2022年10月24日，《eLife》期刊在线发表题为《因果推断在猕猴额顶环路中的神经动力学》的研究论文，该研究由中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）、灵长类神经生物学重点实验室王立平研究组完成。该研究采用清醒猕猴电生理记录手段和贝叶斯建模等方法，首次揭示了因果推断在额顶环路中单神经元分辨率下的神经表征和计算机制。 

　　因果推断是大脑在面临多种信号输入时推断信号来源的过程。在生活中，大脑接受到的信号往往是不完全的、充满噪声的，因而大脑无法直接获得背后真正的因果关系。在野外探险时，听到的树丛摆动的声音是来自微风轻拂还是野兽潜伏？显然，大脑需要推断声音的来源，因为这对生存极其重要。在多感觉信号处理过程中，大脑更加需要推断多种感觉信号背后的因果结构，即它们是否来自同一来源。当推断信号来自同一来源时就整合它们；否则分离它们。看电影时，尽管电影画面本身发不出声音，大脑仍然将音响播放的声音归因到电影中的画面。这是因为大脑推断声音信号和视觉信号有较大的概率来自同一个来源，因此整合了这两种信号。而如果音响或播放器出现故障，多感觉信号出现空间或时间上不一致时，大脑将推断两种信号有较小的概率来自同一来源，并可能将它们分离。大脑进行因果推断，一方面会受到感觉信号本身的影响（感觉证据），另一方面会受到之前经历影响（先验知识，P_prior）。正所谓“一朝被蛇咬，十年怕井绳”。尽管以往的研究发现这两方面的信息可以通过贝叶斯规则进行整合以获得关于因果结构的概率性推断（因果结构的后验分布（P_com），但关于因果推断的神经机制，尤其是在单神经水平上神经环路机制如何动态更新先验知识和感觉表征仍然未知。 

　　为了解决这些问题，研究人员训练猕猴在完成一项多感觉整合因果推断任务（图1A）的同时，记录额顶环路中前运动皮层（premotor cortex）和顶叶皮层（parietal area 5 and area 7）的单神经元电活动。基于该实验范式，研究者首先在原先贝叶斯因果推断模型的基础上提出了先验知识（P_prior）和本体感觉（P-arm）的更新的假设（图1B）。即在进行因果推断的过程中，大脑会根据过往经验更新对于环境因果结构的认识，而更新后的先验知识会用来指导更新感觉表征以更好地适应环境。 

　　图1行为任务和动态因果推断模型。（A）行为任务概述。猴子被指示将其本体感觉的手臂放在起始位置（蓝点）上，以启动一个试次。在虚拟的视觉手臂旋转之后，一个虚拟的红点出现，猴子被要求将其本体感觉手臂放在目标上并保持住以获得奖励。（B）动态因果推断模型示意图。通过整合先验知识和感觉证据获得对因果结构的概率性推断，即后验概率。后验概率一方面会被用来更新先验概率，另一方面则会被用来更新感觉表征。 

　　为了验证这个假设，研究者首先利用贝叶斯建模和马尔可夫建模对进行了行为学分析。与假设相符，研究者发现猕猴通过整合先验信息和感觉输入推断隐藏的因果结构，同时动态更新存储的先验知识和感觉表征来适应环境变化。接下来，为了研究因果推断的神经机制，研究者通过信息的编码（encoding）和解码（decoding）分析，解析了因果推断动态计算的神经环路机制。研究发现（图2），在一个动态变化的环境中，为了推断多种感觉信号的来源，额顶环路通过贝叶斯的方式整合感觉证据和先验知识获得对于信号来源的估计。在适应环境的过程中，额叶和顶叶皮层神经元分别动态更新对于因果结构先验知识（P_prior）和本体感觉信息（P-arm）的神经表征。该研究为回答多信号绑定问题和身体表征可塑性问题提供了神经环路机制上和计算理论上的理解。 

　　图2因果推断的额顶环路机制。（A）记录脑区示意图。前运动皮层记录了412个神经元；顶叶皮层记录了238个神经元。（B）前运动皮层在基线时期更新对于因果结构的先验知识。（C）额顶环路解码因果结构的后验概率（P_com）。左图表示都能解码后验概率。右图通过典型相关分析发现前运动皮层和顶叶皮层之间存在关于后验概率的交流子空间，并且方向为从前运动皮层到顶叶皮层。（D）顶叶皮层更新对于手臂位置的表征。VP和VPC(0o)分别表示两种因果环境。 

　　该研究主要由博士研究生齐光耀和博士后方文在王立平研究员的指导下完成，博士研究生李晟豪和研究助理李俊汝也积极参与。该工作获得了中国科学院、科技部、临港实验室和上海市科委资助。