本研究组长期进行与高等认知与抉择相关的各个脑区的功能及其相互作用的神经机制方面的研究。 其研究以猕猴作为动物模型，运用神经电生理技术记录大脑活动，研究大脑神经元在进行抉择的过程中的神经计算的原理。这些研究包含了脑的许多功能区，如视皮层、前额叶、颞叶、枕叶、海马等等，为解释抉择的神经机制，了解大脑各脑区之间的相互联结和协作做出了贡献。

1、大脑前额叶和侧顶叶在抉择，尤其是基于模糊和不完全的信息的抉择中所起到的作用 

数学上，模糊的信息可以用概率来量化。大脑是否也是运用概率原理来进行抉择一直是抉择领域的一个研究热点。本研究组采用了适用于猕猴这一动物模型的概率推理的行为范式。在这个范式中，猕猴通过学习一些图形来进行抉择。这些图形可以告知猕猴如何进行抉择，但是它们都只提供不确定的概率性的信息。我们试图采用神经电生理的技术在单个神经元活动的水平上发现在这个抉择过程中前额叶各个脑区以及侧顶叶之间的功能连接和神经计算环路。

2、价值计算的神经机制 

抉择的基本原则是趋利避害。因此，价值计算是抉择中关键的一环。大脑中存在一个包括眶额叶、背侧前额叶、扣带回、基底核等脑区的价值计算环路。我们通过对这些脑区的记录，研究大脑是如何在抉择过程中计算和整合价值信息的。

3、高级认知功能的神经机制 

人类和高等灵长类动物能够进行许多复杂高级的认知行为，需要通过一定的规则将跨越不同时间和空间尺度的多种信息进行整合、处理和学习。在这过程中，前额叶脑区起到重要的作用。我们通过对前额叶脑区的多通道单细胞记录，分析前额叶神经网络在大脑处理高级认知任务时的动态反应，理解大脑高级认知行为的神经机制。

4、计算神经网络理论方面的研究 

通过建立人工神经网络来模拟大脑神经元的活动，构建了一种随机神经网络，可以很好的模拟大脑前额叶工作记忆相关的神经元的特异性和时间上的动态反应。这些工作在理论上有助于理解实验中所获得的神经细胞活性的数据，帮助我们更好地理解大脑的工作方式，并为未来的实验工作提供新的方向。

Al Roumi F, Dotan D, Yang T, Wang L, Dehaene S. (2019) Acquisition and processing of an artificial mini-language combining semantic and syntactic elements. Cognition 185: 49-61. 

Xie Y, Nie C, Yang T (2018) Covert shift of attention modulates the value encoding in the orbitofrontal cortex. eLife 7:e31507 

Zhang Z*, Cheng Z*, Lin Z, Nie C, Yang T (2018) A neural network model for the orbitofrontal cortex and task space acquisition during reinforcement learning. PLOS Comput Biol 14:e1005925 *Co-first authors. 

Zhang C*, Chen Y*, Tian S, Wang T, Xie Y, Jin H, Lin G, Gong H, Zeljic K, Sun B, Yang T^#, Zhan S^# (2017) Effects of Anterior Capsulotomy on Decision Making in Patients with Refractory Obsessive–Compulsive Disorder. Front Psychol 8:1814 *Co-first authors  ^#Co-corresponding authors. 

Shadlen MN, Kiani R, Newsome WT, Gold JI, Wolpert DM, Zylberberg A, Ditterich J, de Lafuente V, Yang T, Roitman J (2016) Comment on “Single-trial spike trains in parietal cortex reveal discrete steps during decision-making”. Science 351:1406. 

Cheng Z, Deng Z, Hu X, Zhang B, Yang T (2015) Efficient reinforcement learning of a reservoir network model of parametric working memory achieved with a cluster population winner-take-all readout mechanism. J Neurophysiol 114:3296–3305. 

Kira S*, Yang T*, and Shadlen M (2015) A neural implementation of Wald’s sequential probability ratio test. Neuron 85(4):861-73  *Co-first authors 

Wheeler M, Woo S, Vijayan T, Tremel J, Collier A, Velanova K, Ploran E, and Yang T (2014) The strength of gradually accruing probabilistic evidence modulates brain activity during a categorical decision. J. Cognitive Neurosci 27(4):1-15  

Yang T, Bavley R, Fomalont K, Blomstrom K, Mitz A, Turchi J, Rudebeck P, and Murray E (2014) Contributions of the hippocampus and entorhinal cortex to rapid visuomotor learning in rhesus monkeys. Hippocampus 24(9):1102–1111 

Rudebeck PH, Putnam P, Daniels T, Yang T, Mitz A, Rhodes S, and Murray EA (2014) A role for primate subgenual cingulate cortex in sustaining autonomic arousal. P.N.A.S. 111(14): 5391-5396  

Yang T and Shadlen MN (2007) Probabilistic Reasoning by Neurons. Nature. 447: 1075-80  

Yang T and Maunsell JH (2004) The effect of perceptual learning on neuronal responses in monkey visual area V4, J. Neurosci. 24: 1617-1626 

Ghose G, Yang T, and Maunsell JH (2002) Physiology correlates of perceptual learning in monkey V1 and V2, J. Neurophysiol. 87: 1867-1888 

实验室网址：http://www.ion.ac.cn/chinese/laboratories/int.asp?id=92 

E-mail: tyang@ion.ac.cn

电话：021-54921737