- 2 次围观
齿状回（dentate gyrus，DG）是海马的重要组成部分，DG受损会导致多种病理表现，包括情境过度泛化、情感调节失常（Anacker et al., 2018）以及致痫效应（Sloviter, 1994）。DG的经典模型聚焦于模式分离，以支持随后在海马CA3亚区中的记忆存储。实验结果对这种单一聚焦于模式分离的观点提出了挑战，并将DG的功能拓展至将对象和事件精确绑定于空间，以及整合跨情节的信息。近期研究表明，模式分离和模式整合优先依赖于DG中不同的叶片，其中上锥体叶和下锥体叶分别倾向于模式分离和模式整合。在此，我们提出了首个能够解释这一差异的计算模型：上锥体DG（DGSUP）中的基于样本的k赢家通吃（k-WTA）架构支持模式分离和情节特异性表征，而下锥体DG（DGINF）中具有渐进式异突触可塑性的架构则支持跨情节的模式整合。我们使用两个数据集对这两种编码机制进行了检验：MNIST数据集和神经学上合理的内嗅皮层输入，由此表明该模型可能具有一定的领域普适性。利用内嗅皮层输入时，两个叶片形成的位置场分别表现为空间重映射或维持稳定编码，这与实验结果一致。新输入，包括新的数字类别和新的空间情节，则通过一种受神经发生启发的更新与招募机制被纳入。两条加工通路使系统能够将当前持续发生的经验与通过跨情节整合所形成的概括性预期进行比较。这一过程会产生预测误差，从而促进对预测不足的记忆进行存储，并推动对预测良好的记忆进行遗忘。因此，DG中的差异化加工可能有助于迭代式构建空间认知地图：这种地图编码依赖位置的预期，同时保留个体化的情节记忆痕迹。这些功能通过具有生物学合理性的学习机制得以实现，并将DG计算的范围拓展到了其已确立的模式分离功能之外。
齿状回（dentate gyrus，DG）是海马的重要组成部分，DG受损会导致一系列病理表现，包括情境过度泛化、情感失调（Anacker et al., 2018）以及促癫痫发生效应（Sloviter, 1994）。DG的经典模型聚焦于模式分离，以支持随后在海马CA3亚区中的记忆存储。实验结果对这种单一聚焦于模式分离的观点提出了挑战，并将DG的功能扩展至将对象和事件精确绑定于空间，以及整合跨情节的信息。近期研究表明，模式分离和模式整合优先依赖于DG中彼此不同的两个叶片，其中，上锥体层叶和下锥体层叶分别偏向于模式分离和模式整合。在此，我们提出了首个能够解释这一差异的计算模型：齿状回上锥体层叶（suprapyramidal DG，DGSUP）中的基于样本的k赢家通吃（k-WTA）架构支持模式分离和情节特异性表征；而齿状回下锥体层叶（infrapyramidal DG，DGINF）中具有渐进式异突触可塑性的架构，则支持跨情节的模式整合。我们使用两个数据集对这两种编码机制进行了检验：MNIST数据集和具有神经合理性的内嗅皮层输入，由此表明该模型具有一定的领域通用性。利用内嗅皮层输入时，这两个叶片形成的场域要么发生重映射，要么维持稳定编码，这与实验结果一致。新输入（包括新的数字类别和新的空间情节）通过一种受神经发生启发的更新与招募机制被纳入。两条处理通路能够将当前持续发生的经验与通过跨情节整合形成的概化预期进行比较。由此产生的预测误差可以驱动对预测不佳记忆的存储，以及对预测良好记忆的遗忘。因此，DG中的差异化处理可能有助于迭代式构建空间认知地图，对位置依赖性预期进行编码，同时保留个体的情节记忆痕迹。这些功能通过具有生物学合理性的学习机制得以实现，并将DG计算的范围拓展到超越其已确立的模式分离功能。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.01.748300v1?rss=1
🏷️ 齿状回 模式分离 模式整合 计算模型 空间认知地图 神经发生