储存在哪里？作者认为答案可能是储存在神经元的功能连接中。根据WM的突触模型，信息可以作为突触权重的模式在活动-沉默期间被保持。在这种计算模型中（图2A），编码过程中的活动会暂时改变神经网络中的突触效率，通过依赖于活动的短期突触可塑性（short-term synaptic plasticity; STSP）暂时留下突触记忆痕迹。这里的关键在于，STSP可以改变网络间的功能连接，来为记忆导向行为构建临时的任务相关环路。
图2A 工作记忆的突触模型。左边的蓝色和红色箭头代表两种记忆输入，记忆刺激输入之后会驱动一种刺激特异性的活动状态（实心圆点），然后触发细胞间短期突触可塑性的特定模式（粗箭头）。在记忆提取的时候，记忆通过情境相关反应从突触痕迹中读取出来（黑色的圆点）。探测刺激（probe）驱动的反应将由突触模式这种隐藏状态形成可识别的输出模式（右箭头）。
根据计算模型，这种“静默”工作记忆模型显然要比持续放电的模型要更高效和节约能量，符合神经能量消耗的经济性原则。但是，要对突触模型进行验证是一件相对困难的事情。最近的啮齿类动物模型研究提供了一些证据，该研究结果表明，有效的突触连接模式在WM相关的迷宫任务中是动态调节的（见图2B）。不过，突触可塑性也不是唯一的解释，特定频率的相干性也可以提供互补的机制。比如图2B所述的实验中，也发现了PFC中的频率特异性耦合，能够建立规则特异性子网络。
图2B 内容特异性功能网络的实证证据。左图是在大鼠额叶的记录，在编码方向的WM迷宫任务中，对于不同的两种记忆（红色和蓝色表示），存在方向特异性的突触效率模式；右图是猴子PFC的电极记录，不同规则（红色和蓝色表示）与特定的功能网络相关联，并且与~30Hz的活动存在同步化。
接下来作者介绍了WM的动态编码。利用高时间分辨率的时域滑窗方法，在神经元集群水平可以观察到大脑活动是高度动态的。在单细胞层面，动态编码可以通过时间特异的选择性来区分暂时性或持续性的放电活动（见图3A）。简单来说，一个动态细胞可以在不同时间点参与加工过程，但编码的性质取决于加工的时间点。在神经元集群（population）层面，时间依赖关系可以通过活动状态空间（activity state space）来表示为一种动态轨迹（图3B），也可以利用跨时域模式分析（cross-temporal pattern analysis; 图3C）来表示（可参考：长文指南 | MEG/EEG信号的时间序列解码中的“跨时域解码”部分，思路是一样的，本文不详细解释了）。
图3 神经动态编码的示例（A） 在单细胞层面，假设有三种不同的时间编码细胞，分别是瞬态（transient）、持续性（sustained）和动态（dynamic）细胞。颜色代表了不同的实验条件。（B）在多维的活动状态空间（每个轴代表一个神经元的活动），可以利用轨迹来表示三种不同神经元的时间动态变化模式。（C）可以利用跨时域模式分析来表示时间动态。
作者在先前的一个研究（就是这篇：文献研读 | 前额叶认知控制的动态编码）中发现了在延迟配对关联任务中神经元的动态编码模式，对于一开始要记住的记忆项目，会在活动状态空间诱发一个动态的轨迹（图4A; 在相同的实验条件中，这种轨迹是可重复的），存在很强的时间依赖性（图4B）。此外，图4B还可以看出，记忆内容在延迟阶段仍然可以被解码，但是模式并不像先前线索阶段的那样（可看做是从特异性编码模式变成了一般性编码模式），这种模式与WM的突触模型是一致的。
图4 在猴子PFC中，WM动态编码的证据。（A）降维之后的活动状态空间表示出每个记忆条件（不同颜色表示）的动态活动轨迹；（B）跨时域分析可以看出，存在很强的WM特异性活动（简单而言就是对角线的generalization很强，非对角线相对弱）。注：这张图已经至少在三篇推送中出现过，除了上面提到的，还可参考：最新综述 | 平衡工作记忆中的灵活性和干扰）。
复杂的神经集群动态可以通过状态依赖的加工过程进行推断，其中，潜在的反应敏感性（response sensitivity）会随时间而变化。尽管反应敏感性，或者叫“隐藏状态”（hidden state）是静默的，但它的结构可以通过输入和输出进行推断。如图5A所示，给予其一个脉冲，通过分析反应可以推断隐藏状态的特征。如果在一个WM任务中，刺激输入是相同的，而输出不同，我们可以将其归因为隐藏状态的系统发生了变化。
与这一推断一致，先前的研究发现了即使对于相同的刺激，在不同条件下也会诱发不同的神经反应（图5B）。图5C和图5D进一步说明了PFC神经元可以根据行为情境快速调整优化，从刺激依赖表征转换为情境依赖表征；且不同行为反应对应了不同的活动轨迹。这三张图详细的解释可见先前的推送：文献研读 | 前额叶认知控制的动态编码。
图5 （A）可以通过分析输入和输出，推断隐藏状态的变化；（B~D）详见先前推送
已有认知实验表明，同时存储在WM中的项目不一定以相同的方式被表征。有时WM里只有一个项目处于优先激活状态。这个“优先”项目正是当前注意关注的项目，其他项目在此时相对“静默”。需要注意的是，优先级是灵活的，当项目与行为更相关的时候，就会变得更优先。脑成像研究也有支持证据，表明被注意到的（attended）WM项目是活跃的；而没有注意到的（unattended）WM项目是静默的，但可以后续被重新唤醒。
用一张图总结一下本文的WM动态编码框架（图6），一开始的刺激输入会诱发状态空间的特殊模式，然后通过功能连接的时间变化（如：短时突触可塑性或耦合）改变网络的隐藏状态。在初始高能量阶段，隐藏状态中的变化会驱动一个动态轨迹，之后神经活动恢复到基线状态，但隐藏状态仍然保持WM信息（尽管可能以“静默”的方式）。当出现探测刺激，静默态的WM可以被重新激活，神经活动也再次升高（出现“ramp up”），从而引导行为表现。
本文提出的WM动态编码框架将WM重新塑造为一个灵活决策的过程，同样的框架可以应用于更一般的情境加工之中，如PFC的规则相关加工。这种网络输入/输出行为的转变可能为PFC超快速的自适应编码（adaptive coding）提供了神经生理学基础。
论文原文：Stokes, M. G. (2015). 'Activity-silent' working memory in prefrontal cortex: a dynamic coding framework. Trends Cogn Sci, 19(7), 394-405. doi:10.1016/j.tics.2015.05.004
相关文献阅读
感谢支持！欢迎转发、分享！