商场|Neuron：构建网络，“量化”大脑的社交状态青岛市|刷脸支付|物流

本文由brainnews脑科学世界团队原创编译，转载请联系授权。
个体的社交欲求行为是由许多脑区的活动整合在一起进行编码的，其机制尚不清楚。近期发表在Neuron 期刊上，题为“Brain-wide electrical dynamics encode individual appetitive social behavior”的文章中，来自霍华德.休斯医学研究所的研究员们为了解释相关机制，对小鼠进行社交偏好试验时八个脑区的电活动进行了记录，并通过机器学习构建网络，编码个体与其他小鼠之间的互动程度。
这个网络由前边缘皮层和杏仁核发出汇聚在腹侧被盖区的θ振荡形成。网络活动性与细胞发放同步，网络中特定频率的环路激活会增加社交行为。最终，该网络在鼠对鼠的基础上，概括并编码了健康动物社会行为的个体差异，但并未能在高可信度的自闭症遗传模型中编码个体行为。综上，此研究揭示了在社交活动中，大脑如何整合跨时间尺度的分布活动来编码不同个体的社交欲求行为。

通过机器学习发现社交欲求状态
根据以往的研究，研究人员们认为应当存在一种整合不同脑区和时间尺度上神经元发放的网络机制，从而编码个体的社交欲求状态。为此，他们在八个确定参与社会行为的脑区（包括前扣带回Cg ，下边缘皮层IL ，前边缘皮层PL ，杏仁核AMY ，伏隔核NAc ，腹背侧丘脑MD ，海马Hip和腹侧背盖区VTA）进行埋植，记录在进行经典社交偏好测试时这些脑区的电活动，并通过机器学习将跨脑区及跨时间的电活动整合到电功能连接（electome）网络中。
最终，他们通过dCSFA-NMF方法发现了一个社交电功能连接网络（EN-Social），该网络兼具描述性和高预测性，整合了社交及欲求信息来驱动个体行为，其活动性随着个体社交行为的进行而增加。
网络动态反映全脑细胞活动性
为了验证这个网络可以真实反映生物学活动性而非只是抽象的数字化架构，研究员们通过严格的排列测试来检验EN-Social与社交偏好实验中同时记录得到的各个脑区细胞电活动是否存在关联。结果发现其关联性远高于随机，证明EN-Social确实反映了大脑中的神经网络活动。
个体脑网络组成部分不能独立编码个体行为
接下来，研究员们想知道此网络组成部分具有多大程度的独立编码社交行为的能力。他们发现，这些脑区作为网络中的一部分，尽管它们的活动性亦包含社会信息，但都没有网络水平上的编码强烈，有些甚至不存在与社交行为的显著关联。即个体社交行为只在网络水平上被成功编码。
EN-Social可以泛化编码社会环境和效价
为了测试EN-Social网络编码的泛化程度，研究员们首先测试了已经学会的网络能否适应与新的鼠之间进行的不同的社交行为。结果表明，该网络活动性在进行互动社交时高于探索物体时，在伙伴小鼠发起非互动社交时高于二者不互动时，在实验小鼠参与互动时最高，证明EN-Social可以编码不同社交欲求状态下的新小鼠。
此外，研究表明EN-Social网络还可以编码其他的正交测试，包括探嗅实验中区分水和糖水（非社交性欲求测试），以及高价十字迷宫中编码开放臂和封闭臂（非社交性厌恶测试），也就是EN-Social可以泛化编码社交、欲求和厌恶信息。
EN-Social不能编码个体对非社交刺激或社交厌恶的反应
研究员们发现，在上述两个非社交性实验中， EN-Social并不能像社交实验中一样准确编码个体的偏好性，且在非社交性的厌恶情况下， EN-Social网络活动减少。