在神经科学领域，高密度硅探针的出现极大地推动了对大脑神经活动的记录和研究，尤其是在啮齿动物模型中，实现了单细胞分辨率下的大规模神经记录，带来了诸多新发现。然而，对于非人灵长类动物（如猕猴）而言，现有的技术存在局限性，无法充分满足对大脑神经元进行大规模记录的需求。例如，Neuropixels 1.0 探针虽然在人类和非人灵长类动物中有所应用，但其长度限制了对深层目标的记录，且薄探针难以穿透灵长类动物的硬脑膜。因此，研究者们迫切需要一种能够实现对灵长类动物大脑全脑范围内大规模神经元记录的探针技术，以推动神经科学在非人灵长类动物模型中的发展，更好地理解大脑的复杂功能和神经机制。

本研究设计并制造了一种新型的高通道电极阵列 Neuropixels 1.0 NHP，其探针具有 4,416 个分布在 45 毫米长的柄上的记录位点，实验者可编程选择 384 个记录通道，从而实现从数千个神经元中同时进行多区域记录。该探针基于 Neuropixels 1.0 探针的设计和电子规格，但在制造过程中面临诸多挑战，如探针尺寸超过光刻掩模版的限制，需要开发 “拼接” 技术来实现跨多个掩模版的电迹线拼接，并引入应力补偿层以防止材料内部应力导致柄弯曲。研究团队通过增加金属线宽度以降低电阻和热噪声贡献、增大金属线间距以限制信号耦合和串扰、加宽电源线以减少柄上电压衰减和波动以及增大去耦电容尺寸等设计策略，成功实现了在 45 毫米长度上无信号退化的记录。此外，为了便于将探针柄插入大脑并减少组织损伤，研究者们还对探针尖端进行了特殊处理，将其机械研磨成 25° 的斜角。在实验中，研究者们通过不同的实验设置和任务，将 Neuropixels 1.0 NHP 探针应用于非人灵长类动物的大脑不同区域，包括视觉皮层、运动皮层、内侧颞叶皮层等，以验证其性能和应用潜力。

该图展示了 Neuropixels 1.0 NHP 探针的特性、设计和工程细节。

• 图 a 比较了 Neuropixels 1.0 NHP 探针与猕猴大脑以及 Neuropixels 1.0 探针的几何形状，突出了其为适应非人灵长类动物大脑而进行的尺寸优化。

• 图 b 显示了探针柄上的记录位点布局，以高密度分布，每 20 微米就有两个位点，为大规模神经元记录提供了可能。

• 图 c 揭示了 4,416 个可选记录位点分布在 11.5 个通道组中，每个组包含 384 个通道，这种可编程选择性使得实验者能够灵活地从大量位点中选择同时记录的通道，从而实现对不同脑区的针对性记录。

• 图 d 是 Neuropixels 1.0 NHP 探针硅芯片的照片，标注了用于子场拼接制造工艺的四个段或子块，体现了其复杂的制造工艺。

• 图 e 展示了探针尖端的参考电极布局和 CMOS 电路布局，不同形状和颜色代表 CMOS 工艺中使用的不同层。

• 图 f 是探针柄中金属层的扫描电子显微镜（SEM）图像，展示了在拼接区域金属线的狭窄情况，尽管经过双重光刻胶曝光变窄，但仍保持连续电路。

• 图 g 是经过机械研磨的探针尖端的 SEM 图像，尖端被磨成 25° 的斜角，以便更容易地插入大脑组织。

• 图 h 展示了在猕猴运动皮层中 384 个同时通道的原始电记录，插图是单个神经元的单个尖峰事件的放大视图。

• 图 i 是从孤立的单个神经元（灰色）和中位数波形（彩色）的示例波形。

• 图 j 展示了图 i 中神经元的自相关和交叉相关图，这些结果表明 Neuropixels 1.0 NHP 探针能够以高密度和高分辨率记录神经元活动，为后续的神经科学研究提供了强大的技术支持。

该图呈现了在猕猴大脑中使用 Neuropixels 1.0 NHP 探针进行大规模神经元记录的结果，重点关注视觉皮层。

• 图 a 展示了猕猴大脑新皮质中的视觉区域分布，以及在矢状切面上的估计探针轨迹。在单次实验会话中，使用单个 NHP 探针能够记录到跨越多个视觉皮层区域的数千个单个神经元的活动。

• 图 b 和 c 展示了从一个记录位点组（3.84 毫米）记录到的 446 个神经元的尖峰波形和时间轴，这些神经元中有 202 个表现出明确定义的感受野（RFs）。正如预期的那样，神经元的感受野位置随着沿探针位置的变化而变化。感受野在大约 1 毫米的连续区域内有序地移动，然后突然变化，反映了不同视网膜拓扑区域之间的可能转换。

• 图 d 展示了在单个银行记录中，202 个视觉反应神经元的感受野分布，箭头表示感受野进展的突然变化和可能的视觉区域边界。

• 图 e 从上方展示了感受野在对侧视野中的覆盖范围，表明这些神经元的感受野覆盖了大部分对侧半视野，包括一些同侧视觉空间。

• 图 f 显示了在相同位置重复使用每个探针进行多达 23 次连续会话时，记录到的神经元数量变化，但没有明显的下降趋势。在其他会话中，研究者们记录了多达五个探针组，跨越从皮层表面以下 0 到 19 毫米的范围。通过这种方法，可以在不移动探针的情况下从不同位置采样。在其中一个示例会话中，记录到了 3,029 个单个神经元，其中 2,729 个神经元对视觉刺激有反应。与单银行记录类似，神经元的感受野在连续区域内逐渐移动，偶尔会有突然变化。

• 图 g 展示了从五个银行组（约 19 毫米）记录到的 3,029 个单个神经元的尖峰波形。

• 图 h 是所有 2,729 个视觉反应神经元的刺激诱发反应的热图，每个神经元都根据其在皮层中的深度进行绘制。

• 图 i 展示了最浅层 1,500 个神经元的感受野热图，表明视觉场中哪些位置的刺激能够引发每个单个神经元的反应。这些数据说明了 Neuropixels 1.0 NHP 探针的密集采样和单个神经元分辨率如何促进对多个视觉区域神经元反应属性的大规模和无偏映射，为深入研究灵长类动物视觉系统提供了有力的工具。

该图描绘了在猕猴运动系统中使用 Neuropixels 1.0 NHP 探针进行记录的结果。

• 图 a 展示了 Pacman 等力追踪任务，这是用于研究猕猴运动皮层神经活动的行为范式。

• 图 b 展示了运动皮层的记录目标（左）以及在矢状切面上的记录目标示意图（右），说明了在运动皮层的沟回结构中进行记录的挑战和方法。

• 图 c 展示了在 Pacman 任务中，猕猴手臂力量的试验平均值，反映了运动任务的执行情况。

• 图 d 展示了四个示例神经元的试验平均放电率，揭示了这些神经元在运动过程中的活动模式。

• 图 e 展示了四个示例神经元的单次试验尖峰时间轴，进一步展示了神经元活动的时间动态性。

• 图 f 展示了同一会话中所有 360 个神经元的试验平均、归一化反应，这些神经元按照使用 Rastermap 进行排序，揭示了大量神经元在运动过程中的复杂活动模式。

• 图 g 展示了随着分析中包含的神经元数量增加，离线力预测模型的准确性如何提高，这表明在运动控制中，需要从大量神经元中采样才能捕捉到完整的群体活动。

• 图 h 展示了四个示例神经元在十个通道上的平均尖峰波形，这些波形在记录期间的非重叠时间间隔内进行平均，反映了神经元活动的稳定性。

• 图 i 展示了通过 Kilosort 2.5 在单次运动行为会话期间估计的探针漂移输出，每条线代表一个子集通道的估计值。这些结果表明，Neuropixels 1.0 NHP 探针能够在运动行为期间稳定地记录运动皮层的神经活动，为理解运动控制的神经机制提供了重要的数据支持。

该数据提供了来自四个不同脑区的示例漂移图，展示了 Neuropixels 1.0 NHP 探针在不同脑区记录时的稳定性。

• 图 a 展示了运动皮层的一个代表性记录的漂移图可视化，其中较暗的斑点表示较大的幅度尖峰。底部是使用 Kilosort 对同一记录进行的漂移估计。

• 图 b、c 和 d 分别展示了视觉皮层、区域 AF 和区域 LIP 的相同可视化。这些漂移图表明，在不同的脑区，探针记录的神经元活动在时间和空间上的变化情况，反映了探针在记录过程中的稳定性。稳定的记录对于准确分析神经元活动至关重要，这些结果说明 Neuropixels 1.0 NHP 探针能够在多种脑区实现相对稳定的急性记录，为神经科学研究提供了可靠的记录工具。

该图展示了使用 Neuropixels 1.0 NHP 探针对多个脑区进行同时记录的能力。

• 图 a 展示了使用单个探针在运动皮层和基底神经节（GPi）进行多区域记录的情况，通过可编程位点选择，将 192 个通道分配给每个区域。

• 图 b 展示了这种记录的示例原始波形和位点选择。

• 图 c 展示了通过沿汇聚轨迹插入多个探针，在一个小目标区域内记录许多神经元的方法。

• 图 d 展示了使用图 c 中装置记录的探针上的神经元示例波形。

• 图 e 展示了使用三个探针同时记录不相邻脑区（SMA、M1 和 GPi）的情况，所有探针都沿平行轨迹插入。

• 图 f 展示了使用图 e 中装置记录的示例神经元。这些结果表明，Neuropixels 1.0 NHP 探针的紧凑外形、商业可用的即插即用记录硬件以及相对较低的每通道成本，使得同时记录多个脑区的神经元群体变得简单可行，为研究不同脑区之间的功能连接和协同活动提供了强大的技术支持。

此图呈现了在猕猴颞下皮层（IT 皮层）的两个面孔区域（face patches）进行深度、同时记录的结果。

• 图 a 展示了同时针对两个面孔区域进行记录的情况，冠状切片来自 MRI，显示了用于验证后续 Neuropixels 1.0 NHP 记录目标准确性的插入钨电极。黄色覆盖层说明了对面孔与物体反应的功能 MRI 对比。

• 图 b 展示了在 ML 和 AF 面孔区域同时记录的神经元对猴脸刺激的反应时间轴，每个线条对应于一个神经元或多个单位簇的尖峰。

• 图 c 展示了 Neuropixels 1.0 NHP 如何同时记录许多面孔细胞。这些图表显示了对来自 6 个类别的 96 个刺激（包括面孔和其他物体）的视觉反应细胞（行）的平均反应（基线减去并归一化），底部是每个类别的示例刺激。

• 图 d 展示了针对最深的 IT 面孔区域 AM 的 MRI 冠状切片。

• 图 e 展示了与图 c 相同的内容，但针对的是 AM 面孔区域，记录于不同的会话。这些结果表明，Neuropixels 1.0 NHP 探针能够方便地在难以到达的深部脑区进行大规模神经元记录，为研究高级视觉识别和面孔处理的神经机制提供了有力的工具。

此研究探讨了在多个脑区中单次试验决策过程的动态。

• 图 a 展示了猕猴必须决定动态随机点运动（RDM）的净方向，并通过从中央注视点（红色）向左或右选择目标（黑色）进行眼动来表明其决策的任务。

• 图 b 展示了在 LIP 和 SC 中同时进行记录的情况，LIP 中的神经元群体使用 Neuropixels 1.0 NHP 探针记录，而 SC（深层）中的神经元群体则使用多通道 V 探针（Plexon）记录。

• 图 c 展示了在控制块中，通过猴子执行眼动延迟反应任务来识别 RFs，LIP 中一小部分神经元的 RFs 与左选择目标重叠（用黑色轮廓标出）。SC 具有拓扑图，因此许多神经元具有重叠的 RFs。

• 图 d 展示了 LIP（顶部，n = 17）和 SC（底部，n = 15）中单次试验活动的情况。

• 图 e 展示了与图 d 相同的试验，但以眼动开始为对齐点，没有基线偏移。这些结果表明，单次试验的放电率在 LIP 中近似于漂移扩散过程，即噪声证据的积累，而在 SC 中则表现出在眼动时的大爆发，以及偶尔的非眼动爆发。这些发现揭示了在决策过程中，不同脑区神经元活动的单次试验动态特征，为理解大脑如何在单次决策中整合信息提供了重要的见解。

该图还展示了通过高密度记录测量神经元之间尖峰时序相关性的结果。

• 图 a 展示了四个示例神经元对的抖动校正交叉相关图（CCGs），这些神经元对在尖峰时序上表现出显著的相关性。

• 图 b 展示了一个示例会话中功能连接的神经元对的图，神经元按照沿探针的深度顺序排列。

• 图 c 展示了在视觉皮层中，具有不同类型 CCG 的神经元对的信号相关性的分布情况。

• 图 d 展示了信号相关性与 CCG 峰值之间的关系。

• 图 e 和 f 展示了使用两个探针在区域 AF 和 ML 中识别出的具有潜在前馈连接的神经元对的示例。

• 图 g 和 h 展示了在区域 ML 和 AF 中识别出的具有潜在反馈连接的神经元对的示例。

• 图 i 展示了在 AL 和 MF 区域之间，以面孔反应细胞为主的函数连接细胞群体。

这些结果表明，Neuropixels 1.0 NHP 探针能够有效地记录大量神经元的活动，并通过分析尖峰时序相关性，揭示神经元之间的功能连接和信息传递模式，为研究大脑神经网络的结构和功能提供了重要的手段。

本研究成功开发了 Neuropixels 1.0 NHP 探针，这种新型的高密度集成硅电极阵列专为非人灵长类动物设计，能够在单个神经元和单个尖峰分辨率下灵活、可配置地记录大脑中大量神经元群体的活动。

与现有的灵长类动物记录技术相比，Neuropixels 1.0 NHP 探针在通道数量、记录密度和可编程性等方面具有显著优势，极大地提高了神经记录的规模和可访问性。

通过在猕猴大脑的多个区域进行的一系列实验，研究者们展示了该探针在视觉皮层、运动皮层、内侧颞叶皮层等区域的强大记录能力，能够同时记录数千个神经元的活动，并揭示神经元之间的功能连接和信息传递模式。

这些发现不仅为研究灵长类动物大脑的神经活动和功能机制提供了新的工具和方法，而且为未来开发更先进的神经记录技术和设备奠定了基础，有望推动神经科学在非人灵长类动物模型中的发展，为理解大脑的复杂功能和神经机制提供更深入的见解。

此外，该技术还可能对神经假肢、脑机接口等领域的应用产生重要影响，为开发更高效、更精确的神经接口技术提供了可能。