预测性兴奋性—抑制性可塑性导致的内在表征漂移

神经表征即使在稳定的环境条件下也会随时间逐渐漂移，但驱动这种漂移的突触机制仍不清楚。本文表明，在脉冲式兴奋性—抑制性网络中，表征漂移可以内源性地由预测性突触可塑性产生。在反复暴露于不变的输入模式期间，单个神经元会逐渐改变其偏好模式，而群体水平的编码则保持稳定。此类偏好变化之前，支撑当前偏好的净兴奋性—抑制性驱动相对于竞争模式会减弱，而这种相对驱动能够预测下一次试验中的变化。将该模型扩展到海马位置编码后，重现了 CA1 中依赖经验的调谐曲线漂移，包括已逝时间与其间经历暴露之间的分离。在群体水平上，漂移表现为神经状态空间的协同旋转和平移。因此，表征漂移可以作为预测性兴奋性/抑制性可塑性维持平衡且具选择性群体编码的内在结果而涌现。

本网站正在使用一项安全服务来保护自身免受在线攻击。您刚才执行的操作触发了该安全防护机制。可能触发此拦截的行为有多种，包括提交某些特定词语或短语、SQL 命令，或格式错误的数据。

您可以通过电子邮件联系网站所有者，告知其您已被拦截。请在邮件中说明当该页面出现时您正在进行的操作，并附上位于本页面底部的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.17.733055v1?rss=1

🏷️ 表征漂移 突触可塑性 兴奋性-抑制性平衡 脉冲神经网络 海马CA1