Computational simulation reveals the critical role of spike-timing-dependent plasticity in synchrony

人类大脑是一个由数十亿个微小电细胞组成的庞大网络，这些细胞不断发出信号，构建出我们的思想、记忆和感知。几十年来，科学家们一直在争论这些细胞是如何组织自身以存储信息的。争论的一方认为，学习发生于一群神经元以完美的同步方式放电时，就像合唱团在同一时刻唱出同一个音符。这种同步活动被认为是记忆形成的物理特征。而另一派观点则认为，为了使信息变得有用，它必须是多样且不可预测的。如果每个细胞都在完全相同的时刻放电，信号就会变得过于统一，从而无法承载复杂的细节，就像一个只广播单一音调的广播站一样。这种在学习所需的统一性与编码信息所需的差异性之间的张力，构成了一个神经科学领域长期的谜题。

研究人员早已知晓大脑利用一种特定的规则来加强神经元之间的连接：当两个细胞按照精确的序列放电时，它们之间的联系就会增强。这一过程被称为突触间隔依赖性塑性（spike-timing-dependent plasticity），是学习背后的生物学机制。然而，如何将这一学习规则与“信息需要混沌、去同步化状态”的观点共存，此前尚不明确。如果学习要求细胞共同放电，大脑又如何能依靠它们分开放电来存储丰富且细致的记忆呢？多伦多大学和克伦比尔脑研究所（Krembil Brain Institute）的计算科学家们的一项新研究提出，这两股看似相反的力量并非敌人，而是连续反馈循环中的伙伴。

为了解决这个谜团，研究人员构建了一个精细的计算机模型，模拟了一个微小的神经元网络，模仿了大脑记忆中心——海马体中细胞的行为。他们用符合真实神经元遵循的生物学规则（包括激发或抑制活动的化学信号）为这个虚拟网络编写了程序。团队向模型输入了来自大鼠执行视觉任务的真实数据，实验中动物必须区分不同亮度的图像。随后，他们运行了两个版本的模拟：一个是在学习机制激活的情况下，另一个是在学习机制关闭的情况下。通过比较虚拟神经元在两种情景下的电活动，他们能够准确观察到学习过程是如何改变脉冲放电时机的。

结果揭示了学习与时序之间一种动态且令人惊讶的关系。当学习机制激活时，神经元并不仅仅是保持同步或保持去同步化。相反，它们进入了一种节奏性的循环。在学习过程开始时，神经元的放电时间开始相互分离，创造出一种去同步化的状态。这种转变并非系统的失败，而是学习本身产生的必然结果。信号时序增加的多样性实际上起到了调节学习强度的作用，防止网络陷入僵化的模式。

随着模拟持续进行数秒，研究人员观察到了一场同步与去同步化的复杂舞蹈，尽管这种模式并非简单的往复运动。网络会从同步状态移动到去同步化状态，然后在一段稀疏活动期后，再次短暂地同步，然后再次漂移分离。这种波动完全是由学习规则驱动的。研究表明，大脑利用这种平衡的转移来管理信息。初始的同步让大脑捕捉到新的信息片段，而随后的去同步化则让这些信息能够以足够的灵活性被存储，以便日后检索而不干扰其他记忆。

至关重要的是，模拟显示，如果没有学习机制，神经元不会表现出这种受控的波动。当学习功能被禁用时，网络会保持在同步与去同步的混合状态，且不会随时间演变。这一发现表明，切换于这些状态之间的能力并非随机发生，而是大脑学习过程的直接结果。研究指出，大脑并非在同步与去同步之间做选择；相反，它利用学习过程在两者之间进行切换，从而创建一个自我调节的系统。

这一视角为理解大脑如何平衡秩序与混沌提供了一种新方法。它表明，学习与信息论之间看似存在的矛盾，可以通过将它们视为一个单一、连续的过程来得到解决。学习引发了形成记忆所需的同步，但学习行为本身又会将系统推向去同步化，从而保护了记忆的灵活性。研究人员发现，这种循环让大脑能够维持健康的变异水平，既防止了如癫痫发作般的极端同步，也避免了与记忆丧失相关的极端去同步化。

这项完全通过计算机模拟完成的研究，为这些生物过程可能运作的方式提供了一个理论框架。虽然该模型是基于已有的生物学数据和真实的输入构建的，但其发现是对这些机制如何相互作用的一种提议，而非对活体组织的直接观察。作者认为，这种调节循环可能是理解我们如何编码日常生活中复杂细节的关键。通过展示学习与去同步化是如何深度交织在一起的，这项研究为大脑如何既作为稳定的记录者，又作为灵活的信息处理器，提供了一个连贯的解释。