树突热点支持在不扩展皮层记忆痕迹的情况下在相互竞争的规则之间切换

适应性行为要求在偶然关系发生变化时更新反应，同时保留既有联结以及学习新联结的能力。如何解决这一权衡尚不清楚。在本研究中，我们将小鼠执行跨模态规则转换任务时对次级运动皮层（M2）顶端树突棘进行的体内成像，与受生物学约束的网络建模相结合。M2失活会损害规则转换，但不影响学习或规则维持，表明M2是冲突解决的神经基质。适应过程伴随着树突棘周转率升高，这种变化集中于稳定的树突热点区域；在这些区域中，新树突棘的形成、消除与聚集彼此耦合，而预先存在的树突棘则较早消失。网络模型重现了上述动态，并预测树突热点对于资源高效的适应至关重要。在这些可重复利用的结构域内，通过共享与可塑性相关的资源，编码先前规则的树突棘被与当前相关的新树突棘所替代。阻止这种重复利用会增加编码两条规则所需的可塑性水平和记忆痕迹（engram）规模。我们提出，树突热点为高效适应性学习提供了一个机制性基质。

适应性行为要求在偶然关系发生变化时更新反应，同时保留既有联结以及学习新联结的能力。这种权衡如何得以解决仍是未知数。在本研究中，我们结合了对执行跨模态规则转换任务小鼠次级运动皮层（M2）顶端树突棘的在体成像与受生物学约束的网络建模。M2失活会损害规则转换，但不影响学习或规则维持，表明M2是冲突解决的神经基质。适应过程伴随着树突棘周转率升高，这种变化集中于稳定的树突“热点”区域；在这些区域中，新树突棘的形成、消除与聚簇彼此耦合，且既存树突棘会在早期丢失。网络模型再现了这些动态特征，并预测树突“热点”对于资源高效的适应至关重要。在这些可重复利用的区域内，通过共享与可塑性相关的资源，编码既有规则的树突棘被与新规则相关的树突棘所替代。阻止这种重复利用会同时增加编码两条规则所需的可塑性水平和记忆痕迹规模。我们提出，树突“热点”为高效适应性学习提供了一个机制性基质。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.26.747194v1?rss=1

🏷️ 树突棘 树突热点 规则转换 皮层记忆痕迹 适应性学习 神经网络建模