Striatal interneuron microcircuits gate reinforcement to stabilize adaptive choice

每天，我们都会做出无数细小的选择，从决定上班走哪条路线，到从菜单中挑选一顿饭。其中一些选择是通过试错法学到的，这是一个大脑权衡行为的成功或失败与其产生的结果的过程。这种学习发生在被称为纹状体的一个特定大脑区域，这是一个深层结构，充当处理奖励和惩罚信息的枢纽。在这个枢纽内，一种被称为棘突神经元的神经细胞充当了主要的信使，发送驱动我们行为前进的信号。科学家长期以来一直了解这些信使细胞受兴奋性输入控制，但局部抑制性细胞——即那些在纹状体内本身起制动或过滤作用的细胞——的作用一直是一个谜。理解这些局部制动器如何运作至关重要，因为它们可能是我们如何在世界规则发生变化时调整习惯的关键，即当旧的方式不再奏效时，从一种成功的策略转向一种新的策略。

一支研究团队最近将注意力转向背内侧纹状体，以揭示这些局部抑制电路如何影响学习。他们专注于一种特定的学习任务，动物必须通过推或拉杠杆来获得奖励，但游戏的规则偶尔会发生翻转。有时推是正确的动作，有时拉才是，动物必须根据是否收到奖励来判断这种变化。通过观察不同抑制性神经细胞在这一过程中的活动，科学家们发现了一个精确的内部电路，它将单次尝试的即时结果与动物进行选择时使用的更广泛策略联系起来。他们发现，两种由其含有的蛋白质区分开来的特定类型的抑制细胞，对同一事件做出相反的反应。一种类型含有名为生长抑素（somatostatin）的蛋白质，当一次尝试失败或奖励意外到来时，该类型会变得活跃。另一种类型则含有酪氨酸羟化酶（tyrosine hydroxylase），它表现得相反：当尝试失败时它会安静下来，而在收到奖励时则会迅速行动。

研究人员随后绘制了这两种细胞类型如何相互交流以及如何与主要信使细胞交流的图谱。他们发现，当酪氨酸羟化酶细胞活跃时，它们会抑制生长抑素细胞。这种抑制移除了一个制动器，使得主要信使细胞能够更自由地放电。这一连锁反应创造了一条路径，其中好的结果会触发一个特定的序列，从而增强负责驱动行为的细胞的活动。为了测试这一电路是否确实对学习是必要的，科学家在活体动物中暂时沉默了这些细胞。当他们阻止生长抑素细胞工作时，动物开始反复做出错误的决策，即使在原有的策略不再奏效时仍坚持使用次优策略。相反，当他们沉默酪氨酸羟化酶细胞时，动物在从正面奖励中学习方面表现困难，无法强化正确的行为。这些实验表明，这个特定的微电路充当了一个门控，决定大脑是否应该根据单次尝试的结果来更新其行为。

研究还观察了在这些行为变化发生后，细胞内部发生了什么。当生长抑素细胞受到抑制时，研究人员观察到兴奋性输入与主要信使细胞之间的连接随着时间的推移变得更加强大。这种增强暗示了大脑线路中发生的物理变化，这可以解释为什么动物在实验结束后很长时间内仍会重复同样的错误选择。研究结果表明，这种去抑制电路不仅仅是对单个事件做出反应；它将单次尝试的即时结果转化为持久的政策转变。通过通过这个特定的局部回路来门控强化信息的流动，大脑可以稳定适应性选择，确保我们能从成功与失败中学习，从而引导我们未来的行动。