正常小鼠新物体识别记忆腹侧海马与内侧前额叶皮层局部场电位信号的幅值传递熵

张金颖; 杨惠云; 刘迢迢; 白文文; 郑旭媛

doi:10.12404/j.issn.1671-1815.2506658

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (21) :9047-9053 DOI: 10.12404/j.issn.1671-1815.2506658

医药、卫生

正常小鼠新物体识别记忆腹侧海马与内侧前额叶皮层局部场电位信号的幅值传递熵

作者信息 +

Amplitude Transfer Entropy of Local Field Potential Signals in Ventral Hippocampus and Medial Prefrontal Cortex of Normal Mice for Novel Object Recognition Memory

Author information +

文章历史 +

摘要

新物体识别(novel object recognition,NOR)实验通过比较小鼠对新奇物体和熟悉物体的探索时间差异,评估其识别记忆能力。研究了正常小鼠在NOR行为学实验中腹侧海马(ventral hippocampus,vHPC)和内侧前额叶皮层(medial prefrontal cortex,mPFC)之间局部场电位信号(local field potential,LFPs)的幅值传递熵,旨在探索两脑区在NOR任务中的信息传递机制。实验获取了6只正常小鼠在探索新奇物体和熟悉物体时vHPC和mPFC的多通道LFPs信号,分别计算了各脑区的功率谱密度和脑区间的幅值传递熵。结果显示,正常小鼠对新奇物体的探索时间显著长于对熟悉物体的探索时间。在新奇物体探索阶段,vHPC和mPFC的theta振荡的功率谱密度均显著高于熟悉物体探索阶段。同时,该阶段中从vHPC到mPFC的幅值传递熵也显著增大。以上结果表明,vHPC和mPFC的theta振荡在小鼠对新奇物体的识别中起关键作用,且vHPC向mPFC增强的信息传递可能是识别记忆形成的潜在机制。

Abstract

The recognition memory ability is assessed by the novel object recognition (NOR) test, which compares the exploration time difference between novel and familiar objects in mice. The amplitude transfer entropy (ATE) of local field potential (LFP) signals between the ventral hippocampus (vHPC) and medial prefrontal cortex (mPFC) was investigated in normal mice during this test, aiming to explore the information transmission mechanism between these two brain regions underlying the NOR task. Multichannel LFP signals were acquired from the vHPC and mPFC in six normal mice during exploration of novel and familiar objects, and the power spectral density (PSD) for each individual brain region and the amplitude transfer entropy (ATE) between the regions were calculated respectively. It was observed that the exploration time for novel objects is significantly longer than that for familiar objects in normal mice. During the stage of exploring novel objects, the power spectral density of theta oscillations in both the vHPC and mPFC is found to be significantly greater than that during the stage of exploring familiar objects. Furthermore, the amplitude transfer entropy from the vHPC to the mPFC is also shown to be significantly increased during this stage. These results indicate that theta oscillations in the vHPC and mPFC play a critical role in novel object recognition in mice, and the enhanced directional information transfer from vHPC to mPFC may represent a potential mechanism for the formation of recognition memory.

Graphical abstract

关键词

新物体识别记忆 / 腹侧海马 / 内侧前额叶皮层 / 局部场电位 / 幅值传递熵

Key words

novel object recognition memory / ventral hippocampus / medial prefrontal cortex / local field potential / amplitude transfer entropy

引用本文

引用格式 ▾

张金颖, 杨惠云, 刘迢迢, 白文文, 郑旭媛. 正常小鼠新物体识别记忆腹侧海马与内侧前额叶皮层局部场电位信号的幅值传递熵[J]. 科学技术与工程, 2026, 26(21): 9047-9053 DOI:10.12404/j.issn.1671-1815.2506658

ZHANG Jin-ying, YANG Hui-yun, LIU Tiao-tiao, BAI Wen-wen, ZHENG Xu-yuan. Amplitude Transfer Entropy of Local Field Potential Signals in Ventral Hippocampus and Medial Prefrontal Cortex of Normal Mice for Novel Object Recognition Memory[J]. Science Technology and Engineering, 2026, 26(21): 9047-9053 DOI:10.12404/j.issn.1671-1815.2506658

登录浏览全文

4963

注册一个新账户忘记密码

识别记忆是大脑区分新旧物体的认知能力^[1-2],属于情景记忆的重要组成部分。作为日常认知功能的基础,识别记忆在空间导航^[3]、社会交往^[4-5]等多个方面发挥着关键作用。识别记忆障碍常见于多种神经精神疾病,如阿尔茨海默症^[6-7]、脑卒中^[8-10]等,是其患者中广泛存在的认知障碍。新物体识别(novel object recognition, NOR)行为学实验是一种基于啮齿类动物天然新奇偏好的非奖励范式^[11],通过比较动物对熟悉物体与新奇物体的探索时间差异,评估其识别记忆能力,从而反映动物的认知水平。

新物体识别记忆涉及多个脑区之间的协同作用。研究发现,腹侧海马(ventral hippocampus,vHPC)和内侧前额叶皮层(medial prefrontal cortex, mPFC)是参与该过程的关键脑区^[12-13],两者通过密切的结构与功能连接形成关键神经环路^[14]。在识别记忆形成过程中,vHPC和mPFC中c-Fos表达显著增加^[15],这标志着这两个脑区中的神经元群体被强烈激活,并参与到突触可塑性与记忆巩固所涉及的分子级联反应中^[16]。在神经动力学层面,动物在探索新奇物体时,vHPC和mPFC的theta振荡活动显著增强。尤其值得注意的是,两脑区之间的theta振荡同步性在物体识别过程中也显著提升^[17],表明vHPC-mPFC环路内存在高效的跨脑区通信。有研究提示,在工作记忆任务中,信息流可能表现出从vHPC到mPFC的优势方向^[18]。然而,在识别记忆形成中,vHPC与mPFC之间信息传递的具体方向与机制尚未完全明确。

局部场电位(local field potential, LFP)是记录电极尖端附近局部区域的神经元兴奋性和抑制性突触后电位的总和^[19],能特异性地反映电极尖端附近局部神经微环路的电活动,具有较高的空间分辨率,可达100~500 μm。LFP通过植入式电极的方式直接记录细胞外场电位,对头皮肌电、眼电及动物运动时电缆引起的运动伪迹不敏感,因此可以有效避免颅骨对信号的衰减和大部分肌电干扰,同时其良好的空间特异性使得能够在自由活动的小鼠中稳定记录特定脑区的神经振荡活动。现代微驱动电极阵列技术进一步支持多通道同步记录,结合运动轨迹跟踪系统,可实现神经信号与行为事件的精准时间对齐。此外,由于vHPC位于大脑深部,LFP可直接靶向记录深部脑区,提供其神经活动的第一手数据,这是研究vHPC-mPFC环路在NOR中信息传递机制的前提。

传递熵(transfer entropy, TE)是一种用于衡量两个随机过程之间定向信息传递的非参数统计量^[20],能够有效捕捉信号或变量之间的因果关系和信息流动方向。幅值传递熵(amplitude transfer entropy,ATE)是在传统传递熵基础上发展出的一种改进算法。该方法以信号的瞬时幅值序列作为输入变量,实现对时间序列之间幅值信息传递的定量评估。由于神经振荡本质上是非线性过程,而传递熵能够捕捉非线性的定向信息传递,因此幅值传递熵可以通过计算幅值时间序列间的信息传递,量化此类非线性神经相互作用^[21]。此外,幅值传递熵不仅提供明确的方向性指标,还显著降低了传统功能连接方法中常见的容积传导伪迹的影响。由于LFP记录技术已有效规避了颅骨衰减带来的信号失真,结合幅值传递熵的定向分析能够更精确地解析脑区之间信息传递的时序特性。

现通过幅值传递熵方法,分析正常小鼠在新物体识别实验中探索新奇物体与熟悉物体时vHPC和mPFC的局部场电位信号,探索在上述行为过程中脑区之间的信息传递模式,进而揭示vHPC-mPFC环路在识别记忆中的潜在作用机制。

1 实验方法

1.1 实验动物

清洁级健康雄性8周龄C57BL/6J小鼠6只,体重20~25 g。由天津医科大学动物实验中心提供并饲养,饲养环境为:温度(24±2)℃,相对湿度50%±5%,12 h昼夜交替光照,自由饮水摄食。在电极植入手术之前,小鼠以每笼2~3只的方式分笼饲养;术后改为单笼饲养,以防止电极损坏。涉及的所有动物实验操作均符合实验动物伦理规范,并经天津医科大学动物实验伦理委员会批准(批准号:TMUaMEc2021060)。

1.2 新物体识别实验

小鼠新物体识别实验在40 cm×40 cm×40 cm的旷场装置中进行,整个过程包括适应阶段、训练阶段和测试阶段,流程如图1所示。适应阶段连续进行3 d,每天将小鼠置于空旷场中自由探索10 min;训练阶段中,小鼠被放入放置有两个相同物体(记为物体1、物体2)的旷场中,自由探索10 min;24 h后进行测试阶段,此时将其中一个物体替换为新奇物体,使小鼠在同时存在一个熟悉物体与一个新奇物体的环境中自由探索10 min。训练阶段所使用的两个相同物体即为测试阶段的熟悉物体。实验过程中,分别记录小鼠在训练阶段对两个相同物体的探索时间,以及在测试阶段对新奇物体与熟悉物体的探索时间。以小鼠在测试阶段对两物体的探索时间作为行为学评价指标。

1.3 微电极阵列植入

通过实验室自主设计和制作的多通道微电极阵列进行神经信号采集。该电极主要由3个部分组成:高纯度钨丝(直径33 μm,表面经Formavor绝缘涂层处理),用于可靠连接神经信号采集系统微型电极接口,以及与之配套的印刷电路板。

小鼠经异氟烷气体麻醉后,固定于脑立体定位仪上,剃掉头顶毛发,头皮经碘伏消毒后切开,暴露颅骨。随后定位前囟与后囟,调整水平后,根据目标脑区坐标在颅骨表面钻孔,在vHPC和mPFC分别植入10通道和6通道微电极,两脑区共植入16通道微电极。术后小鼠恢复一周,再进行后续实验。

1.4 小鼠vHPC和mPFC局部场电位的获取

使用Cerebus-128神经信号采集系统记录小鼠在新物体识别行为学实验中vHPC和mPFC的神经电活动。原始神经信号以2 kHz采样频率进行采集,经巴特沃斯带通滤波器滤波后,获得vHPC和mPFC共16通道局部场电位信号,并进一步进行预处理去除50 Hz工频干扰与基线漂移。以小鼠胡须或鼻子距离物体2 cm时刻作为行为学参考点(定义为0时刻),提取测试阶段小鼠探索物体时该行为学参考点前后各1 s时间窗内的vHPC和mPFC的LFPs信号,用于后续分析。

1.5 组织学检验

为确认vHPC和mPFC微电极阵列的植入位点准确性,在完成所有数据采集后对实验小鼠进行组织学验证。首先对小鼠进行灌注取脑,将取出的脑组织置于4%多聚甲醛溶液中,保存在4 ℃冰箱里,进行后固定。随后将固定好的脑组织梯度脱水处理,脱水后的脑组织用磷酸盐缓冲液充分冲洗,并用方巾纸吸除表面水分。之后使用包埋剂将脑组织在模具中包埋,并将包埋样本放入-20 ℃冰箱进行冷冻。使用冷冻切片机将包埋好的脑组织样本连续切片,脑片厚度设为40 μm。最后通过光学显微镜观察切片并获取脑片图像,将电极阵列的实际位置与小鼠脑图谱进行对比,确认所有记录位点均位于vHPC和mPFC目标脑区内,结果如图2所示。

1.6 vHPC和mPFC功率谱密度

采用短时傅里叶变换对正常小鼠在新物体识别行为学实验期间的局部场电位信号进行时频分析,分别计算vHPC和mPFC的功率谱密度(power spectral density, PSD),以评估神经振荡能力在时域和频域上的分布特征。该分析旨在量化LFP信号的动态变化,并进一步揭示小鼠在探索新奇物体和熟悉物体时vHPC和mPFC神经振荡模式的差异。

短时傅里叶变换(short-time Fourier transform, STFT)通过引入滑动时间窗函数,将连续信号分割为多个短时段,对每个窗口内的时间段分别进行离散傅里叶变换,从而得到信号在不同时间段内的频谱信息。该方法有效实现了对非平稳信号在时域和频域上的联合特征解析。具体计算过程如下。

(1)STFT(f,τ)=${\int }_{-\infty }^{+\infty }\mathrm{ }$[x(t)g(t-τ)]e^-j2π^ftdt

式(1)中:STFT(f,τ)为频率f和时间τ的二维函数,表示该信号在特定时刻τ的特定频率f上的能量分布;g(t-τ)为窗函数,本文选择汉明窗;x(t)为原始输入信号;e^-j2π^ft为基函数,用于将时域信号转换到频域。本文选取的窗宽为0.5 s,移动步长为0.125 s。将LFPs信号划分为5个频段:delta为[1~4) Hz,theta为[4~12) Hz,beta为[12~30) Hz,low gamma为[30~70) Hz,high gamma为[70~120) Hz。

1.7 vHPC和mPFC幅值传递熵

采用幅值传递熵定量表征正常小鼠在NOR实验过程中vHPC与mPFC之间的信息传递。幅值传递熵是一个非负的标量指标,用于量化从一个脑区的神经振荡幅值时间序列到另一个脑区的定向的、非线性信息传递强度。但幅值传递熵的值以绝对信息量(如比特)为单位,没有与“完全”连通性相关联的值,因而缺乏一个用于研究比较的归一化基准。故采用了Lobier等^[22]的方法,使用定向幅值传递熵(directed amplitude transfer entropy, dATE)计算ATE的差分形式,即计算从脑区X到Y与从Y到X的ATE的差值。dATE是一个可正可负的标量值,它通过计算两个相反方向信息传递(ATE_X_→_Y和ATE_Y_→_X)的差值,来表征信息传递的净优势方向及其相对强度。具体计算过程如下。

(2)ATE_Y_→_X=∑p[$\begin{array}{c}X\left(t\right),X(t-\delta ),Y(t-\delta )\end{array}$]×log₂

$\frac{p\left[X\right(t),X(t-\delta ),Y(t-\delta \left)\right]p\left[X\right(t-\delta \left)\right]}{p\left[X\right(t),X(t-\delta \left)\right]p\left[X\right(t-\delta ),Y(t-\delta \left)\right]}$

(3)dATE_Y_→_X=ATE_Y_→_X-ATE_X_→_Y

(4)dATE=$\frac{\stackrel{{N}_{b}}{\sum _{m=1}}\stackrel{{N}_{h}}{\sum _{n=1}}\mathrm{d}\mathrm{A}\mathrm{T}{\mathrm{E}}_{Y\to X}}{{N}_{b}{N}_{h}}$

式中:X(t)为通道X在时间t的瞬时振幅;X(t-δ)为通道X在时间t-δ的瞬时振幅;Y(t-δ)为通道Y在时间t-δ的瞬时振幅;p(·)为概率密度函数;δ为滞后时间;dATE_Y_→_X为从Y到X的幅值传递熵与从X到Y的幅值传递熵的差值;dATE为X、Y两脑区所有通道对之间dATE_Y_→_X的均值。若dATE>0,说明幅值信息传递的方向为Y→X;若dATE<0,说明幅值信息传递的方向为X→Y;若dATE=0,说明X与Y没有幅值信息传递。为动态解析信息传递的时序演化特性,设置200 ms的时间窗与100 ms窗移步长进行滑动分析。

1.8 统计学分析

采用Graphpad软件进行统计分析,实验数据均以均值±标准误(Mean±SEM)表示。通过独立样本t检验比较以下指标:正常小鼠在训练阶段对物体1和物体2的探索时间、测试阶段对新奇物体与熟悉物体的探索时间、训练阶段与测试阶段的运动距离和运动时间、测试阶段探索新奇物体与熟悉物体时两脑区LFPs信号theta频段的平均功率谱密度以及测试阶段探索新奇物体和熟悉物体时的dATE均值和峰值。采用单因素方差分析(one-way ANOVA)对测试阶段小鼠探索新奇物体和熟悉物体时LFPs信号各频段平均功率谱密度进行统计比较。

2 实验结果分析

2.1 新物体识别实验行为学结果

对正常小鼠进行NOR行为学实验,通过记录训练阶段小鼠对两个相同物体的探索时间,以及测试阶段对新奇物体与熟悉物体的探索时间,作为评估其识别记忆的行为学指标。训练阶段与测试阶段的行为学统计结果如图3所示。在训练阶段,小鼠对两个相同物体的探索时间无显著差异;而在测试阶段,其对新奇物体的探索时间显著长于对熟悉物体的探索时间(P<0.001)。此外,小鼠在训练阶段和测试阶段的运动速度和运动距离均无显著差异,表明探索时间的差异并非由运动活性变化所引起。

2.2 vHPC和mPFC的神经振荡模式

采用短时傅里叶变换对获取的LFPs信号进行时频分析。图4展示了vHPC和mPFC脑区的平均功率谱密度时频分布,图5则分别为各频段能量密度统计分析结果,以及小鼠在探索新奇物体和熟悉物体时theat频段能量密度的统计比较。研究显示,在测试阶段中,正常小鼠在探索新奇物体和熟悉物体的行为学参考点前1 s(即-1~0 s)内,vHPC与mPFC脑区theta频段(4~12 Hz)功率谱密度均显著高于其他频段(P<0.000 1)。在探索新奇物体时,两脑区theta频段功率谱密度显著高于探索熟悉物体时的相应值(P<0.000 1)。基于以上结果,选取-1~0 s为NOR行为学的特征时段,并确定theta频段为NOR的特征频段,用于后续幅值传递熵的分析。

2.3 vHPC-mPFC的信息传递模式

为研究新物体识别实验中vHPC和mPFC之间信息传递的方向性,应用定向幅值传递熵评估两脑区在NOR行为学特征时段(-1~0 s)中的信息传递情况。若dATE>0,信息传递方向为vHPC→mPFC;若dATE<0,信息传递方向为mPFC→vHPC;若dATE=0,vHPC与mPFC没有信息传递。对6只正常小鼠LFPs进行定向幅值传递熵计算,结果如图6所示。结果显示,无论是在探索新奇物体还是熟悉物体时,dATE值均大于0,表明信息传递方向始终为vHPC→mPFC,并且在探索新奇物体时的幅值传递熵显著大于探索熟悉物体时的幅值传递熵(P<0.000 1);对新奇物体探索阶段与熟悉物体探索阶段dATE的峰值进行统计比较,结果表明探索新奇物体的dATE峰值强度显著高于熟悉物体(P<0.01)。

3 讨论

新物体识别记忆的形成依赖于vHPC与mPFC所构成的功能性神经环路的协同整合。已有研究广泛证实了这两个脑区在解剖和功能上的紧密连接。vHPC参与情景记忆编码、情绪处理和空间导航^[23-25],mPFC则被认为在执行控制、决策制定以及记忆提取中发挥关键作用^[26]。在识别记忆这一认知过程中,两脑区的神经同步为记忆表征的灵活提取与行为输出提供了必要的协调机制。

在新物体识别实验中,通过比较小鼠对新奇物体和熟悉物体的探索时间来量化其识别记忆能力。当小鼠在测试阶段感知到新奇物体时,需将当前的感官输入(新奇物体)与已存储的记忆表征(熟悉物体)进行比较与判断,从而驱动相应的探索行为。这一过程依赖于vHPC对记忆信息的表征与mPFC在比较和决策中的功能协同^[27-28]。

同时分析了功率谱密度和幅值传递熵两个指标,分别从不同维度揭示了神经活动的特征:功率谱密度反映了特定频段神经元群体的同步化活动强度,而传递熵则以非线性方式量化了两个时间序列之间的方向性信息传递量。值得注意的是,vHPC与mPFC之间的theta频段神经同步已被证实是记忆编码的关键机制。例如,在工作记忆任务中,两脑区间的相位同步显著增强,被认为促进了信息的保持与整合^[29]。本文研究在识别记忆任务中观察到的定向信息传递增强现象,与上述相位同步研究形成了重要互补。

在“行为学参考点”前1 s内,本文研究观察到theta振荡活动与幅值传递熵均出现显著升高。在该NOR实验范式中,“行为学参考点”通常被定义为小鼠头部接近物体至2 cm范围内表现出明确探索意图(如嗅探)的时刻^[30-31]。因此,该参考点之前的信号增强提示vHPC-mPFC环路的激活可能是一个主动的且具有预期性的神经过程。

与探索熟悉物体时相比,新奇物体诱发了更强烈的theta振荡以及从vHPC到mPFC的信息传递。这一现象表明,vHPC-mPFC神经环路能够根据刺激的熟悉程度进行差异化编码。更高的theta振荡可能反映了神经元集群的同步性水平的增强,更高的幅值传递熵则指示出信息传递的方向与强度增强。这些结果共同说明,在面对新奇刺激时,vHPC作为记忆信息的发送方,向负责决策的mPFC输送了更多信息。该环路协同增强的机制,可能确保大脑能够优先处理具有更高信息价值的新奇刺激。

4 结论

应用清醒动物在体多通道微电极记录技术,获取正常小鼠在执行新物体识别任务中的vHPC和mPFC的多通道局部场电位信号,应用幅值传递熵定量表征vHPC-mPFC脑区间的有效信息传递。研究表明,正常小鼠在探索新奇物体时,vHPC与mPFC的theta振荡同步增强,同时vHPC到mPFC的幅值传递熵显著升高。由此推测,theta振荡及其所支持的、由vHPC指向mPFC的信息传递,在小鼠识别新奇物体的过程中发挥关键作用。这一神经环路的信息交互功能增强可能是识别记忆能力提升的潜在机制之一。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Mei F, Zhao C, Li S, et al. Ngfr+ cholinergic projection from SI/nBM to mPFC selectively regulates temporal order recognition memory[J]. Nature Communications, 2024, 15(1): 7342.

[2]	Lobato-Camacho F J, Faísca L. Object recognition memory deficits in ADHD: a Meta-analysis[J]. Neuropsychology Review, 2024, 35: 517-534.

[3]	Xu X, Mao D. Dissociation and transformation between recognition memory and spatial navigation representations[J]. Trends in Neurosciences, 2025: 48(7): 508-522.

[4]	Nau M, Greene A, Tarder-Stoll H, et al. Neural and behavioral reinstatement jointly reflect retrieval of narrative events[J]. Nature Communications, 2025, 16(1): 7865.

[5]	Petrovska J, Loos E, Coynel D, et al. Recognition memory performance can be estimated based on brain activation networks[J]. Behavioural Brain Research, 2021, 408: 113285.

[6]	Navarro-Lobato I, Masmudi-Martín M, López-Aranda M F, et al. Promotion of structural plasticity in area V2 of visual cortex prevents against object recognition memory deficits in aging and Alzheimer’s disease rodents[J]. Neural Regeneration Research, 2024, 19(8): 1835-1841.

[7]	Raposo P F, Chaumon M, Dubois B, et al. Recognition memory decline is associated with the progression to prodromal Alzheimer’s disease in asymptomatic at-risk individuals[J]. Journal of Neurology, 2025, 272(1): 70.

[8]	Blasi F, Wei Y, Balkaya M, et al. Recognition memory impairments after subcortical white matter stroke in mice[J]. Stroke, 2014, 45(5): 1468-1473.

[9]	Ukui Y, Morihara R, Hu X, et al. Suppression of PTBP1 in hippocampal astrocytes promotes neurogenesis and ameliorates recognition memory in mice with cerebral ischemia[J]. Scientific Reports, 2024, 14(1): 20521.

[10]	费啸, 高小夏, 张佳楠, 等. 脑卒中老年患者记忆障碍的影响因素及其预测模型构建[J]. 中华老年医学杂志, 2024, 43(9): 1149-1154.

[11]	Fei Xiao, Gao Xiaoxia, Zhang Jianan, et al. Influencing factors of memory impairment in elderly stroke patients and construction of prediction model[J]. Chinese Journal of Geriatrics, 2024, 43(9): 1149-1154.

[12]	Barker G R I, Warburton E C. Multi-level analyses of associative recognition memory: the whole is greater than the sum of its parts[J]. Current Opinion in Behavioral Sciences, 2020, 32: 80-87.

[13]	Izawa S, Chowdhury S, Miyazaki T, et al. REM sleep-active MCH neurons are involved in forgetting hippocampus-dependent memories[J]. Science, 2019, 365(6459): 1308-1313.

[14]	Ding K, He R, Wang X, et al. Recognizing ideas generated in a creative task: the roles of the hippocampus and medial prefrontal cortex in facilitating self-generated learning[J]. Cereb Cortex, 2024, 34(5): 219.

[15]	Hoover W B, Vertes R P. Anatomical analysis of afferent projections to the medial prefrontal cortex in the rat[J]. Brain Structure and Function, 2007, 212(2): 149-179.

[16]	Wang C, Furlong T M, Stratton P G, et al. Hippocampus-prefrontal coupling regulates recognition memory for novelty discrimination[J]. Journal of Neuroscience, 2021, 41(46): 9617-9632.

[17]	Khan Z U, Carretero-Rey M, de León-López C A M, et al. Memory-associated immediate early genes: roles in synaptic function, memory processes, and neurological diseases[J]. Molecular Neurobiology, 2025, 62: 15885-15915.

[18]	Park A J, Harris A Z, Martyniuk K M, et al. Reset of hippocampal-prefrontal circuitry facilitates learning[J]. Nature, 2021, 591(7851): 615-619.

[19]	郭东勇, 李宝玲, 白文文, 等. 丙泊酚麻醉损伤工作记忆编码海马-前额叶皮质网络信息传递的研究[J]. 天津医药, 2023, 51(9): 938-942.

[20]	Guo Dongyong, Li Baoling, Bai Wenwen, et al. A study of information transmission in HPC-PFC network during working memory encoding induced by propofol anesthesia[J]. Tianjin Medical Journal, 2023, 51(9): 938-942.

[21]	Harris Bozer A L, Uhelski M L, Li A L. Extrapolating meaning from local field potential recordings[J]. Journal of Integrative Neuroscience, 2017, 16(1): 107-126.

[22]	Schreiber T. Measuring information transfer[J]. Physical Review Letters, 2000, 85(2): 461.

[23]	astos A M, Vezoli J, Bosman C A, et al. Visual areas exert feedforward and feedback influences through distinct frequency channels[J]. Neuron, 2015, 85(2): 390-401.

[24]	Lobier M, Siebenhühner F, Palva S, et al. Phase transfer entropy: a novel phase-based measure for directed connectivity in networks coupled by oscillatory interactions[J]. Neuroimage, 2014, 85(Pt 2): 853-872.

[25]	Okuyama T, Kitamura T, Roy D S, et al. Ventral CA1 neurons store social memory[J]. Science, 2016, 353(6307): 1536-1541.

[26]	Pronier É, Morici J F, Girardeau G. The role of the hippocampus in the consolidation of emotional memories during sleep[J]. Trends in Neurosciences, 2023, 46(11): 912-925.

[27]	Liu X, Lu T, Chen X, et al. Memory consolidation drives the enhancement of remote cocaine memory via prefrontal circuit[J]. Molecular Psychiatry, 2024, 29(3): 730-741.

[28]	Place R, Farovik A, Brockmann M, et al. Bidirectional prefrontal-hippocampal interactions support context-guided memory[J]. Nature Neuroscience, 2016, 19(8): 992-994.

[29]	Chao O Y, Nikolaus S, Yang Y M, et al. Neuronal circuitry for recognition memory of object and place in rodent models[J]. Neuroscience & Biobehavioral Reviews, 2022, 141: 104855.

[30]	Tomei L D, Kanter P, Wenner C E. Inhibition of radiation-induced apoptosis in vitro by tumor promoters[J]. Biochemical and Biophysical Research Communications, 1988, 155(1): 324-331.

[31]	徐佳伟, 刘迢迢, 郑旭媛, 等. 工作记忆编码腹侧海马和内侧前额叶皮层局部场电位信号的相位同步分析[J]. 科学技术与工程, 2022, 22(13): 5170-5175.

[32]	Xu Jiawei, Liu Tiaotiao, Zheng Xuyuan, Phase synchronization analysis of local field potentials from ventral hippocampus and medial prefrontal cortex on working memory encoding[J]. Science Technology and Engineering, 2022, 22(13): 5170-5175.

[33]	Sun Q, Zhang J, Li A, et al. Acetylcholine deficiency disrupts extratelencephalic projection neurons in the prefrontal cortex in a mouse model of Alzheimer’s disease[J]. Nature Communications, 2022, 13(1): 998.

[34]	Lobier M, Siebenhuhner F, Palva S, et al. Phase transfer entropy: a novel phase-based measure for directed connectivity in networks coupled by oscillatory interactions[J]. Neuroimage, 2014, 85(2): 853-872.