認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息

Title:Global error signal guides local optimization in mismatch calculation

發(fā)表時(shí)間:2026-03-12

發(fā)表期刊:Nat Commun

影響因子:15.7

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

大腦如何監(jiān)控自我運(yùn)動(dòng)感知的穩(wěn)定性是神經(jīng)科學(xué)的核心課題。這一過程依賴于“伴隨放電（Corollary discharge）”機(jī)制：大腦將關(guān)于自身動(dòng)作影響的預(yù)期信號(hào)（Top-down）發(fā)送至感官區(qū)域，與實(shí)際感官輸入（Bottom-up）進(jìn)行比對(duì)。若兩者匹配，感官反應(yīng)會(huì)被抑制；若不匹配，則產(chǎn)生“預(yù)測(cè)誤差（Prediction error）”信號(hào)。然而，感官神經(jīng)元的基準(zhǔn)放電率通常極低，難以直接通過興奮性信號(hào)相減來精確計(jì)算誤差。此外，如何通過局部突觸塑性，讓抑制性中間神經(jīng)元精確學(xué)習(xí)并抵消特定動(dòng)作帶來的感官預(yù)期，進(jìn)而產(chǎn)生實(shí)驗(yàn)觀察到的正、負(fù)預(yù)測(cè)誤差神經(jīng)元（pPE/nPE），仍缺乏統(tǒng)一的生物學(xué)解釋。

實(shí)驗(yàn)設(shè)計(jì)與方法邏輯

本研究采用計(jì)算建模（Computational modeling）方法，提出了一種生物學(xué)上可行的“三因子學(xué)習(xí)規(guī)則（Three-factor learning rule）”。該模型與驗(yàn)證邏輯如下：核心學(xué)習(xí)規(guī)則依賴于突觸前活動(dòng)、突觸后活動(dòng)，以及一個(gè)代表全局失配程度的第三因子 c(t)（可能由藍(lán)斑核釋放的去甲腎上腺素介導(dǎo)）。作者首先在數(shù)學(xué)上證明了該規(guī)則在優(yōu)化抑制性突觸權(quán)重時(shí)等效于梯度下降法。隨后，研究者在三維環(huán)境模擬及基于生理參數(shù)的電導(dǎo)神經(jīng)元模型中運(yùn)行算法，觀察局部抑制環(huán)路在不同“失配”頻率下的演化。最后，研究者通過重新分析小鼠在虛擬現(xiàn)實(shí)環(huán)境下的運(yùn)動(dòng)-視覺耦合實(shí)驗(yàn)數(shù)據(jù)，對(duì)比了接受過耦合訓(xùn)練（CT）與非耦合訓(xùn)練（NT）神經(jīng)元的反應(yīng)特征，驗(yàn)證了模型關(guān)于學(xué)習(xí)誘導(dǎo)功能分化的核心預(yù)測(cè)。

核心發(fā)現(xiàn)

發(fā)現(xiàn)一：全局錯(cuò)誤信號(hào)引導(dǎo)局部抑制性環(huán)路實(shí)現(xiàn)精確的失配計(jì)算

研究發(fā)現(xiàn)，單純的“預(yù)期吻合”訓(xùn)練只能讓突觸權(quán)重收斂至一個(gè)模糊的“慢學(xué)習(xí)流形（Slow learning manifold）”，無法實(shí)現(xiàn)唯一的誤差計(jì)算解。只有引入代表失配程度且具有正負(fù)號(hào)調(diào)節(jié)作用的第三因子 c(t)，才能引導(dǎo)權(quán)重沿著流形精準(zhǔn)移動(dòng)，最終使局部抑制信號(hào)能夠精確抵消對(duì)應(yīng)的興奮驅(qū)動(dòng)。這意味著，藍(lán)斑核（Locus coeruleus）等系統(tǒng)播發(fā)的全局信號(hào)，可能作為“教師信號(hào)”指導(dǎo)了感官區(qū)域內(nèi)部的微型環(huán)路優(yōu)化。

Fig. 2 中，作者通過權(quán)重演化軌跡展示了學(xué)習(xí)過程：在全局因子 c(t) 的引導(dǎo)下，突觸權(quán)重呈現(xiàn)出鋸齒狀的收斂軌跡，最終精準(zhǔn)到達(dá)能計(jì)算預(yù)測(cè)誤差的最優(yōu)解位置。

模型顯示，在三因子規(guī)則的作用下，感官神經(jīng)元群體自發(fā)發(fā)生了功能分化。一部分神經(jīng)元進(jìn)化為正預(yù)測(cè)誤差（pPE）神經(jīng)元，在“有刺激無預(yù)期”時(shí)放電最強(qiáng)；而另一部分則通過學(xué)習(xí)特定的抑制性輸入，進(jìn)化為負(fù)預(yù)測(cè)誤差（nPE）神經(jīng)元，在“有預(yù)期無刺激（如動(dòng)作發(fā)生但感官流中斷）”時(shí)因去抑制（Disinhibition）而產(chǎn)生強(qiáng)烈響應(yīng)。這一結(jié)論統(tǒng)一了解釋了皮層如何利用單一塑性邏輯，構(gòu)建出完整的雙向誤差監(jiān)控系統(tǒng)。

Fig. 5 展示了模型捕捉到的失配響應(yīng)特征：學(xué)習(xí)后，nPE 神經(jīng)元在失配期間（圖中陰影部分，刺激停止但預(yù)期持續(xù)）表現(xiàn)出明顯的放電增強(qiáng)，而這一特征在學(xué)習(xí)前并不存在。

基于模型預(yù)測(cè)，隨著傳感器運(yùn)動(dòng)經(jīng)驗(yàn)的積累，神經(jīng)元對(duì)刺激與預(yù)期的反應(yīng)相關(guān)性將從無序的單峰分布演變?yōu)楣δ芮蟹值摹半p峰分布”。通過對(duì)真實(shí)實(shí)驗(yàn)數(shù)據(jù)的重分析，研究者證實(shí)接受過動(dòng)作-視覺耦合訓(xùn)練（CT）的小鼠，其神經(jīng)元群體在相關(guān)性空間中明顯聚集在代表 pPE 和 nPE 的特征象限，而未接受耦合訓(xùn)練的對(duì)照組（NT）則維持中心對(duì)稱分布。這證明了這種功能分化確實(shí)是由長(zhǎng)期的失配學(xué)習(xí)經(jīng)驗(yàn)驅(qū)動(dòng)的。

Fig. 8 對(duì)比了模型預(yù)測(cè)與小鼠實(shí)驗(yàn)數(shù)據(jù)：極坐標(biāo)圖清晰呈現(xiàn)了 CT 組神經(jīng)元在第二和第四象限的點(diǎn)簇聚集，對(duì)應(yīng)了模型預(yù)言的雙峰特征，從而驗(yàn)證了環(huán)路優(yōu)化的真實(shí)性。

省流總結(jié)

本研究證明了一種生物學(xué)上可行的三因子學(xué)習(xí)規(guī)則，可以通過全局神經(jīng)調(diào)節(jié)信號(hào)引導(dǎo)感官皮層的局部抑制環(huán)路優(yōu)化。該模型不僅實(shí)現(xiàn)了失配計(jì)算的數(shù)學(xué)最優(yōu)解，還成功解釋了正、負(fù)預(yù)測(cè)誤差神經(jīng)元如何在經(jīng)驗(yàn)驅(qū)動(dòng)下同步涌現(xiàn)。這一機(jī)制通過將計(jì)算任務(wù)下放到感官區(qū)域，有效降低了高階腦區(qū)的認(rèn)知負(fù)載。盡管該模型為理解精神疾病中的感知失調(diào)提供了新視角，但具體的抑制性亞群分工仍需未來實(shí)驗(yàn)進(jìn)一步閉環(huán)驗(yàn)證。

請(qǐng)打分

這篇?jiǎng)倓偟巧?strong>Nature Communications的研究，是否實(shí)至名歸？我們邀請(qǐng)您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評(píng)論區(qū)分享您的深度見解。

分享人：天天

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級(jí)大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場(chǎng)探索未知的長(zhǎng)跑，但你無需獨(dú)行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點(diǎn)擊卡片進(jìn)群，歡迎你的到來

一鍵關(guān)注，點(diǎn)亮星標(biāo) ? 前沿不走丟！

一鍵分享，讓更多人了解前沿