背缝核中基于努力的决策的细胞类型特异性编码

由 root 提交于 周日, 10/18/2026 - 03:44
摘要

基于努力的决策,即权衡奖励收益与努力成本的过程,对于适应性行为至关重要。尽管背侧缝核(dorsal raphe nucleus,DRN)参与奖励加工和与努力相关的行为,但DRN中特定神经元亚型如何参与基于努力的决策,目前仍知之甚少。我们采用光纤光度法,在一项基于努力的决策任务期间记录DRN中的5-羟色胺能和GABA能神经元,发现DRN中5-羟色胺能神经元活动的强直性波动与持续选择高价值选项选择性相关。此外,我们发现,尽管两类神经元群均不对相对奖励大小敏感,但努力付出分别选择性增强了5-羟色胺能神经元和GABA能神经元所携带的决策相关信号和奖励相关信号。总之,这些发现支持一种细胞类型特异性的模型:5-羟色胺能神经元活动提供了将持续性动机状态与费力选择联系起来的信号,而GABA能神经元活动可能有助于在付出努力后评估或更新奖励结果。重要性声明 选择一项奖励是否值得为获得它所需付出的努力,对于适应性行为至关重要;然而,这一过程的神经机制仍未得到充分理解。在本研究中,我们确定了背侧缝核(大脑5-羟色胺的主要来源)中5-羟色胺能和GABA能神经元对基于努力的决策所作出的不同贡献。5-羟色胺能神经元优先参与持续的动机状态和动作选择,而GABA能神经元则参与处理付出高代价动作后的奖励结果。我们的研究结果揭示了背侧缝核中基于努力的奖励寻求行为具有细胞类型特异性的组织方式。核心,并为理解动机状态、决策与奖赏结果如何协调提供一个框架。

laura.chalencon{at}cnrs.fr

摘要

全文

信息/历史

指标

PDF预览

摘要

基于努力的决策,即权衡奖励收益与努力成本的过程,对于适应性行为至关重要。尽管背缝核(DRN)参与奖励加工和努力相关行为,但背缝核中特定神经元亚型如何参与基于努力的决策,仍未得到充分理解。我们采用光纤光度法,在基于努力的决策任务中记录背缝核的血清素能和GABA能神经元活动,发现背缝核血清素能活动的强直性波动与持续选择高价值选项存在特异性关联。此外,我们发现,尽管这两类神经元均未表现出对相对奖励大小的敏感性,努力付出却分别增强了血清素能神经元和GABA能神经元所承载的决策相关信号和奖励相关信号。综上,这些发现支持一种细胞类型特异性模型:血清素能活动提供一种信号,将持续性动机状态与需要付出努力的选择联系起来;而GABA能活动可能参与在付出努力后评估或更新奖励结果。

重要性声明

判断一项奖励是否值得付出获得它所需的努力,对于适应性行为至关重要,但这一过程背后的神经机制仍未得到充分阐明。在此,我们揭示了背缝核中血清素能神经元和GABA能神经元在基于努力的决策中的不同作用。背缝核是脑内血清素的主要来源之一。血清素能神经元优先参与持续性动机状态和行动选择,而GABA能神经元则参与高成本行动之后的奖励结果加工。我们的研究揭示了一种

背侧中缝核中基于细胞类型的努力型奖赏寻求组织方式,并为理解动机状态、决策与奖赏结果如何协调提供了框架。

引言

基于努力的决策,即权衡奖赏收益与努力成本的过程¹,²,对于适应性行为至关重要。该过程受损与抑郁症²–⁴、精神分裂症⁵、帕金森病⁶,⁷和物质使用障碍⁸等神经精神疾病中的动机缺陷相关。然而,基于努力的决策所依赖的神经机制仍未得到充分理解。

背侧中缝核(DRN)是适应性行为的重要调节中枢。DRN 是前脑血清素的主要来源,其中包含血清素能神经元和 GABA 能神经元。这两类神经元在分子层面表现出显著异质性⁹,且在解剖组织和连接模式方面存在差异¹⁰。血清素能神经元广泛投射至全脑,产生广泛的调节作用¹¹;GABA 能神经元则既参与 DRN 内局部微环路的调节¹²,¹³,也发出长程投射,靶向中缝核外结构¹⁴。此外,这两类神经元接受来自部分分离神经环路的输入¹⁰,进一步表明它们参与不同的环路功能。与其分子异质性和独特的环路组织相一致,证据表明,血清素能和 GABA 能神经元会根据行为情境对行为产生互补及相反的影响¹⁵–²⁴。

基于努力的决策理论模型认为,该过程涉及多个脑区和环路,这些脑区和环路编码

不同类型的努力信号和结果有助于调节行为以最大化奖励25,26。与这些理论框架一致,包括前额叶皮层、纹状体、海马体和杏仁核在内的多个脑区均被认为参与基于努力的决策26–32。相比之下,尽管背侧中缝核(DRN)在行为调节中的作用已得到证实,但其对基于努力的决策的贡献仍未得到充分理解。

既往研究已证实,DRN是奖赏相关加工的关键组成部分。DRN神经元以投射特异性33和细胞类型特异性34–36的方式表现出奖赏相关活动。这些奖赏相关信号可出现在不同的时间尺度上,包括对奖赏递送的快速相位性反应33,以及可能编码奖赏或动机状态更持久方面的较慢强直性信号34,37。除奖赏编码外,DRN活动和血清素能信号还会影响成本–收益评估的多个维度,包括概率与风险38–41评估以及延迟折扣42。与此同时,DRN环路——包括血清素能和GABA能神经元——也以细胞类型特异性的方式参与努力相关行为22,43。这些观察结果提示,DRN可能通过同时编码奖赏价值和努力成本参与基于努力的决策。

与这一假设一致,针对血清素能信号的药理学研究表明,给予5-HT1A受体激动剂8-OH-DPAT会使大鼠偏向于选择低努力、低奖赏选项44。在人类中,有研究报告称,通过选择性血清素再摄取抑制剂艾司西酞普兰增强血清素能传递,会增加健康参与者施加的身体力量。

愿意为获取金钱奖励而付出努力⁴⁵。然而,DRN神经元参与基于努力的决策的机制仍知之甚少,尤其是不同细胞亚型各自发挥的作用。特别是,努力性奖赏寻求中不同特征的编码属性究竟具有亚型特异性,还是由DRN血清素能与GABA能神经元群体共享,目前仍不清楚。

结果

为评估DRN在努力性奖赏寻求中的作用,小鼠接受了基于努力的决策任务训练,在该任务中,选择由奖赏大小和努力成本共同引导。如先前所述²⁹,⁴⁶,⁴⁷,自由活动的小鼠学会在T迷宫中向左或向右转向,以获取低奖赏或高奖赏(不同体积的水)。在学会这一条件关系后,通过引入一个必须攀爬的实体障碍,评估个体为获取较大奖赏而付出努力的意愿。小鼠接受一系列训练阶段,各阶段获取高奖赏选项所需的努力程度不同:无努力、低努力和高努力。重要的是,低奖赏选项从未设置努力要求,而高奖赏选项则依次与无努力、低努力或高努力相配对(无障碍、低障碍或高障碍)(图1A–B)。每个训练阶段中,以高奖赏选择占该阶段选择的百分比量化奖赏寻求行为。高奖赏与低奖赏的体积比根据个体情况进行调整,以确保小鼠始终偏好高奖赏选项。当小鼠连续两个训练阶段中超过70%的试次选择高奖赏选项时,动物便进入

涉及新的努力条件的下一类训练阶段。最初不愿为更大奖励付出努力的小鼠,随着奖励比率的调整,逐渐调整并适应了自身的行为。因此,在每种努力条件的最后一个训练阶段,与最初一个训练阶段相比,动物对高奖励选项表现出更强的偏好(图1C)。此外,高奖励选择并非在整个训练阶段中随机分布,而是以时间上成簇的序列出现(图1D–E)。这些连续选择同一奖励选项的簇集反映了一种选择持续性,即动物在连续试次中反复利用其偏好的选项。

下载图

在新标签页中打开

图1:

基于努力的决策任务。

A.

基于努力的决策行为装置示意图。

B.

训练方案的时间线。动物首先学会区分高奖励选项和低奖励选项(无努力训练阶段)。随后,高奖励选项依次与不断增加的努力要求相联系(低努力阶段和高努力阶段)。

C.

小鼠在无努力、低努力或高努力条件下的第一个和最后一个训练阶段对高奖励选项的偏好(n=25只小鼠;混合效应分析:阶段效应 p<0.001,努力效应 p<0.001,阶段*努力交互效应 p<0.001;经Bonferroni校正的事后检验,第一个阶段与最后一个阶段比较:NE p<0.001,LE p<0.001,HE p<0.001)。

D.

一只代表性小鼠在所有训练阶段中的奖励选择分布示例,显示奖励选择的成簇现象。

E.

成簇试次的百分比高于随机水平(n=25只小鼠,t=17.12,p<0.001)。

小提琴图表示均值(虚线)以及第一和第三四分位数(点线)。

至

为区分背侧缝核(DRN)中GABA能与5-羟色胺能神经元群体在基于努力的决策任务中的作用,我们采用光纤光度法,特异性记录任务执行期间5-羟色胺能或GABA能神经元群体的活动。为此,我们分别向SERT-flp或Gad2-cre小鼠的DRN内注射可诱导表达的基因编码钙指示剂(GCaMP6s)。随后,我们将光纤植入DRN,以直接记录DRN_SERT或DRN_Gad2神经元的活动(图2A–B,补充图1A–B)。记录结果显示,两类神经元群体均存在强直性活动的缓慢波动,并伴有对任务事件的快速瞬时相位反应(图2C)。鉴于DRN强直性活动被认为与寻求奖励行为有关^34,我们首先对DRN_SERT和DRN_Gad2的活动进行了频谱分析,以表征任务执行期间与强直性信号相关的缓慢波动。频谱分析显示,两类神经元群体的活动均以缓慢的δ频段活动为主,而θ频段和α频段的贡献较小(图2D,补充图1D–E)。值得注意的是,与DRN_Gad2神经元相比,DRN_SERT神经元表现出更强的δ频段活动(图2E)。

下载图像

在新标签页中打开

补充图1:

A. 用于光纤光度法记录SERT神经元群体的光纤植入位置。

B. 用于光纤光度法记录Gad2神经元的光纤植入位置。

C. 神经元群体活动与小鼠运动性的相关性。SERT神经元活动在决策期间与小鼠速度呈正相关,但在奖励获取期间则不存在这种相关性(左图,n=2150个无努力试次,多元线性回归:决策阶段速度效应

p=0.035,加速度效应 p=0.468,速度×加速度效应 p=0.440;奖励获取:速度效应 p=0.215,加速度效应 p=0.537,速度×加速度效应 p=0.976)。Gad2神经元活动与小鼠在决策和奖励获取期间的速度呈正相关(右图,n=1891次无努力试次,多元线性回归:决策制定:速度效应 p<0.001,加速度效应 p=0.451,速度×加速度效应 p=0.995;奖励获取:速度效应 p=0.003,加速度效应 p=0.782,速度×加速度效应 p=0.836)。

D.

SERT神经元群体的示例实验时段记录。基于10秒和20秒时间窗口计算的神经元活动移动平均值,突出显示群体活动的缓慢波动。

E.

Gad2神经元群体的示例实验时段记录。基于10秒和20秒时间窗口计算的神经元活动移动平均值,突出显示群体活动的缓慢波动。

散点图表示单个数据点(圆点)。

下载图像

在新标签页中打开

图2:基于努力的决策过程中DRN SERT和DRN GAD2的紧张性活动。

A.

用于DRN神经元光纤光度记录的病毒注射和光纤放置示意图。

B.

DRN的代表性组织学图像,显示DRN内表达GCaMP6s的细胞体(绿色)及光纤植入物。DRN:背缝核(红色虚线)。SC:上丘,PAG:导水管周围灰质,III:动眼神经核,dscp:小脑上脚交叉(白色虚线)。

C.

SERT(左)和Gad2(右)记录的示例轨迹。红色箭头表示缓慢的紧张性波动,黑色三角形表示对任务事件的快速相位性反应。

D.

聚焦于一个SERT(上)示例实验时段低频频段的频谱图,以及

Gad2(下方)记录。

E. Gad2神经元在δ频段的功率谱密度(PSD)低于SERT神经元(n=11只SERT小鼠,n=14只Gad2小鼠;混合效应分析:组别效应p<0.001,频段效应p<0.001,组别×频段效应p<0.001;Bonferroni校正的SERT与Gad2事后比较:δ频段p<0.001,θ频段p>0.999,α频段p>0.999)。

F. SERT(左)和Gad2(右)在高奖励或低奖励试次中的平均活动。当奖励选择成簇时,SERT神经元在高奖励试次期间的活动高于低奖励试次;在奖励选择不成簇时则不存在这一差异(n=11只小鼠;混合效应分析:成簇效应p=0.973,奖励效应p=0.008,成簇×奖励效应p=0.087;高奖励与低奖励试次的Bonferroni校正事后比较:成簇条件p=0.002,非成簇条件p=0.148)。无论选择是否成簇,Gad2神经元在高奖励与低奖励试次之间的试次平均活动均无差异(n=14只小鼠;混合效应分析:成簇效应p=0.906,奖励效应p=0.062,成簇×奖励效应p=0.795;高奖励与低奖励试次的Bonferroni校正事后比较:成簇条件p=0.243,非成簇条件p=0.143)。

G. SERT(左)和Gad2(右)在高奖励选择簇中的平均活动与构成该选择簇的试次数之间的相关性。高奖励选择簇中的SERT活动与选择簇的长度呈正相关(n=61个选择簇;简单线性回归,Pearson’s r=0.28,p=0.029)。Gad2神经元中不存在相关性(n=61个选择簇;简单线性回归,p=0.699;一个离群点未绘制)。

H. SERT(左)和Gad2(右)的实验阶段平均活动与成簇高奖励选择占高奖励选择总数百分比之间的相关性。

该会话中的奖励选择。会话中 SERT 神经元的平均活动与会话的聚类程度呈正相关(n=194 次会话,简单线性回归,Pearson’s r=0.20,p=0.007)。Gad2 神经元中未发现相关性(n=224 次会话,简单线性回归,p=0.982)。

柱状图表示均值 ± SEM。蜂群图表示均值(线)± SEM 以及单个数据点(点)。散点图表示单个数据点(点)。

鉴于这些缓慢波动被认为反映了群体活动的持续性变化⁴⁸,我们接下来采用三种互补的方法,考察这些波动是否与行为选择模式相关。首先,我们根据小鼠在给定会话中对高奖励或低奖励的选择是成簇还是孤立,比较其选择高奖励与低奖励并进行摄取的试次中的活动,以检验持续选择高奖励是否伴随神经元持续性活动的变化(图 2F)。成簇试次定义为连续选择同一奖励选项的序列,其长度超过随机情况下的预期;具体阈值因小鼠而异,并根据打乱数据确定。在 DRN SERT 神经元中,成簇选择高奖励时的平均试次活动高于成簇选择低奖励时的活动。当选择未成簇时,这一差异不显著,提示持续选择可能对 DRN SERT 神经元活动产生累积效应。相比之下,无论选择是否成簇,高奖励与低奖励选择之间均未观察到 GABA 信号变化。此外,高奖励选择簇期间的 DRN SERT 活动与簇长度呈正相关,进一步表明 DRN SERT 活动会随行为程度而变化。

坚持性(图2G)。在DRN Gad2群体中未观察到这种相关性。最后,我们通过分析单次实验中的平均神经活动与该次实验中高奖励选择的聚集程度之间的关系,考察了整个实验过程中神经活动是否随行为选择坚持性而变化。我们发现,SERT信号与单次实验中高奖励选择的聚集程度呈正相关,而GABA信号则无此关联(图2H)。综上,这些发现表明,在努力寻求奖励的过程中,DRN SERT和DRN Gad2神经元群体的活动均表现出缓慢波动,但只有DRN SERT神经元活动的紧张性波动与决策相关行为有关。

为进一步表征DRN SERT和DRN Gad2神经元对基于努力的决策行为的编码特性,我们考察了这两个神经元群体是否会对任务中的不同行为成分产生活动的相位性变化,以及这些相位性反应是否具有亚型特异性。我们确定了试次过程中三个值得关注的行为时段——试次开始、决策(向左或向右转之前)以及获取奖励(图3A)——并量化了这些时段前后的SERT和GABA活动(图3B)。DRN SERT和DRN Gad2神经元在不同行为时段表现出不同的活动模式(图3C)。具体而言,试次开始时,SERT信号下降(图3D),并在决策过程中出现明显的、与时间锁定的升高(图3E);而GABA信号在试次开始时升高(图3D),在决策过程中则没有变化(图3E)。SERT和GABA信号均在获取奖励时出现明显的、与时间锁定的下降。

奖励(图3F)。这些瞬时反应在各试次中保持一致(图3G-I)。这些发现揭示了决策过程不同阶段中具有细胞类型特异性的瞬时反应。

下载图像

在新标签页中打开

图3:

DRN SERT 和 DRN Gad2 神经元在各任务阶段的瞬时反应。

A.

行为装置示意图,显示用于分析的任务阶段(试次开始、决策和奖励获取)。

B.

SERT(上)和 Gad2(下)在多个试次中的代表性记录曲线。

C.

SERT(上)和 Gad2(下)在一个无努力试次中的代表性记录曲线。

D-F.

无努力实验阶段中,SERT(上)和 Gad(下)的平均活动曲线,分别与试次开始(D)、决策(E)和奖励获取(F)时间对齐,并对各阶段前后的信号变化进行定量分析。试次开始后 SERT 活性降低,决策后升高,奖励获取后降低(n=11 只小鼠;Wilcoxon 检验:试次开始 W=-52,p=0.019;决策 W=56,p=0.010;奖励获取 W=-52,p=0.019)。试次开始后 Gad2 活性升高,决策后无变化,奖励获取后降低(n=14 只小鼠;Wilcoxon 检验:试次开始 W=79,p=0.011;决策 W=-43,p=0.194;奖励获取 W=-67,p=0.035)。

G-I.

在无努力实验阶段中,一只代表性小鼠的 SERT(上)和 Gad2(下)活动热图,分别与试次开始(G)、决策(H)和奖励获取(I)时间对齐。每行代表一个独立试次,试次时长不等。黑色区域表示 NaN 值,对应试次终止后的时间段。

折线图表示均值(线)±SEM(阴影区域)。配对折线图表示每个个体的】【。

前测与后测的数据点之间以线段连接。

接下来,我们测试了在努力程度较高、回报较高的选项与无需努力、回报较低的选项之间进行选择时,奖励选择和努力要求是否会调节这些针对各任务变量的瞬时反应。为探究这些问题,我们在任务的决策和奖励获取阶段,按努力要求对试次进行分层,比较了DRN_SERT和DRN_Gad2神经元在高奖励与低奖励试次中的瞬时反应。在第一组实验时段中,无需付出努力,选择仅由简单的奖励辨别驱动;在此条件下,无论是在决策阶段(图4A-B)还是奖励获取阶段(图4C-D),DRN_SERT和DRN_Gad2神经元在高奖励和低奖励试次中均表现出相似的反应。这表明,单凭相对奖励价值并不会影响SERT和GABA信号。

下载图像

在新标签页中打开

图4:

不同努力程度下与奖励选择相关的差异性瞬时活动。

A.

无努力、低努力和高努力实验时段中,高奖励和低奖励试次在决策阶段前后SERT神经元(上图)和Gad2神经元(下图)的平均反应曲线。

B.

决策阶段高奖励与低奖励试次间信号差异的量化结果。与低努力和高努力实验时段的低奖励试次相比,SERT神经元在高奖励试次中的活动更高;而在无努力实验时段中则未见这一差异。无论努力程度如何,决策阶段Gad2神经元在高奖励与低奖励试次间的活动均无差异(n=11只SERT小鼠,n=14只Gad2小鼠;混合效应分析:努力效应p=0.463,奖励效应p=0.109,神经元类型效应p=0.705,奖励*神经元类型效应p=0.002,努力*奖励*神经元类型效应p=0.113,Bonferroni

经校正的高奖励与低奖励试次事后检验:SERT 无努力条件 p>0.999,SERT 低努力条件 p=0.023,SERT 高努力条件 p=0.020,Gad2 无努力条件 p>0.999,Gad2 低努力条件 p>0.999,Gad2 高努力条件 p=0.388)。

C.

无努力、低努力和高努力阶段中,高奖励与低奖励试次在奖励获取前后 SERT(上)和 Gad2(下)神经元的平均信号轨迹。

D.

奖励获取期间高奖励与低奖励试次之间的信号差异定量分析。无论努力要求如何,SERT 神经元在高奖励与低奖励获取期间的活动均无差异。高努力阶段中,高奖励试次的 Gad2 活动低于低奖励试次;而无努力和低努力阶段中则未见此差异(n=11 只 SERT 小鼠,n=14 只 Gad2 小鼠;混合效应分析:努力效应 p=0.120,奖励效应 p=0.596,神经元类型效应 p=0.015,奖励*神经元类型效应 p=0.003,努力*奖励*神经元类型效应 p=0.189;高奖励与低奖励试次的 Bonferroni 校正事后检验:SERT 无努力条件 p>0.999,SERT 低努力条件 p>0.999,SERT 高努力条件 p=0.529,Gad2 无努力条件 p=0.676,Gad2 低努力条件 p>0.999,Gad2 高努力条件 p=0.011)。

E.

以决策时刻为时间锁定点、按小鼠分别绘制的 SERT 活动 z 分数热图。每行代表一只小鼠。黑色区域表示 NaN 值,对应于该小鼠在实验过程中未经历的奖励—努力条件。灰色方框标示高奖励试次信号高于低奖励试次的努力条件。

F.

以奖励获取时刻为时间锁定点、按小鼠分别绘制的 Gad2 活动 z 分数热图。每行代表一只小鼠。灰色方框标示高奖励试次信号低于低奖励试次的努力条件。

线

图中以均值(线条)±SEM(阴影区域)表示。蜂群图以均值(线条)±SEM 表示,并显示各个数据点(圆点)。

相反,只有在奖励评估同时涉及不同努力要求时,才出现区分高奖励与低奖励选择的信号(图 4C–D)。在后续实验阶段,当决策过程中加入努力因素(先低努力、后高努力)时,DRN^SERT 和 DRN^Gad2 神经元的活动在高奖励与低奖励选择之间表现出差异,且这种差异仅出现在任务的特定阶段。与决策时刻锁定的 SERT 信号在需要付出努力的实验阶段中,在小鼠选择高奖励选项时高于选择低奖励选项时,且这一结果不受所需努力程度的影响(图 4A–B)。在奖励获取阶段未观察到这些差异(图 4C–D)。相比之下,与决策时刻锁定的 GABA 信号在高奖励与低奖励选择之间没有差异,无论努力要求如何(图 4A–B);而与奖励获取过程锁定的 GABA 信号在高努力条件下,小鼠摄取高奖励时则更低(图 4C–D)。这些高奖励与低奖励试次之间的差异信号在不同小鼠中表现一致(图 4E–F)。这些发现表明,DRN^SERT 神经元与决策相关的瞬时反应会随努力程度变化。相反,在高努力选择后,DRN^Gad2 活动与奖励获取相关的下降幅度大于低努力选择后。总之,这些发现表明,努力会以细胞类型特异性的方式选择性增强 DRN 神经元中与决策和奖励获取相关的信号,提示这些神经元群体能够编码奖励价值。

作为努力成本而非单纯客观奖励价值的函数。综合来看,这些发现表明,DRN_SERT神经元与DRN_Gad2神经元在努力决策的紧张性和相位性编码方面均存在差异。接下来,我们通过训练SVM解码器,分别仅使用紧张性活动、仅使用相位性活动或同时使用两种信号,考察这两种活动成分对努力条件下行为选择的相对贡献(图5A)。Tonic解码器将整个试次期间的平均神经元活动作为单一预测变量。Phasic解码器则采用单一预测变量,即低奖励信号与高奖励信号出现分化的任务阶段内的平均神经元活动;对于DRN_SERT神经元,这一阶段对应决策期,而对于DRN_Gad2神经元,则对应奖励获取期。Full解码器将这两项指标作为相互独立的预测变量,以评估紧张性和相位性活动如何共同影响行为选择(详情见方法)。在DRN_SERT神经元中,我们发现,结合高努力试次紧张性反应与相位性反应的完整模型能够预测小鼠选择高奖励选项还是低奖励选项(图5B),且准确率显著高于基于打乱数据训练的模型。有趣的是,仅纳入紧张性信号或相位性信号的模型,其预测奖励选择的准确率均未高于偶然水平,这表明DRN_SERT神经元的紧张性和相位性信号携带着不同的信息,可用于预测基于努力的决策。相比之下,在DRN_Gad2神经元中,尽管完整模型的准确率更高,但仅包含相位性反应的模型也能够以高于偶然水平的准确率预测行为选择(图5C)。这一结果为……提供了新的证据。

GABA活动的紧张性变化对努力性奖励寻求编码的影响有限,而细胞类型特异性会影响基于努力的决策编码。

下载图

在新标签页中打开

图5:

基于DRN^SERT和DRN^Gad2神经元的相位性与紧张性活动对奖励选择进行解码。

A.

完整(紧张性+相位性)、仅紧张性和仅相位性SVM模型,以及相应的打乱对照数据集示意图。

B.

使用真实数据集和打乱数据集,根据DRN^SERT活动预测奖励选择的不同SVM模型的解码准确率。只有完整(紧张性+相位性)模型能够以高于机会水平的准确率解码奖励选择。(n=11只小鼠,混合效应分析:模型效应 p=0.014,数据集效应 p<0.001,模型*数据集交互效应 p=0.017;# 真实数据集与打乱数据集比较的Bonferroni校正事后检验:完整模型 p=0.001,紧张性模型 p=0.554,相位性模型 p=0.306;* 模型间比较的Bonferroni校正事后检验:完整模型与紧张性模型比较 p=0.005,完整模型与相位性模型比较 p=0.014)。

C.

使用真实数据集和打乱数据集,根据DRN^Gad2活动预测奖励选择的不同SVM模型的解码准确率。使用完整(紧张性+相位性)模型和相位性模型的SVM解码器,均能以高于机会水平的准确率预测奖励选择。完整模型的解码准确率显著高于相位性模型(n=14只小鼠,混合效应分析:模型效应 p=0.012,数据集效应 p=0.015,模型*数据集交互效应 p=0.001;# 真实数据集与打乱数据集比较的Bonferroni校正事后检验:完整模型 p<0.001,紧张性模型 p=0.162,相位性模型 p=0.021;* 模型间比较的Bonferroni校正事后检验:完整模型与紧张性模型比较 p<0.001,完整模型与相位性模型比较 p=0.018)。

蜂群图显示均值(线)±标准误(SEM)及各个数据点(圆点)。

综上,这些发现

DRN^SERT和DRN^Gad2神经元在基于努力的决策过程中传递互补信号。DRN^SERT神经元传递与决策相关的瞬时信号,其幅度随奖励大小和努力付出增加而增大。相比之下,DRN^Gad2神经元的活动对该任务中的决策阶段并不敏感,但在获得奖励后会受到抑制;在高努力量的实验阶段,这种效应更为显著。此外,DRN^SERT神经元活动的持续性波动,而非DRN^Gad2神经元活动的持续性波动,会在较慢的时间尺度上调节行为选择的持续性。这些结果表明,在努力寻求奖励的过程中,DRN中的5-羟色胺能和GABA能神经元群体在整合努力与奖励信息方面发挥着不同但互补的作用。

讨论

基于努力的决策要求将行动带来的益处与获取这些益处所需付出的代价进行整合。尽管已有研究表明,DRN参与奖励加工、成本—收益评估和体力努力,但其对基于努力的选择所起的作用仍知之甚少。本研究在基于努力的决策任务中,利用光纤光度记录对基因定义的DRN神经元群体进行记录,发现DRN可能是整合努力成本与奖励收益的一个候选节点;这一发现补充了既往关于前额叶、纹状体、海马和杏仁核环路参与基于努力的选择的研究^26–32。本研究揭示了细胞类型特异性的计算机制:DRN^SERT和DRN^Gad2神经元群体并非冗余地编码奖励选择,而是在努力约束下,对持续性选择状态、动作选择和奖励结果形成部分可分离的表征。

本研究的一个重要发现是,DRN中的活动持续性波动

血清素能活动与持续的高奖励选择行为呈选择性关联。与连续的低奖励选择相比,在连续的高奖励选择序列中,DRN SERT 活动有所增强;其强度随高奖励选择序列长度增加,并且在不同实验 session 间与高奖励选择的聚集程度相关。总体而言,这些观察结果表明,血清素能活动并非仅仅逐试次编码单次选择的价值,而是反映一种更广泛的行为状态;这种状态促使个体持续选择高奖励选项,尽管该选项伴随相应的行动成本。这些结果与近期提出的观点一致:DRN 血清素神经元携带与动机状态相关的慢变信号,支持在较长时间尺度上持续的目标导向行为,包括主动寻求奖励、等待和主动应对⁽³⁴˒⁴⁹˒⁵⁰⁾。我们的研究结果将这一理论框架拓展至基于努力的决策。相比之下,DRN GABA 能神经元并未表现出与选择持续性相当的持续性关联,这表明其活动更符合与特定任务事件相关的瞬时、相位性反应,而非慢变的状态依赖性表征。解码分析进一步揭示了不同细胞类型之间的这些差异。在 DRN SERT 神经元中,只有结合持续性和相位性活动特征,才能预测选择;单独使用持续性或相位性特征均不足以预测。这表明,与选择相关的血清素能信息嵌入一种多尺度信号之中,该信号整合了缓慢变化的动机状态和较快的事件相关动态,二者均提供与行为相关的信息。相比之下,在 DRN Gad2 神经元中,奖励获取前后的相位性活动……

携带了关于选择的预测信息,而持续性活动并未提高解码性能。尽管解码性能不能证明因果必需性,但这一模式与以下观点一致:DRN^SERT 神经元编码一种多尺度信号,将缓慢变化的动机状态与快速的决策相关成分结合起来,而 DRN^Gad2 活动则主要追踪离散的任务事件。

在瞬时活动层面,DRN 中的 5-羟色胺能神经元和 GABA 能神经元编码了任务表现的不同成分。在高强度努力任务中,DRN^SERT 神经元在决策阶段附近表现出强烈信号,可区分高奖励与低奖励选择;而 DRN^Gad2 神经元在该时段未表现出类似的选择性活动。相反,DRN^Gad2 神经元在获得奖励时表现出差异性反应:仅在高努力条件下,选择高奖励时其活动下降幅度更大。这种分离表明,DRN 中的 5-羟色胺能和 GABA 能神经元群可能参与努力性奖赏寻求的不同阶段。一种可能是,5-羟色胺能神经元优先参与发生在动作选择之前或期间的过程,此时动物决定克服成本以获取更大奖励;而 GABA 能神经元则可能在高成本动作完成后优先传递与结果相关的信息。尽管光纤光度法无法进行因果推断,也无法区分这些信号究竟反映价值评估、动作承诺还是奖赏摄取过程,但 5-羟色胺能与 GABA 能反应在时间上的分离,提示 DRN 不同细胞类型在努力性奖赏寻求过程中具有功能特化。

尽管已有研究在 DRN 神经元中记录到与奖励相关的信号³³–³⁵,但一项

此处记录的活动模式的一个重要特征是,在不存在成本时,血清素能信号和 GABA 能信号都不会单纯地追踪奖赏大小。这些功能可能由 DRN 的其他神经元亚型或特定投射环路承担[51,52,16],未来还需开展研究加以阐明。在无努力任务阶段,小鼠无需克服障碍即可区分不同奖赏量,此时 DRN^SERT 和 DRN^Gad2 的反应在高奖赏选择与低奖赏选择之间相似。只有当奖赏评估涉及努力要求时,神经元活动中才出现与选择相关的差异。这一观察结果不支持这样一种假设:所记录的 DRN 信号主要表征奖赏大小本身。相反,我们的数据更符合这样一种观点:DRN 神经元以对成本敏感的方式编码奖赏相关变量,即奖赏的行为意义取决于获得奖赏所需的努力程度。此外,DRN^SERT 中高奖赏与低奖赏选项之间的信号差异会随努力程度增大而变化,其变化方式与参与基于努力的决策中计算性价值评估的皮层神经元相似[29],这表明 DRN 血清素能神经元可能参与了与该任务中类似的计算过程。DRN 的这一计算作用与现有证据相符:血清素能信号参与成本—收益评估的多个维度,包括概率、风险和延迟奖赏评估[38–41]。一种理论模型提出,DRN 血清素能神经元编码一种“有益性”信号,反映奖赏大小、概率与成本的整合(p × R × C)[53]。在……背景下,我们的结果与这一框架的核心观点相符。

……基于努力的决策,表明DRN中的血清素能活动携带受努力成本影响的奖励相关信号。然而,我们的数据并未直接探究概率因素对该信号的贡献,这有待未来的实验研究。

总之,本研究揭示了DRN血清素能神经元和GABA能神经元在基于努力的决策中具有不同的持续性与瞬时性特征。我们的结果支持这样一种模型:DRN^SERT活动提供一种计算信号,将持续的动机状态与努力性选择联系起来;而DRN^Gad2活动则优先表征付出高成本行动后的奖励获取,并可能参与努力付出后对奖励结果的评估或更新。鉴于局部DRN GABA能神经元可抑制血清素能神经元,从而塑造DRN输出和血清素释放¹²,一种可能是,高成本行动后DRN^Gad2神经元的奖励相关活动降低,会短暂解除对血清素能神经元的局部抑制,使努力付出后的奖励结果信息影响与持续选择较大奖励相关的持续性血清素能活动。不过,DRN还包含一类特征明确的长程投射GABA能神经元,它们支配中缝核外靶区,并直接调节下游神经环路¹⁴。在前扣带皮层中,对局部GABA能中间神经元进行选择性记录发现,尽管它们在调节携带选择相关信号的兴奋性投射神经元方面发挥重要作用,但在基于努力的决策过程中,其活动仅表现出微弱调节²⁹。综上,这些观察表明,所识别出的DRN^Gad2奖励相关信号

这里可能反映了对5-羟色胺能神经元的局部调控,也可能反映了作用于下游结构的长程投射GABA能神经元的活动。未来有必要解析局部与长程投射GABA能神经元亚群,并确定它们如何与5-羟色胺能神经元群体相互作用,从而深入理解DRN微回路与DRN输出通路如何协同调控基于努力的决策。

通过阐明支持基于努力的决策的DRN回路机制,本研究发现也可能有助于我们理解与动机功能障碍相关的神经精神疾病和神经系统疾病。在这些疾病中,为获得奖赏而付出努力的意愿往往会降低。在这一背景下,受损的5-羟色胺能信号可能通过削弱支持个体持续投入于追求价值更高但代价更大的奖赏的持久动机状态而促成这些症状;而改变的DRN GABA能信号则可能损害个体在付出努力后对奖赏结果的评估或更新。综上,这些发现提示,DRN内细胞类型特异性的功能障碍可能代表一种潜在的回路层面机制,通过该机制,努力分配和奖赏寻求行为会在精神和神经系统疾病中受到破坏。

材料与方法

实验动物

实验开始时,雄性和雌性小鼠的年龄为9–12周。杂合型SERT-Flp小鼠(B6.Cg-Slc6a4tm1.1(flpo)Luo/J)和Gad2-Cre小鼠(B6J.Cg-Gad2tm2(cre)Zjh/MwarJ)分别用于通过光纤光度法记录DRN 5-羟色胺能和GABA能神经元的活动。小鼠饲养于威尔·康奈尔医学院的动物设施中,并维持12小时光照—黑暗周期。除因行为实验需要而实施限水外,

在训练和测试期间,所有小鼠均可自由摄取食物和饮水。同窝小鼠在同一周内接受手术,并按手术状态与同窝小鼠群养。所有实验程序均经威尔康奈尔医学院机构动物护理与使用委员会(IACUC)批准。

手术

将动物置于流动箱内,以异氟烷气体(3%,氧气流速为1 L/min)麻醉至镇静,随后将其置于立体定位仪上,并在整个手术过程中维持1%异氟烷麻醉。双眼均涂抹眼用凝胶(Optixcare),并使用加热垫和直肠探头将体温维持在37 °C。腹腔注射美洛昔康(2 mg/kg)和丁丙诺啡(0.5 mg/kg)。修剪头皮毛发后,使用精细手术剪(Fine Science Tools)沿头部中线切开,以暴露颅骨;随后在局部涂抹0.1 ml局部麻醉剂(0.25%布比卡因)。之后用3%过氧化氢清洁颅骨,并立即用生理盐水冲洗。

分别向SERT-flp和Gad2-Cre小鼠的背侧缝核(DRN)注射1 µl AAV8-Ef1a-fDIO-GCaMP6s(Addgene #105714)或AAV1.Syn.Flex.GCaMP6s.WPRE.SV40(Addgene #100845)(相对于前囟:AP,−4.5 mm;ML,0;DV,−3.5 mm)。随后将一根4 mm光纤(Doric Lenses #B280-4401-4)植入DRN(相对于前囟:AP,−4.5 mm;ML,1.2;DV,−3.1 mm;α,+20°)(补充图1A)。使用Vetbond(3M)和Metabond固定光纤植入物。

手术后,给小鼠皮下注射无菌生理盐水,并将其置于加热垫上的恢复笼内,直至从麻醉中苏醒。为避免术后疼痛,连续3天腹腔注射美洛昔康。

基于努力的决策任务装置

该

基于努力的决策装置由一个升高的T形迷宫组成,迷宫设有两个奖励臂和一个中央臂。在中央臂入口处安装红外传感器,用于检测小鼠并启动新试次。在奖励臂入口处设置定制的努力障碍(低努力障碍高5 cm,高努力障碍高10 cm),迫使动物越过障碍才能到达臂的末端。供水针穿过奖励臂末端的壁面安装,以便供水。利用红外传感器检测动物是否舔舐奖励口。通过视频记录动物行为,并使用定制脚本进行视频追踪。

行为训练

如前所述(Fetcho et al. 2023),基于努力的决策任务包括塑形训练阶段和3个训练阶段。简言之,在塑形训练阶段,对限水小鼠进行适应训练,使其习惯通过奖励口饮水,并前往中央臂入口启动新试次(以5 kHz音调提示)。当小鼠在单次训练中成功启动的试次数超过20次后(每次训练最长20分钟),便进入训练阶段;此时,一个奖励臂对应高奖励(水量较大),另一个奖励臂对应低奖励(水量较小)。高奖励分配给小鼠在塑形训练阶段偏好较低的臂。小鼠依次经历3个训练阶段,分别将无努力、低努力或高努力条件(无障碍、低努力障碍、高努力障碍)与高奖励臂配对。获取低奖励始终不需要付出努力。最初,高奖励水量与低奖励水量之比为2:1。动物每天接受训练,并根据个体情况调整奖励比例,直到

在连续两个训练阶段中,若小鼠在每个阶段内连续两次训练中至少有 70% 的试次选择高奖励臂,则进入下一个训练阶段,并提高努力要求。

光纤光度法记录

在整个行为训练过程中,每次训练开始前,均通过跳线将植入光纤的小鼠连接至光度测量系统(Neurphotometrics FP3002)。每次训练期间均进行全程记录,并通过 TTL 脉冲与行为系统进行时间同步,以便分析背缝核(DRN)SERT 神经元和 DRN gad2 神经元在基于努力的决策各阶段中的活动。既往研究报告了 DRN 神经活动与小鼠运动能力之间存在显著关联(Kawashima et al. 2016;Nectow et al. 2017)。本研究发现,小鼠运动速度与 SERT 和 Gad2 两类细胞群中记录到的活动均存在相关性,支持了这一关联(补充图 1C)。为避免误解基于努力的决策任务中的神经活动,我们对记录信号进行回归处理,以消除各只小鼠的速度和加速度所带来的影响。用于回归分析的速度和加速度是在试次间间隔期间测量的,此时小鼠返回中央臂以开始下一试次。

固定组织处理与成像

为确认光纤的位置,对动物进行经心灌流,灌流液为冰冷的 1× PBS 和 4% 多聚甲醛(PFA)。取出脑组织后,在 4°C 的 4% PFA 中后固定过夜,再用 20% 蔗糖进行冷冻保护,快速冷冻,并于 −20°C 保存,随后使用冷冻切片机进行冠状切片(厚度为 40 mm)。样本使用含 DAPI 的 Fluoroshield 封片剂封片于 25×75×1 mm 载玻片(Fisher Superfrost)上。

图像采集使用 Leica

使用 DM 5500 B 显微镜,配备 Leica DFC360 FX 荧光相机(7 倍放大)和 EL600 光源,并采用数值孔径为 0.4 的 10×复消色差物镜。图像通过两个通道采集:绿色通道用于捕捉 GFP,蓝色通道用于捕捉 DAPI。

使用 SVM 分类器进行二分类解码

使用 MATLAB 的 fitcsvm 函数,测试能否根据 SERT 和 Gad2 纤维光度记录的不同指标,解码小鼠选择高奖励侧还是低奖励侧。模型采用 SVM 解码器进行训练,并使用 5 折交叉验证。每次迭代中,数据被拆分(自助抽样)为训练集(80% 的试次)和测试集(20% 的试次);在每个数据集中,针对感兴趣特征的每个二元取值,选取数量相等的试次。解码准确率表示为每只小鼠选择预测正确的百分比。我们比较了以紧张性编码(单次试验的平均活动)、阶段性编码(分别围绕决策或奖励获取时段的 SERT 或 Gad2 神经元平均活动)或二者组合为预测变量时,解码器的准确率。为测试模型随机解码小鼠选择的能力,我们使用 randswap 对训练数据集中的选择进行打乱(1,000 次迭代),并在包含真实值的测试数据集上测试模型。

统计分析

所有统计分析均使用 Matlab 和 Prism(GraphPad)完成。比较两个数据集时,采用配对 Wilcoxon 检验。比较两个以上数据集时,采用混合模型分析,并将小鼠身份作为随机效应;对多个事后比较进行 Bonferroni 校正。相关性分析采用 Spearman 检验。显著性阈值设定为 p < 0.05。未进行统计学

采用了方法预先确定样本量,但我们的样本量与此前发表的研究所报告的样本量相近²⁹。

参考文献

  • Hart, E. E. & Izquierdo, A. 数量还是质量:基于努力的选择任务中的一致性发现. Behav. Processes 164, 178–185 (2019). OpenUrl PubMed
  • Valton, V. 等. 理解抑郁症中基于努力的决策的一种计算方法. Psychol. Med. 55, e302 (2025). OpenUrl CrossRef PubMed
  • Grahek, I., Shenhav, A., Musslick, S., Krebs, R. M. & Koster, E. H. W. 抑郁症中的动机与认知控制. Neurosci. Biobehav. Rev. 102, 371–381 (2019). OpenUrl CrossRef PubMed
  • Horne, S. J., Topp, T. E. & Quigley, L. 抑郁症与为获得奖励而付出认知和体力努力的意愿:系统综述. Clin. Psychol. Rev. 88, 102065 (2021). OpenUrl CrossRef PubMed
  • Culbreth, A. J., Moran, E. K. & Barch, D. M. 精神分裂症中的基于努力的决策. Curr. Opin. Behav. Sci. 22, 1–6 (2018). OpenUrl PubMed
  • Colón-Semenza, C., Fulford, D. & Ellis, T. 帕金森病患者运动锻炼中的基于努力的决策. J. Park. Dis. 11, 725–735 (2021). OpenUrl
  • Le Heron, C. 等. 冷漠与多巴胺对帕金森病中基于努力的决策的不同影响. Brain J. Neurol. 141, 1455–1469 (2018). OpenUrl CrossRef PubMed
  • Wardle, M. C., Treadway, M. T., Mayo, L. M., Zald, D. H. & de Wit, H. 加大努力:右旋苯丙胺对人类基于努力的决策的影响. J. Neurosci. Off. J. Soc. Neurosci. 31, 16597–16602 (2011). OpenUrl Abstract / FREE Full Text
  • Huang, K. W. 等. 背缝核的分子与解剖学组织

核。eLife 8, e46464(2019)。打开链接 CrossRef PubMed

  • Weissbourd, B. 等。背侧中缝核5-羟色胺能和GABA能神经元的突触前伙伴。Neuron 83, 645–662(2014)。打开链接 CrossRef PubMed Web of Science
  • Molliver, M. E. 5-羟色胺能神经元系统:其解剖结构对功能的启示。J. Clin. Psychopharmacol. 7, 3S–23S(1987)。打开链接 CrossRef PubMed
  • Hernández-Vázquez, F., Garduño, J. 和 Hernández-López, S. 背侧中缝核中GABA能对5-羟色胺能神经元的调节作用。Rev. Neurosci. 30, 289–303(2019)。打开链接 CrossRef PubMed
  • Liu, R., Jolas, T. 和 Aghajanian, G. 5-羟色胺5-HT(2)受体激活背侧中缝核5-羟色胺能神经元的局部GABA能抑制性输入。Brain Res. 873, 34–45(2000)。打开链接 CrossRef PubMed Web of Science
  • Bang, S. J. 和 Commons, K. G. 利用GAD67-GFP敲入小鼠鉴定背侧中缝核至前脑的GABA能投射。J. Comp. Neurol. 520, 4157–4167(2012)。打开链接 CrossRef PubMed
  • McDevitt, R. A. 等。背侧中缝核5-羟色胺能与非5-羟色胺能投射神经元:对奖赏环路的差异性参与。Cell Rep. 8, 1857–1869(2014)。打开链接 CrossRef PubMed Web of Science
  • Luo, M., Zhou, J. 和 Liu, Z. 背侧中缝核的奖赏加工:5-HT及其他。Learn. Mem. 22, 452–460(2015)。打开链接 摘要 / 免费全文
  • Challis, C. 等。中缝核GABA能神经元介导社会挫败后的回避行为习得。J. Neurosci. Off. J. Soc. Neurosci. 33, 13978–13988, 13988a(2013)。打开链接 摘要 / 免费全文
  • Gardner, K. L., Thrivikraman, K. V., Lightman, S. L., Plotsky, P. M. 和 Lowry, C. A

早期生活经历会改变社会挫败期间的行为:聚焦 5-羟色胺能系统。《Neuroscience》136,181–191(2005)。

打开链接|CrossRef|PubMed|Web of Science

  • Ai,L. 等。背侧中缝核 GABA 能神经元调节小鼠对疼痛社会传递的易感性。《Acta Pharmacol. Sin.》46,1892–1904(2025)。

打开链接|PubMed

  • Matthews,G. A. 和 Tye,K. M. 社会稳态的神经机制。《Ann. N. Y. Acad. Sci.》1457,5–25(2019)。

打开链接|CrossRef|PubMed

  • Correia,P. A. 等。相位性光遗传激活 5-羟色胺神经元对运动的短暂抑制和长期促进。《eLife》6,e20975(2017)。

打开链接|CrossRef|PubMed

  • ↵ Nectow,A. R. 等。鉴定控制摄食的脑干环路。《Cell》170,429–442.e11(2017)。

打开链接|CrossRef|PubMed

  • Matias,S.、Lottem,E.、Dugué,G. P. 和 Mainen,Z. F. 认知灵活性背后的 5-羟色胺神经元活动模式。《eLife》6,e20552(2017)。

打开链接|CrossRef|PubMed

  • ↵ Maier,S. F. 和 Seligman,M. E. P. 习得性无助五十年:来自神经科学的启示。《Psychol. Rev.》123,349–367(2016)。

打开链接|CrossRef|PubMed

  • ↵ André,N.、Audiffren,M. 和 Baumeister,R. F. 努力控制的整合模型。《Front. Syst. Neurosci.》13,79(2019)。

打开链接|CrossRef|PubMed

  • ↵ Bailey,M. R.、Simpson,E. H. 和 Balsam,P. D. 动机行为中基于努力、时间和风险的决策所依托的神经基质。《Neurobiol. Learn. Mem.》133,233–256(2016)。

打开链接|CrossRef|PubMed

  • Salamone,J. D. 和 Correa,M. 动机激活层面的神经生物学:努力付出、基于努力的决策及多巴胺的作用。《Annu. Rev. Psychol.》75,1–32。

打开链接|CrossRef|PubMed

(2024)。

OpenUrl

CrossRef

PubMed

28.

Hauber,W。

努力相关决策的行为、神经和神经化学基础。

Rev. Neurosci.

doi:

10.1515/revneuro-2026-0030

(2026)doi:10.1515/revneuro-2026-0030。

OpenUrl

CrossRef

29.

↵

Fetcho,R. N. 等。

支持需要付出努力的奖赏寻求行为的应激敏感性额叶-纹状体回路。

Neuron

112,473–487.e4(2024)。

OpenUrl

CrossRef

PubMed

30.

Floresco,S. B. 与 Ghods-Sharifi,S。

杏仁核-前额叶皮层回路调节基于努力的决策。

Cereb. Cortex

17,251–260(2007)。

OpenUrl

CrossRef

PubMed

Web of Science

31.

Fatahi,Z. 与 Haghparast,A。

伏隔核中大麻素系统的激活影响基于努力的决策。

Pharmacol. Biochem. Behav.

165,29–35(2018)。

OpenUrl

CrossRef

PubMed

32.

↵

Attaallah,B. 等。

人类海马在不确定性下决策中的作用。

Nat. Hum. Behav.

8,1366–1382(2024)。

OpenUrl

PubMed

33.

↵

Paquelet,G. E. 等。

具有情绪显著性的行为过程中背缝核5-羟色胺神经元的单细胞活动和网络特性。

Neuron

110,2664–2679.e8(2022)。

OpenUrl

CrossRef

PubMed

34.

↵

Li,Y. 等。

背缝核中的5-羟色胺神经元编码奖赏信号。

Nat. Commun.

7,10503(2016)。

OpenUrl

CrossRef

PubMed

35.

↵

Liu,Z. 等。

背缝核神经元通过5-羟色胺和谷氨酸传递奖赏信号。

Neuron

81,1360–1374(2014)。

OpenUrl

CrossRef

PubMed

Web of Science

36.

↵

Troconis,E. L.、Seo,C.、Guru,A. 与 Warden,M. R。

交配中的雌性小鼠的5-羟色胺神经元被雄性射精激活。

Curr. Biol. CB

33,4926–4936.e4(2023)。

OpenUrl

PubMed

37.

↵

Cohen,J. Y.、Amoroso,M. W. 与 Uchida,N。

5-羟色胺能神经元发出信号

不同时间尺度上的奖赏与惩罚。《eLife》4,e06346(2015)。

  • Rogers,R. D. 等。色氨酸耗竭通过改变对奖赏线索的加工,改变健康志愿者的决策。《Neuropsychopharmacol. Off. Publ. Am. Coll. Neuropsychopharmacol.》28,153–162(2003)。
  • Seymour,B.,Daw,N. D.,Roiser,J. P.,Dayan,P. 和 Dolan,R.。血清素选择性地调节人类决策中的奖赏价值。《J. Neurosci. Off. J. Soc. Neurosci.》32,5833–5842(2012)。摘要/免费全文
  • Long,A. B.,Kuhn,C. M. 和 Platt,M. L.。血清素影响猴子的风险决策。《Soc. Cogn. Affect. Neurosci.》4,346–356(2009)。
  • Cools,R.,Roberts,A. C. 和 Robbins,T. W.。血清素能系统对情绪与行为控制过程的调节。《Trends Cogn. Sci.》12,31–40(2008)。
  • Miyazaki,K. W. 等。光遗传学激活背侧中缝核血清素神经元可增强对未来奖赏的耐心。《Curr. Biol. CB》24,2033–2040(2014)。
  • Kawashima,T.,Zwart,M. F.,Yang,C.-T.,Mensh,B. D. 和 Ahrens,M. B.。血清素系统追踪行动结果以介导短期运动学习。《Cell》167,933–946.e20(2016)。
  • Kunčická,D. 等。血清素与基于努力的决策:区分 8-OH-DPAT 和 PCPA 的行为效应。《Physiol. Res.》73,869–880(2024)。
  • Meyniel,F. 等。血清素在克服努力成本方面的特定作用。《eLife》5,e17282(2016)。
  • Walton,M. E.,Bannerman,D. M. 和 Rushworth,M. F. S.。The

大鼠内侧额叶皮层在基于努力的决策中的作用

.

J. Neurosci. Off. J. Soc. Neurosci

.

22

,

10996

–

11003

(

2002

).

打开链接

摘要

/

免费全文

47.

↵

Salamone

,

J. D.

,

Cousins

,

M. S.

&

Bucher

,

S

.

快感缺失还是精力缺乏?氟哌啶醇和伏隔核多巴胺耗竭对T形迷宫成本/收益程序中工具性反应选择的影响

.

Behav. Brain Res

.

65

,

221

–

229

(

1994

).

打开链接

CrossRef

PubMed

Web of Science

48.

↵

Tang

,

Q.

,

Cook

,

J. N.

,

Yurgel

,

M. E.

,

Hattar

,

S.

&

Jones

,

J. R.

长期光学监测基因编码荧光指示剂

.

PNAS Nexus

4

,

pgaf372

(

2025

).

打开链接

49.

↵

Andalman

,

A. S.

等

.

调控脑状态与行为状态转换的神经元动力学

.

Cell

177

,

970

–

985

.e20 (

2019

).

打开链接

CrossRef

PubMed

50.

↵

Daw

,

N. D.

,

Kakade

,

S.

&

Dayan

,

P

.

血清素与多巴胺之间的对抗性相互作用

.

Neural Netw. Off. J. Int. Neural Netw. Soc

.

15

,

603

–

616

(

2002

).

打开链接

51.

↵

Feng

,

Y.-Y.

,

Bromberg-Martin

,

E. S.

&

Monosov

,

I. E

.

背侧中缝核神经元在多属性决策中整合奖赏量、延迟和不确定性的价值

.

Cell Rep

.

43

,

114341

(

2024

).

打开链接

CrossRef

PubMed

52.

↵

Braden

,

K.

&

Castro

,

D. C

.

背侧中缝核神经肽在奖赏与厌恶中的作用

.

Front. Behav. Neurosci

.

19

,

1553470

(

2025

).

打开链接

PubMed

53.

↵

Luo

,

M.

,

Li

,

Y.

&

Zhong

,

W

.

背侧中缝核5-HT神经元是否编码“有益性”?

Neurobiol. Learn. Mem

.

135

,

40

–

49

(

2016

).

打开链接

CrossRef

PubMed

返回顶部

上一页

下一页

发布于2026年10月2日。

下载PDF

电子邮件

感谢您有兴趣帮助传播 bioRxiv 的信息。

注意:请求提供您的电子邮件地址,仅用于确认您是此邮件的发送者。

文章。

您的电子邮箱

*

您的姓名

*

发送至

*

输入多个地址时,请分别换行输入,或使用逗号分隔。

您将通过电子邮件发送以下内容

背侧缝核中基于努力的决策制定的细胞类型特异性编码

邮件主题

(您的姓名)已从 bioRxiv 转发一个页面给您

邮件正文

(您的姓名)认为您可能会想查看 bioRxiv 网站上的这一页面。

您的个人留言

验证码

此问题用于确认您是否为真人访客,并防止自动提交垃圾邮件。

分享

背侧缝核中基于努力的决策制定的细胞类型特异性编码

Laura

Chalençon

,

Robert N

Fetcho

,

Alexandra

Lenz

,

Joseph M

Stujenske

,

Matthew A

Wright

,

Conor

Liston

bioRxiv

2026.09.28.751674;

DOI:

https://doi.org/10.64898/2026.09.28.751674

分享本文:

复制

引用工具

背侧缝核中基于努力的决策制定的细胞类型特异性编码

Laura

Chalençon

,

Robert N

Fetcho

,

Alexandra

Lenz

,

Joseph M

Stujenske

,

Matthew A

Wright

,

Conor

Liston

bioRxiv

2026.09.28.751674;

DOI:

https://doi.org/10.64898/2026.09.28.751674

引文管理器格式

BibTeX

Bookends

EasyBib

EndNote(带标签)

EndNote 8(XML)

Medlars

Mendeley

Papers

RefWorks Tagged

Ref Manager

RIS

Zotero

推文小工具

Facebook“赞”

Google +1

学科领域

神经科学

学科领域

所有文章

动物行为与认知

(8093)

生物化学

(18912)

生物工程

(15071)

生物信息学

(44867)

生物物理学

(22789)

肿瘤生物学

(19922)

细胞生物学

(27132)

临床试验

(138)

发育生物学

(14064)

生态学

(21230)

流行病学

(2067)

进化生物学

(25633)

遗传学

(16265)

基因组学

(23664)

免疫学

(18846)

微生物学

(42855)

分子生物学

(18218)

神经科学

(94301)

古生物学

(708)

病理学

(3011)

药理学与毒理学

(5137)

生理学

(8197)

植物生物学

(16138)

科学传播与教育

(2105)

合成生物学

(4604)

系统生物学

(10317)

动物学

(2405)

关键词:背侧缝核 · 5-羟色胺能神经元 · GABA能神经元 · 基于努力的决策 · 奖赏加工 · 动机状态

原文链接:https://www.biorxiv.org/content/10.64898/2026.09.28.751674v1?rss=1