2022年12月29日

记住信息可能意味着把信息储存在突触之间

在你从café的菜单板上读取Wi-Fi密码和你回到笔记本电脑输入密码之间，你必须把它记在心里。如果你想知道你的大脑是如何做到这一点的，那么你问的是一个研究人员几十年来一直在努力解释的关于工作记忆的问题。现在，麻省理工学院的神经科学家发表了一项重要的新见解，来解释它是如何工作的。

在一项研究中PLOS计算生物学，皮考尔学习与记忆研究所的科学家们比较了动物进行工作时脑细胞活动的测量结果内存任务中包含各种计算机模型的输出，这些模型代表了记忆信息的两种基本机制理论。研究结果强烈支持一种新的观点，即神经元网络通过对它们的连接模式(或突触)进行短暂的改变来存储信息，并与传统的替代观点相矛盾，即记忆是由神经元保持持续活跃(就像空转的发动机)来维持的。

虽然这两种模型都允许将信息牢记于心，但只有允许突触短暂改变连接的版本(“短期突触可塑性”)产生的神经活动模式模拟了在实际大脑工作时实际观察到的情况。资深作家厄尔·k·米勒承认，脑细胞通过始终“开启”来维持记忆的想法可能更简单，但它不能代表大自然在做什么，也不能产生复杂的思维灵活性，而这种灵活性可以由短期突触可塑性支持的间歇性神经活动产生。

麻省理工学院大脑与认知科学系(BCS)的皮考尔神经科学教授米勒说:“你需要这些机制来给工作记忆活动提供灵活的自由。”“如果工作记忆只是一种单独的持续活动，那么它就像一个电灯开关一样简单。但是工作记忆和我们的思想一样复杂和动态。”

联合第一作者Leo Kozachkov去年11月因包括这项研究在内的理论建模工作获得了麻省理工学院的博士学位，他说，将计算机模型与现实数据相匹配至关重要。

“大多数人认为工作记忆‘发生’在神经元中——持续的神经活动会产生持续的想法。然而，这一观点最近受到了审查，因为它与数据并不完全一致，”Kozachkov说，他的共同资深作者Jean-Jacques Slotine是BCS和机械工程教授。

“使用人工神经网络通过短期突触可塑性，我们表明突触活动(而不是神经活动)可以成为工作记忆的基础。从我们的论文中得到的重要结论是:从定量意义上讲，这些‘塑料’神经网络模型更像大脑，而且在鲁棒性方面也有额外的功能优势。”

模型与自然的匹配

Kozachkov与麻省理工学院的研究生John Tauber共同撰写了这项研究，他们的目标不仅是确定工作记忆信息是如何被记住的，而且还阐明了大自然实际上是如何做到这一点的。这意味着在动物玩工作记忆游戏时，要从“基本事实”测量动物前额叶皮层数百个神经元的电“峰值”活动开始。

在许多回合中，每一轮都向动物展示一个图像，然后消失。一秒钟后，它会看到两张图片，包括原作，它必须看原作来获得一点奖励。关键时刻是中间的那一秒，称为“延迟期”，在此期间，必须在测试之前记住图像。

该团队一直观察到米勒实验室之前多次看到的情况:看到原始图像时，神经元会大量激增，在延迟期间只会间歇性地激增，然后在测试期间必须回忆图像时再次激增(这些动态由β频率和伽马频率脑节律的相互作用控制)。换句话说，当信息必须最初存储和必须回忆时，峰值是强烈的，但当信息必须保持时，峰值是零星的。在延迟期间峰值不是持续的。

此外，研究小组还训练了软件“解码器”，从峰值活动的测量中读出工作记忆信息。当峰值高时，他们是高度准确的，但当峰值低时，就不是这样了。这表明峰值并不代表延迟期间的信息。但这提出了一个关键的问题:如果峰值不能记住信息，那什么能?

包括牛津大学的Mark Stokes在内的研究人员提出了突触的相对强度或“权重”的变化可以存储信息。麻省理工学院的团队通过计算建模神经网络来测试这一想法，这些神经网络体现了每个主要理论的两个版本。与真正的动物一样，机器学习网络被训练来执行相同的工作记忆任务，并输出也可以由解码器解释的神经活动。

结果是，允许短期突触可塑性编码信息的计算网络在实际大脑增加时增加，而在实际大脑没有增加时没有增加。以持续峰值作为维持记忆方法的网络一直在峰值，包括自然大脑没有峰值的时候。解码器的结果表明，在突触可塑性模型中，准确性在延迟期间下降，但在持续尖峰模型中保持非自然的高。

在另一层分析中，研究小组创建了一个解码器，从突触权重中读出信息。他们发现，在延迟期间，突触代表了工作记忆信息，而峰值则没有。

在以短期突触可塑性为特征的两个模型版本中，最现实的一个被称为“PS-Hebb”，它以一个突触可塑性为特征负反馈回路使神经网络保持稳定和健壮，Kozachkov说。