鏡像神經元究竟在“看見”什么？Science Advances揭示前運動皮層對動作運動學的動態群體編碼

認知神經科學前沿文獻分享

基本信息

Title:Dynamic population coding of kinematic structure across executed and observed actions in primate premotor cortex

發表時間:2026-06-19

發表期刊:Science Advances

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

鏡像神經元（MirN）發現三十年來，爭論沒斷：編碼的是動作的目標（"為了吃"還是"為了放"），還是運動學細節（手形、腕角、速度曲線）？支持前者強調"同抓握、目的不同則反應不同"；支持后者強調同抓握下神經元對手形、腕角有選擇性。

更關鍵的是，單神經元層面的"執行—觀察一致性"長期偏低——寬松定義下能匹配兩條件的細胞只占少數；用更嚴格的排序一致性指標，作者此前在 PMd / PMv 報道的一致性甚至在機會水平附近。這把問題推向另一個尺度：執行-觀察的對應關系不出現在單個神經元，而出現在群體組織方式上。

但還有第三個答案：運動學本身。早期"直接匹配"框架強調 MirN 編碼運動學細節，被 Umiltà 等人"無目標動作不反應"實驗質疑；后續顯示多數 MirN 仍對無目標動作有反應，只是不如對有目標動作強——兩種解釋可能并不互斥。Bonini 等人報道 PMv 中 70.9% 抓握相關神經元有抓握選擇性、12.8% 只編碼目標：抓握和目標信息常共存。

研究把問題從"單細胞是否嚴格鏡像"推進到"群體如何組織動作信息"。問三件事：抓握信息在群體中如何分布、隨時間怎么變？執行與觀察間是否存在可對齊的群體幾何？神經活動與多維手部運動學存在怎樣的耦合？由于 MirN 只占"抓握相關神經元"一部分，作者還納入只在執行中活躍的 non-MirN，區分 MirN 獨有 vs 更廣義的群體現象。

實驗設計與方法邏輯

2 只成年恒河猴，左側 PMd 和 PMv 細胞外單單位記錄。任務兩條件：執行（GE）——動物完成到達-抓握；觀察（GO）——動物保持不動，看實驗者做同樣動作。4 種物體對應 4 種抓握構型（指尖捏、鉤握、整手捏、精確捏）。每個試次包含物體呈現（~1.25 s 前）、運動期、保持期，神經活動按物體呈現和運動起點雙重對齊。

共記錄 433 個神經元：285 個 MirN（執行和觀察中都顯著反應），148 個 non-MirN（只在執行中反應）。主要分析使用 240 個 MirN + 129 個 non-MirN（每個抓握每條件 ≥ 9 個試次）。兩只猴、兩腦區結果一致，數據合并。

分析工具：

• 100 ms 滑窗的 Poisson 樸素貝葉斯分類器評估抓握可分性；

• 跨時間（cross-temporal）解碼檢驗編碼穩定性；

• PCA、典型相關分析（CCA）尋找共享群體幾何；

• 神經與運動學的雙向線性回歸。

運動學記錄包括食指、拇指、腕部 3D 位置 / 速度，加上握距及變化率；猴與人執行者都做了同樣記錄。Fig. 1 給出腦區定位、神經活動時間進程總覽。

核心發現

發現一：抓握信息分布式、隨時間重構

Fig. 2 給出基礎事實：MirN（GO、GE）與 non-MirN 都能顯著分類 4 種抓握。GO 條件下信息隨動作展開逐漸增強、在動作末和保持期最顯著；GE 條件下信息從物體呈現階段就開始出現，執行期達峰。

Figure 2. Grasp configurations are classified through a distributed and dynamic neural population code

重要的是信息分布。抓握選擇性最強的 1/3 神經元 ≈ 全體群體；中間 1/3 仍能顯著分類；剔除前 2/3 后運動和保持期仍保留較弱但顯著信息。沒有"少數高選擇性細胞承擔一切"——這與"少數經典鏡像細胞"驅動的直觀印象不同。

Fig. 2D–F 把這一點畫得最清楚：強分類集中在對角線，遠時間點泛化有限——群體編碼不是靜態標簽，而是沿時間演化。Fig. 2G–I 刪掉"某一時間點最選擇性一半神經元"后，解碼損傷被限制在該時間窗附近。如果選擇性由固定細胞承擔，應出現跨時間點擴散性損傷——但沒有。這指向一個"動態重構"圖像：抓握表征由瞬時招募的不同子集承擔，不同時點上的"主要貢獻者"在變。

這種動態性有功能意義：動作展開過程中存在多個可能未來，早期階段難以確定最終構型；接近完成時構型確定，群體狀態隨之穩定——所以時間泛化最差出現在運動期，最好出現在保持期。

發現二：執行—觀察匹配出現在群體幾何

Fig. 3H 用基于響應排序的"一致性指數（CI）"統計：240 個 MirN 中只有 67 個通過 100 ms 動作前至保持期末的 CI 閾值，被分類為 congruent。嚴格的執行-觀察一致性在單細胞層面并不普遍。

Figure 3. Neuronal selectivity emerges dynamically across time and conditions

接下來作者沒有停在單細胞，轉去問群體幾何。Fig. 4A–C 用 CCA 在 GE / GO 之間找最相關的抓握維度：兩種條件存在顯著對齊的典型維度；Fig. 4D 顯示同一抓握在執行與觀察中的軌跡落點接近但不重合。CCA 找到的是"兩套表征中對抓握編碼貢獻最大的對齊方向"，比單細胞 CI 更能說明群體層面的共享結構。

Figure 4. CCA identifies shared structure across conditions and neuronal populations

Fig. 5 / Fig. 6 在原始群體空間和 CCA 空間分別做跨條件解碼。原始空間下 GO→GE 與 GE→GO 的顯著解碼集中在運動中后段和保持期；CCA 空間下顯著期更長、強度更高——但都依賴于那 67 個 congruent 細胞。Incongruent 細胞單獨無法在原始空間下做出顯著跨條件分類（Fig. 5C, F）。

Figure 5. Classification of grasp configuration generalizes across conditions in the original neural space

Figure 6. Classification in canonical space generalizes across conditions and popu-lations

整體上，"執行-觀察匹配"在群體層面是部分、漸變、不對稱的，不是"開關"——同一抓握的執行和觀察軌跡在共享子空間內落點接近但不重合，且匹配強度隨時相變化。

發現三：MirN 與 non-MirN 共享抓握相關群體幾何

如果前面的結論只在 MirN 中成立，那仍可能被理解為"鏡像系統特異"。但作者進一步顯示，類似的組織原則也存在于更廣泛的前運動皮層抓握相關神經元中。

Fig. 4B / Fig. 4E 在 GE 內做 MirN–non-MirN 的 CCA：兩群體之間能找到顯著相關的典型維度，且不同抓握在這些維度上仍可分。Fig. 6G–H 顯示 MirN-GE 與 non-MirN-GE 之間的跨群體解碼在運動和保持期顯著。

更有意思的是 Fig. 4C/F 與 Fig. 6I/J：MirN-GO 與 non-MirN-GE 之間也存在弱但可測的跨群體解碼——"觀察—抓握幾何"并不被經典 MirN 定義完全包住，non-MirN 中同樣保有可對齊的抓握相關結構。

這一點有理論意義：它提示"是否對觀察有反應"和"是否能參與抓握表征"是兩件分離的事。前運動皮層的抓握表征更像一種"分布式資源"，MirN 只是其中被觀察到參與觀察過程的一個子集。把 MirN 看作"動作理解的特化系統"可能是一種范疇錯置——更準確的說法是：前運動皮層整體存在一套動態、可對齊的抓握表征幾何，MirN 是其中響應觀察過程的部分。

發現四：神經活動與多維運動學雙向耦合

Fig. 7 先看運動學本身。猴與人執行者的運動學空間都支持 4 種抓握分類；最強信號沿跨時間矩陣對角線，提示運動學結構本身也隨時間演化。猴—人之間跨執行者解碼在運動中后期顯著（Fig. 7B, E），CCA 空間下兩方向都穩定（Fig. 7C, F）——不同執行者抓握運動學幾何存在部分重疊。

Figure 7. Grasp configuration classification from kinematics within and across agents

Fig. 8 走雙向回歸。神經低維活動可預測手指 / 腕位置與速度、握距及變化率；運動學主成分也能預測神經低維軌跡。模型預測的信號仍支持抓握分類——說明回歸捕捉的是任務結構相關方差，不是簡單的時間共變。

Figure 8. Neural activity and kinematics are mutually predictive

時間分辨上，運動早期 200 ms 窗口訓練的回歸模型就能保留可解碼性（fig. S7），時間錯配窗口效果顯著下降——回歸捕捉的是有時間結構的信號，不是時間本身的共變。

跨執行者泛化上，共享子空間內無重訓遷移神經-運動學映射：觀察訓練的模型可遷移到執行、預測猴運動學并保留抓握結構；執行訓練的模型則不能（Fig. 9）。這種不對稱提示"執行時群體活動有更多非共享成分"——可能因為執行端疊加了運動命令、感覺反饋、內部預期等多源信號，而觀察端相對"純凈"。

Figure 9. Cross--condition regression generalization

個體相關性方面，93% 的 MirN（GE）/ 79%（GO）顯示出與運動時長的顯著時間分辨相關；non-MirN 是 121/129 ≈ 94%（fig. S8, table S2-S3）。這意味著與運動時長的耦合不是 MirN 獨有，而是前運動皮層抓握相關神經元的更普遍特性。

歸納總結和點評

從"單細胞是否嚴格鏡像"挪到"群體如何組織"。MirN / non-MirN、GE / GO 之間的共享維度都指向"這是更廣義的抓握相關群體表征"。作者在討論中點明："漸變、非開關"的對齊解釋了為什么有的研究強調共享、有的強調條件特異——兩種結論可能都正確，只是在不同尺度上看。運動學、目標、群體幾何之間更像是協同關系而非競爭關系。

不對稱的跨條件 / 跨執行者泛化是亮點。"觀察→執行"可遷移，"執行→觀察"不可——觀察端運動學映射相對純凈，執行端疊加了非觀察共有的運動命令成分。這一點對"運動前運動皮層如何把視覺信號轉化為運動表征"的理論模型有意義：可能不是簡單的前饋解碼，而是經過一個"觀察態先學習、執行態再細化"的過程。

局限需要點明。研究使用偽群體（跨試次拼接）；神經與運動學分試次記錄，并未同步。4 個抓握與物體綁定，未完全解耦"物體—抓握—目標"。67 個 congruent MirN 是基于響應排序的統計定義，不等于傳統意義上"對同抓握反應最強"的鏡像細胞。雙向回歸仍是相關分析，不等于因果——運動學信息可能由其他腦區傳入前運動皮層。

對腦機接口的提示。觀察態可用作解碼器訓練數據并部分遷移到執行，提供"觀察-校準"路徑的神經基礎。這一發現與近年侵入式腦機接口的"觀察-執行"協同校準策略在方向上吻合——觀察數據可作為弱標簽用于解碼器初值，再在少量執行數據上快速微調。

理論含義再延伸。這種"動態、分布式、共享幾何"的群體表征，與工作記憶、前額葉決策等領域近年觀察到的"時變群體編碼"原則一致——皮層計算可能更普遍地依賴動態重構的子集，而不是固定標簽神經元。MirN 現象只是這種更廣泛計算原則在動作系統中的一個具體體現。

請打分

這篇剛剛登上 Science Advances 的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

暑期提升

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿