候鳥遷徙🍋‍🟩，蝴蝶振翅，心臟律動，生命的節律演繹著自然界最美妙的生命交響樂。然而🥷🏿，生物體是如何進行時間計算的呢？這種計時的精度能達到多高？需要多少個神經元才能進行準確的時間計算👩🏿‍🎤？在時間計算層面，存在關鍵少數的神經元嗎？還是神經元起著均等的貢獻🔵？這些問題一直懸而未決，等待著科學家們的實驗與回答。近日🛷，意昂3体育官网未來技術學院程和平院士團隊在Cell Research雜誌在線發表一項最新研究成果👩🏿‍🚒，從系統水平對哺乳動物的生物鐘主鐘——視交叉上核（Suprachiasmatic nucleus, SCN）的時間計算機製進行了研究🥌，揭示了SCN基於神經元集體決策的時間計算能力及機製。

研究團隊自主搭建了雙側掃描雙光子顯微鏡，實現全核團近萬顆神經元跨晝夜鈣成像。該團隊發現了SCN中以鈣脈沖為基本單元🧝🏻‍♀️，形成“狀態”“模態”“時空相位波”等從秒到小時到近日周期的跨尺度鈣信號，展示了SCN鈣信號潛在的時間編碼能力🪼。

那麽SCN核團究竟是怎麽編解碼時間信息的呢？該團隊利用機器學習技術🗺，開發一個基於SCN神經元鈣信號的時間解碼器，其解碼準確率隨著神經元數量的增加而顯著提升，當隨機組合來自同一SCN腦片的900個神經元時，時間解碼準確率達到了99%🤛🏼，這一發現體現了SCN神經元群體在時間編碼上的集體決策機製🎥。

通過歸因分析🎭，該團隊估計了單個神經元在不同時間點對時間解碼的貢獻系數，發現所有神經元在全天24小時的平均貢獻系數幾乎趨於同一常數，揭示出SCN神經元對整體時間計算有著近乎均等的貢獻👩🏻‍🍳。

對稱的波紋狀SCN功能組織，形態像一只美麗的蝴蝶

進一步👼，該團隊通過多尺度對比學習方法，基於鈣信號時間序列識別SCN神經元的功能亞型，闡明其在SCN空間中集聚形成雙側對稱、波紋狀的模塊化時間表征☝️，其空間模式就像一只美麗的“時間蝴蝶”（見圖）。這一模塊化的時間表征模式揭示了SCN時間特征表征的湧現性質✋🏿。針對某一特定功能模塊訓練的時間解碼器，其解碼準確率仍能達到99%，表明不同功能模塊具有完整且獨特的時間特征表征🥌。

綜上，程和平團隊引進了機器學習技術應用於大規模神經集群的信號解碼👶，定量刻畫了神經元數量與時間解碼準確率之間的關系🐓2️⃣，揭示了SCN基於神經元集體決策機製的時間計算能力及機製。這些發現為基於功能大數據解析復雜神經元核團的工作原理提供了一個全新的研究範式🐒。

意昂3体育官网未來技術學院博士研究生王子晨和喻菁博士（現意昂3体育官网分子醫學南京轉化研究院副研究員）是文章的共同第一作者，程和平、王選計算機研究所胡瑋研究員和未來技術學院馬雷研究員是共同通訊作者。該成果得到了科技部國家重點研發計劃和國家自然科學基金的支持，國家生物醫學成像科學中心計算集群提供了算力支撐👨‍👩‍👦‍👦。

原文鏈接：https://www.nature.com/articles/s41422-024-00956-x