Abstract
具有位置调谐特性的位置细胞对于大脑空间认知和导航具有重要作用，但如何筛选位置细胞尚缺乏系统研究。针对位置细胞筛选，以鸽子为模式动物，利用自由活动状态下鸽子海马区锋电位和运动轨迹信号，给出了鸽子位置细胞的筛选流程，分析了位置细胞筛选过程中网格数和滤波核尺寸对于位置细胞位置野的影响。实测和仿真数据结果表明，该筛选方法可以有效地筛选出位置细胞，位置细胞位置野大小在整体趋势上与划分网格数基本呈反比，与高斯滤波核尺寸基本呈正比。该研究不仅能够促进鸽子位置细胞响应特性研究，而且有助于空间认知与导航神经机制的解析。
Keywords: 位置细胞, 位置野, 鸽子, 筛选
Abstract
Place cell with location tuning characteristics play an important role in brain spatial cognition and navigation, but there is relatively little research on place cell screening and its influencing factors. Taking pigeons as model animals, the screening process of pigeon place cell was given by using the spike signal in pigeon hippocampus under free activity. The effects of grid number and filter kernel size on the place field of place cells during the screening process were analyzed. The results from the real and simulation data showed that the proposed place cell screening method presented in this study could effectively screen out place cell, and the research found that the size of place field was basically inversely proportional to the number of grids divided, and was basically proportional to the size of Gaussian filter kernel in the overall trend. This result will not only help to determine the appropriate parameters in the place cell screening process, but also promote the research on the neural mechanism of spatial cognition and navigation of birds such as pigeons.
Keywords: Place cells, Place fields, Pigeons, Screening
0. 引言
空间认知与导航是大脑的基本功能，对于个体生存及日常活动具有重要意义。自从美国心理学家Tolman [ 1 ] 受老鼠迷宫探索实验启发首次提出“空间认知地图”并得到O’Keefe等 [ 2 ] 实验证实以来，越来越多的结果表明位置细胞在大脑空间认知和导航中起到了关键作用。当动物到达空间中特定位置时，大脑海马区锥体神经元会出现特异性放电，这种特异性放电编码了动物的位置信息，O’Keefe等 [ 2 ] 将这种具有特异性放电的细胞定义为位置细胞，特异性放电对应的区域定义为位置细胞位置野。位置细胞筛选对于空间认知与导航机制解析具有重要意义，也有助于推动仿生导航相关技术的发展。
随着研究的深入，位置细胞已在不同动物大脑中被发现。1971年，O’Keefe等 [ 3 ] 首次在大鼠海马区发现了位置细胞，并对位置细胞位置野特性进行了深入研究，开启了空间认知与导航机制解析的新纪元；2007年，Ulanovsky等 [ 4 ] 在二维空间中筛选了蝙蝠的位置细胞，发现二维空间中蝙蝠和大鼠的位置细胞位置野特性几乎没有任何区别；2013年，Yartsev等 [ 5 ] 进一步对三维空间蝙蝠飞行态时位置细胞及其位置野特性进行了分析；2017年，刘新玉等 [ 6 ] 分析了鸽子海马区位置细胞位置野的空间响应特性，发现鸽子海马区位置细胞一般具有多个位置野，它们分布位置相对集中，覆盖区域大部分都有重叠；2021年，Payne等 [ 7 ] 研究了山雀海马区位置细胞特性，发现具有食物储藏能力的山雀位置细胞位置野特性与哺乳类更为相似，而且海马区前半部分位置细胞位置野更明显。但是，目前研究人员更多地关注了后端位置细胞响应特性和编码机制，关于前端位置细胞的筛选研究相对较少。
筛选出神经元的位置野是确定位置细胞的标志。位置野筛选需要经过采样频率同步、网格划分、信号量化、二维滤波、阈值设定及响应区域确定等一系列的步骤，其中每一步参数设置的不同都会造成位置野尺寸和位置的巨大差异，也会直接影响后续位置细胞响应特性的分析。本研究以鸽子为模式动物，在分析其海马区神经元信号发放特性的基础上，给出了位置细胞位置野确定的流程和伪代码，并研究了信号量化中网格数的划分和信号滤波中滤波核的尺寸等参数对位置细胞筛选的影响，以期提高位置细胞筛选的客观性和可靠性，并为后续位置细胞位置野特性的研究奠定基础。
1. 材料与方法
位置细胞的筛选需要大脑神经元锋电位（spike）信号和与该信号同步采集的动物运动轨迹。在筛选过程中首先将动物的活动区域划分为不同的网格数，然后计算每个网格中动物经过的次数和神经元spike发放的个数，将两者相除即可得到spike发放率分布图，根据spike发放率的大小确定出响应网格即位置野，以筛选出位置细胞。
1.1. 信号采集与处理
信号采集以预训练筛选后的成年鸽子（ n = 4，体重450～550 g，雌雄各半）为对象，信号采集前需要在保证鸽子自由饮水情况下控制饮食，以增强动物在信号采集中觅食的动力。记录鸽子的体重变化，待体重变为正常体重的80%左右时在直径1 m的圆桶中进行自由觅食（如 图1 所示）。实验圆桶上方有一自动给食装置，每间隔10 s下落一粒食物（黄豆），引诱鸽子在圆桶中自主运动，以使运动轨迹遍布整个实验场。每天进行一次信号采集，包含6个试次，每个试次持续5 min。每只鸽子记录一周左右。
Schematic diagram of signal acquisition and place cell screening process
信号采集及位置细胞筛选流程示意图
信号采集采用标准的胞外微电极阵列植入技术 [ 8 ] ，术前根据动物的体重用3%戊巴比妥那（0.12 mL/100 g）进行全身麻醉，在头部皮肤开口处用2%利多卡因进行局部麻醉以减少动物疼痛，麻醉后将鸽子俯卧固定在定制的脑立体定位仪（68505轻便型，深圳市瑞沃德生命科技有限公司，中国）上 [ 9 ] 。脑区定位参考鸽子脑功能图谱 [ 10 ] 确定Hp区位置（AP：4.0～7.5 mm，ML: 0～3 mm，DP: 0～3 mm），去除颅骨和硬脑膜后进行微电极（微针阵列电极，16通道，4×4排列，钨丝，直径100 μm，阵列间距200 μm，苏州科斗脑机科技有限公司，中国）植入，植入完成后用牙科水泥进行固定，待牙科水泥固化后进行伤口缝合和消毒处理，等待鸽子苏醒和康复。
待鸽子5～7天恢复后，在圆桶内鸽子自由觅食时使用多通道神经信号记录系统（Zeus TM ，Bio-Signal Technologies，美国）进行信号采集（采样频率30 kHz），同时记录鸽子的运动轨迹（Cyclops TM ，江苏易格生物科技有限公司，中国）。实验分别记录了3只鸽子的神经信号和轨迹数据，分别编号为026、029、060。采集的神经信号经过二阶巴特沃斯（Butterworth）滤波器滤波（0.25～5 kHz）、幅度阈值法检测、电极间相关法去噪等步骤，获得不同通道的spike发放序列。
此外，为了测试位置细胞筛选方法的可靠性，文中也使用了部分仿真数据。仿真数据采用已发表的文献数据，数据包含时长24.3 min的49通道数据，采样频率为30 kHz，具体参数请参考文献[ 11 ]。
1.2. 位置细胞位置野确定
确定位置细胞位置野的过程也就是筛选位置细胞的过程。这个过程中需要经过采样频率同步、网格划分、信号量化、发放率矩阵获得、二维滤波、阈值设定及响应区域确定等步骤，如 图1 所示。为了能更好地描述位置细胞位置野的确定过程，假设在 T 时间段内共采集到神经元spike个数为 N 个、动物位置为 M 个，则神经元spike序列可以表示为 N = { N ( t ), t = 0:1/ f spike : T }，其中 f spike 为spike信号的采样频率，动物运动轨迹可以表示为 M = {( x ( t ), y ( t )), t = 0:1/ f path : T }，其中 f path 为运动轨迹的采样频率， x ( t )为运动轨迹 x 轴的位置， y ( t )为运动轨迹 y 轴的位置。由于神经信号和运动轨迹的采样频率不同，因此在数据量化之前首先需要将spike序列与运动轨迹对齐，即统计每个运动位置上发放的spike数量。具体如下：
其中
t
i
=
i
× 1/
f
path
，
i
= 0:T ×
f
path
，则
= {
,
t
= 0:1/
f
path
:
T
}。
信号对齐后就是信号的量化，即将实验场等值划分为一定的网格，计算网格内动物运动位置和spike信号的个数。假设将二维平面划分为 n×m 个网格，计算每个网格中运动位置和spike个数，获得spike数据矩阵 R s 和轨迹发放矩阵 R p 。
信号量化完成后，将spike数据矩阵和轨迹数据矩阵相除就可以获得神经元在不同网格中的spike发放率，即spike发放率矩阵 R f ，计算如下：
上式中
代表两矩阵中的每个元素相除，如果
R
s
(
i
,
j
) = 0且
R
p
(
i
,
j
) = 0则
R
f
(
i
,
j
) = 0。
发放率矩阵 R f 一般会存在很强噪声干扰，导致有些网格的值异常大，降低了位置野确定的难度。为了去除发放率矩阵中的奇异值，采用文献中常用的二维高斯滤波算法对发放率矩阵进行滤波处理，具体计算公式如下 [ 6 ] ：
其中 I G ( i , j )为滤波后的值， R f ( i + p , j + q )是发放率矩阵数值， k 为滤波器尺寸， σ 为高斯函数的标准差。
为了量化位置野尺寸，利用3
σ
准则，即计算发放率矩阵
R
f
的均值
μ
与方差
σ
，筛选出spike发放率满足
R
f
(
i
,
j
) >
μ
+
σ
时的网格，定义这些网格为响应网格。若满足连通的响应网格数
，则定义此响应网格的区域为位置细胞位置野
[
6
]
。假设已知位置细胞spike发放时间数据spktime、包含
x
轴和
y
轴坐标点的轨迹数据pathdata以及轨迹数据的采样时间数据pathtime，位置细胞筛选核心步骤的MATLAB伪代码如下：
1.3. 位置细胞筛选影响因素
由位置野的确定过程可知，位置细胞的筛选受两个因素的影响，即网格划分数和二维高斯滤波的滤波核尺寸。因为在位置细胞筛选过程中只有这两个步骤中的参数是不固定的，尽管不同文献中设定了不同的参数 [ 12 - 13 ] ，但很少有文献讨论这些参数是如何影响位置细胞位置野的。
（1）网格划分数的影响：网格划分是信号量化中的核心环节。为了计算不同位置spike信号的发放率，以确定位置野的位置和尺寸，就需要对实验场划分不同的网格，如 图2 所示。为了量化网格数划分对位置野的影响，我们计算了划分不同网格数时得到的响应网格面积。
Schematic diagram for dividing different grid numbers
不同网格数划分示意
（2）滤波核尺寸的影响：为了减少奇异值对位置野确定的影响以及准确地确定位置野的尺寸和位置，滤波是必不可少的步骤。在常用的二维高斯滤波中，滤波核尺寸是核心参数，影响着滤波后位置细胞筛选的效果。为了探讨滤波核尺寸对位置细胞位置野的影响，我们计算了随着滤波核尺寸改变位置细胞响应网格面积的变化趋势。