成年神经发生对齿状回神经网络模式分离的动态影响：揭示记忆分辨的关键机制

为解决齿状回（DG）模式分离与成年神经发生之间的矛盾问题，研究人员构建含成年新生颗粒细胞（adult - born GCs）的 DG 模型并利用 MNIST 数据库测试。结果表明 adult - born GCs 对 GCs 净效应为抑制，提升模式分离，且其成熟特征影响模式分离效率，该研究为相关机制提供计算证据。

　　齿状回（DG）中的模式分离对于区分相似记忆至关重要。DG 在整个生命周期中持续进行神经发生，成年海马神经发生会使数千个成年新生颗粒细胞（adult - born GCs）融入现有的 DG 神经回路。这些新生的 GCs 兴奋性很高，更容易对新奇刺激做出反应，这似乎与模式分离对高输入特异性的要求相悖。同时，成年新生 GCs 生长带来的变化也不容忽视。在这里，研究人员构建了一个包含 adult - born GCs 的具有生物学相关性的 DG 模型，并使用修改后的美国国家标准与技术研究院（MNIST）数据库对其进行测试。通过分析该模型，结果显示 adult - born GCs 对 GCs 的净效应是抑制作用，从而提高了 GCs 的稀疏性和模式分离能力。这为 adult - born GCs 的 “间接编码” 提供了计算证据。此外，随着 adult - born GCs 逐渐成熟，它们具有以下生长特征：活动减少、与反馈抑制的耦合强度增加以及突触可塑性增强。研究发现，活动减少会降低模式分离效率，而其他特征则会提高模式分离效率。最后，鉴于内嗅皮层（EC）神经元的放电率受众多因素（如记忆任务的复杂性）影响，DG 的输入频率应在一定范围内，而非固定不变。为此，研究人员逐渐增加输入频率，发现 adult - born GCs 的存在提高了 DG 神经网络的适应性，进而增强了模式分离的稳健性。