近日，上海交通大学自然科学研究院、数学科学学院李松挺教授与美国霍华德·休斯医学研究所李冠淳博士、纽约大学汪小京教授合作，通过分析狨猴皮层脑电（ECoG）数据，结合多脑区动力学的数学建模与理论分析，首次在狨猴大脑中发现了时间尺度层级现象，并提出了“近临界状态”机制揭示了大脑如何在局部信号整合与全局信号传播之间实现高效平衡。相关研究成果以"A hierarchy of time constants and reliable signal propagation in the marmoset cerebral cortex"为题，于2025年11月26日在自然·通讯（Nature Communications）上在线发表。

研究内容

当我们在路上突然听到汽车鸣笛时，会立刻停下脚步，这是大脑的快速反应模式；而当我们规划行程或思考难题时，大脑又会进入一种缓慢、持续的信息处理模式。这样的“快”与“慢”，其实并不是全脑统一的节奏，而是来自不同脑区在不同时间尺度下工作。近期实验发现，随着脑区等级增加，其神经活动的时间尺度也相应变慢。这种被称为“时间尺度层级结构”的现象，是大脑能够兼具灵敏反应与深度思考的关键基础。近年来，这一时间尺度层级结构已在小鼠、猕猴和人类大脑中被观察到。然而对于作为重要灵长类模型动物的狨猴，其大脑是否也存在类似性质尚未有答案。此外，这个现象的机制至今也还是一个谜团。

研究团队通过分析狨猴大脑皮层脑电活动的公开数据，发现视觉、听觉等初级感觉皮层的活动变化速度极快，能够迅速响应外界刺激；而参与决策、记忆等高级认知功能的前额叶皮层的神经活动则变化更慢，能在更长的时间窗口中整合信息。这种自下而上的“从快到慢”的时间结构此前已在鼠类等部分物种的大脑中被观察到，但狨猴作为重要的小型灵长类模式动物，一直缺乏系统数据分析。此研究填补了这一空白，表明时间常数层级结构可能是哺乳动物大脑中普遍存在的计算原则。

为了进一步揭示这种时间结构如何在全脑范围内形成，研究团队基于最新发布的狨猴脑连接组数据，构建了一个包含 55 个脑区的多区域大脑动力学数学模型。模型不仅成功刻画了实验中观察到的时间常数的层级分布，还能够准确预测外部刺激在大脑中的传播方式，并与实验结果一致。这是首次在实验数据约束下，针对狨猴大脑实现结构连接和动态活动的统一建模，为未来研究狨猴的多尺度计算机制奠定模型基础。

研究进一步发现，在不同脑区中表现出的时间尺度层级特点与神经元的微观结构等因素密切相关。例如在神经元树突棘数量较多的高级区域具有更强的兴奋性输入能力，其神经活动更容易维持较长时间；而树突棘较少的低级区域则更善于快速更新信息。在宏观上呈现出的时间梯度，部分源自神经元“枝繁叶茂”程度的差异。同时，它还和大脑中兴奋-抑制平衡以及网络连接模式等因素均有关系。这一结果为理解脑结构如何塑造脑功能提供了直接证据。

最后，通过模型分析，研究提出狨猴大脑可能运行在一种“近临界状态”下——这种状态既避免了全脑过度兴奋导致的不稳定，也避免了过强抑制带来的弱反应，使大脑能够在跨脑区高效传播信号和在各自脑区稳定整合局部信息之间取得最佳平衡。值得一提的是，模型还解释了为什么高级联合区的“功能连接”往往与“结构连接”不完全一致：这些区域更接近临界状态，因此能在结构连接不密集的情况下，与更多区域形成功能上的协同活动。

总体而言，这项研究不仅首次揭示了狨猴大脑的时间尺度层级规律，也将结构、动力学与功能三者结合，深化了我们对灵长类动物大脑如何实现复杂认知功能的理解。相关成果对于比较神经科学和脑启发智能等研究均具有重要意义。

作者与资助

霍华德·休斯医学研究所李冠淳博士为论文第一作者，上海交通大学自然科学研究院李松挺教授和纽约大学汪小京教授为共同通讯作者。该研究起始于李冠淳博士在上海交大期间的访问。研究获国家自然科学基金、科技部重点研发计划、上海市科委及西蒙斯基金会等支持。