突触可塑性新发现！Science最新研究解开大脑学习之谜

yinfuhua

突触可塑性新发现！Science最新研究解开大脑学习之谜* K' r7 r0 h- l9 T& w. A
1.        突触/ ]) A! B5 U3 E
2.        突触可塑性
( c6 u. i4 N/ `! S, T" ~3.        学分分配问题
, N8 g, m4 S" M* W$ U来源：生物谷原创 2025-05-03 11:29( _. h0 Y% L0 ?, `4 C- Q( ?# h$ G
本研究发现为理解大脑如何在学习过程中选择特定突触进行可塑性改变提供了新的视角。# }! U, y9 k  v8 P- y! @
我们如何学会新技能？大脑如何编码新信息？这些问题的答案指向了大脑的突触可塑性——神经元之间连接强度的变化。然而，长期以来，科学家们对大脑在学习过程中如何选择特定突触进行可塑性改变的规则知之甚少。
! _4 V' ?9 j- z5 Y如今，加州大学圣地亚哥分校的研究团队在《Science》杂志上发表了一项突破性研究，揭示了个中奥秘。% H( y% O$ ^9 m! h: k# a

, h+ k+ l0 d0 s- ?/ l研究团队利用先进的双光子成像技术，对小鼠运动皮层中的突触活动进行了实时观测。他们发现，在学习过程中，神经元的不同树突区域遵循着截然不同的突触可塑性规则。具体来说，顶树突的可塑性是由局部突触的协同活动驱动的，而基底树突的可塑性则与神经元的动作电位活动密切相关。这种差异表明，单个神经元在学习过程中同时运用了多种可塑性规则，且这些规则在神经元的不同区域发挥作用。2 G  {" w2 a: K
“这一发现从根本上改变了我们对大脑如何解决‘学分分配问题’的理解。”研究通讯作者Takaki Komiyama教授说道，“我们过去认为突触可塑性在整个大脑内遵循统一的规则，但这项研究表明，单个神经元在不同的亚细胞区域并行执行不同的计算任务。”5 B7 ]. Y: g: Y, [* X3 y
实验设计与方法- \  ?4 P" Z; ]/ k7 s
研究团队采用了多种方法来探索这一现象。首先，他们训练小鼠完成一项杠杆按压任务，同时利用双光子成像技术对小鼠运动皮层中的突触活动进行实时观测。通过在小鼠的运动皮层中表达谷氨酸传感器iGluSnFR3和红色移位钙指示剂RCaMP2，研究人员能够在小鼠执行任务时，同时监测单个突触的输入活动和神经元的输出活动。
9 @( ], ^7 I9 p4 ^# g5 y为了验证他们的发现，研究团队还采用了光遗传学技术来人工诱导突触可塑性，并观察了不同突触在学习过程中的活动模式。此外，他们还利用了电子显微镜技术来精确测量突触的结构变化。, Y5 M& U( b: q% k* V& Y
: a& o1 M% K" E: o
实验结果显示，在学习过程中，顶树突的突触可塑性主要受到局部突触的协同活动的影响。具体来说，那些在学习初期表现出较高协同活动的顶树突突触，在后续的训练中更有可能发生长期增强（LTP）。相比之下，基底树突的突触可塑性则更多地依赖于神经元的动作电位活动。研究团队发现，阻断神经元的动作电位活动会显著影响基底树突的LTP，而对顶树突的可塑性影响较小。
1 o# U0 p- @6 t这些发现为理解大脑如何在学习过程中选择特定突触进行可塑性改变提供了新的视角。研究团队还观察到，顶树突中的突触在学习过程中倾向于形成功能性的簇，这可能有助于神经元整合多种信息流。  B  b( e9 Z) }9 j3 A' b
这些新发现不仅增进了我们对大脑学习机制的理解，还为人工智能的发展提供了新的思路。传统的人工神经网络通常遵循一套统一的学习规则，而这项研究表明，大脑中的突触可塑性规则是多样化的。这一发现可能促使科学家们设计出更加高效的类脑神经网络，以提高人工智能系统的性能。# T  f# \' G9 W/ R2 y
此外，这项研究还为治疗多种神经疾病提供了潜在的新方法。许多神经疾病，包括成瘾、创伤后应激障碍、阿尔茨海默病和自闭症等，都与突触功能障碍有关。通过深入理解突触可塑性的规则，科学家们有望开发出针对这些疾病的新型治疗方法。
3 N; Y- r- q+ j$ M5 b% i7 n“这项研究为理解大脑的正常工作方式奠定了潜在的基础，使我们能够更好地了解这些不同疾病的发病原因。”研究第一作者William Wright表示。
; w% @% a& e. u2 s6 K: u未来展望
( n$ i4 S& j6 c0 g尽管这项研究取得了重大突破，但科学家们仍有许多问题需要解答。例如，不同树突区域的突触可塑性规则是如何相互协作的？这些规则在大脑的不同区域是否具有普遍性？未来的研究将致力于探索这些问题，并进一步揭示大脑学习和记忆形成的奥秘。8 O' Z  |7 e! o: H9 C$ H5 k
综上，这项研究不仅为神经科学领域带来了新的洞见，也为人工智能和医学领域的发展提供了新的方向。随着科学家们对大脑学习机制的深入理解，我们有望迎来更加智能的人工系统和更加有效的治疗方法，为人类健康和福祉做出贡献。（生物谷 Bioon.com）3 M4 W6 G+ Q- h
参考资料：
% c! o1 m: ^4 [) ?William J. Wright et al, Distinct synaptic plasticity rules operate across dendritic compartments in vivo during learning, Science (2025). DOI: 10.1126/science.ads4706.
: F& V: j0 @' ^6 [! H+ |+ _
+ q9 \! t/ x9 V9 v