Nature：穆宇/吳思合作揭示丘腦-腦干吸引子網絡驅動歷史偏向決策

編輯丨王多魚

排版丨水成文

生活中我們總會下意識地受近期經歷影響做出選擇，這種“歷史偏向”（history bias）現象早已被發現，但相關記憶存儲、更新及轉化為行為的神經原理一直成謎。

2026 年 6 月 10 日， 中國科學院腦科學與智能技術卓越創新中心穆宇團隊和北京大學吳思團隊合作（趙姍、單鶴贏、劉瀟為論文共同第一作者），在Nature期刊發表了題為：A Thalamus–Brainstem Attractor Network Drives History-Biased Decisions 的研究論文。

該研究利用斑馬魚幼魚全腦尺度單細胞分辨率鈣成像、閉環虛擬現實行為、光遺傳操控和神經計算建模，揭示了大腦如何通過丘腦-腦干跨腦區協同，穩定保存近期經歷，并將其轉化為對未來行為的調節。

在真實世界中，動物很少每次都從零開始做決定。最近發生過的事情，往往會改變下一次選擇。例如，動物在覓食或躲避風險時，也常常會根據剛剛獲得的線索調整下一步行動的方向。這種由近期經歷影響當前感知和行為的現象，被稱為序列依賴（serial dependence）或歷史偏向（history bias）。該現象廣泛存在于人類、哺乳動物和昆蟲等多種動物中，被認為有助于大腦利用環境的連續性，提高行為效率。然而，過去的研究主要揭示了大腦中哪些區域攜帶歷史信息，而對于這些信息如何被穩定保存、如何被靈活更新、又如何轉化為未來行為，仍缺乏清晰的全腦機制解釋。

為解決這一問題，研究團隊建立了斑馬魚幼魚閉環虛擬現實避障行為系統。斑馬魚在虛擬環境中連續遇到來自左側或右側的障礙物，并通過游泳信號控制自身在虛擬環境中的運動。研究發現，斑馬魚對當前障礙物的躲避行為不僅取決于當前刺激，還顯著受到前一次甚至更早經歷的影響。當連續兩次障礙物出現在同一側時，斑馬魚會表現出更強的躲避反應。這說明，斑馬魚能夠在數十秒時間尺度上保存過去經歷，并將其用于調節后續行為。

圖1. 虛擬現實實驗設計及斑馬魚幼魚連續避障中的歷史依賴行為

該研究的關鍵技術優勢，是在行為過程中以單細胞分辨率同時記錄斑馬魚全腦神經活動，并將這些活動信號與腦智卓越中心杜久林、杜旭飛團隊建立的標準斑馬魚全腦圖譜進行精確配準。相比傳統研究中只觀察局部腦區或少量神經元的方式，全腦尺度記錄與腦圖譜比對使研究人員能夠在完整腦網絡中，追蹤一次連續抉擇從感覺輸入、記憶保持、跨腦區整合到行為輸出的全過程。

基于圖譜配準結果，研究團隊對全腦同步記錄到的神經元進行逐腦區比較，系統篩查哪些腦區能夠在障礙物消失后繼續保留歷史信息。結果發現，多個腦區都攜帶一定的歷史信號；其中，背側丘腦的表現最為突出，能夠最穩定、最持久地通過持續活動（persistent activity）區分最近一次障礙物來自左側還是右側。進一步的光遺傳實驗表明，抑制背側丘腦活動會消除歷史依賴行為，而單側激活背側丘腦則可以人為寫入類似“過去經歷”的信號，從而改變動物下一次選擇。這表明，背側丘腦是維持近期經歷并驅動連續抉擇的關鍵腦區。

圖2. 行為過程中斑馬魚幼魚全腦神經活動的同步記錄與關鍵腦區篩查

進一步分析顯示，背側丘腦并不是單獨完成整個計算。它更像一個“記憶開關”，以穩定的離散狀態保存最近一次經歷；而位于腦干的下游神經元群則像一個“積分器”，將丘腦提供的歷史信息與當前感覺輸入相結合，形成能夠反映多次經歷的連續信號，并最終影響行為輸出。也就是說，大腦通過跨腦區分工協同，將一個短暫的感覺事件轉化為可持續、可更新、可用于未來行動的內部狀態。

圖3. 不同計算模塊的歷史信息解碼能力及其神經動力學

在鎖定關鍵腦區后，為進一步理解這種跨腦區協同如何在神經網絡中實現，研究團隊繼續依托腦智卓越中心杜久林、杜旭飛團隊建立的斑馬魚全腦圖譜資源，將真實生物腦中相關腦區的細胞數量、神經元類型和投射連接等信息引入建模過程，構建了腦圖譜約束的全腦計算模型。基于腦圖譜約束，該模型將感覺輸入層、丘腦吸引子網絡和腦干積分器連接起來，能夠重現斑馬魚連續抉擇行為和相關神經活動，并揭示抑制性神經元異質性對于穩定記憶和靈活切換的重要作用。

從計算結構上看，該模型提出了“吸引子-積分器”的全腦協同架構：丘腦吸引子網絡以穩定離散狀態保存最近經歷，腦干積分器則基于吸引子狀態的遷移和當前感覺輸入進行信息整合，從而將短暫感覺事件轉化為可持續影響未來行為的內部狀態。由此，模型從生物腦結構和神經算法兩個層面實現了創新，說明穩定記憶和靈活更新并非相互矛盾，而是可以通過不同腦區、不同神經元類型和不同動力學模塊的分工協同實現。

圖4. “層級吸引子”模型架構、活動以及輸出的行為

總的來說，這項工作表明，在全腦尺度、單細胞分辨率的研究范式下，全腦圖譜不僅是解剖學資源，也可以成為連接真實腦結構和神經計算原理的重要橋梁。進一步的模型拓展還提示，類似架構有望支持更長時程的記憶擴容和運動控制。也就是說，這一全腦模型不僅解釋了斑馬魚如何利用過去經驗影響下一次選擇，也為未來具身智能系統和機器自主控制提供了來自全腦生物計算的啟發。

論文鏈接：

https://www.nature.com/articles/s41586-026-10623-3