梨状皮层表征漂移与学习诱导稳定化的神经机制研究

来自国际团队的研究人员通过构建真实神经网络模型，揭示了梨状皮层(Piriform Cortex)表征漂移(RD)的双重机制：慢速突触权重自发波动引发定量化RD现象，而快速尖峰时序依赖可塑性(STDP)学习驱动系统向低维表征流形演化从而抑制漂移。该研究不仅解释了已学习气味表征稳定性增强的现象，更为理解大脑表征动力学提供了普适理论框架。

　　

大脑通过神经活动模式编码外部刺激，形成对世界的内在表征。越来越多的实验证据显示，特定刺激的神经表征会随时间推移发生变化，这种现象被称为"表征漂移(Representational Drift, RD)"。研究人员聚焦嗅觉系统的梨状皮层(Piriform Cortex)，构建了包含双重时间尺度突触动态的神经网络模型：以天为单位的慢速自发乘性波动，和以秒为单位的快速尖峰时序依赖可塑性(Spike-Timing-Dependent Plasticity, STDP)。

模型结果显示，突触大小的慢速波动会产生与实验数据定量吻合的RD效应，同时维持符合实验观察的突触权重稳态分布。更有趣的是，当特定气味刺激呈现时，快速STDP学习机制会推动系统向低维表征流形演化，有效降低突触权重波动的维度从而抑制RD。这一发现完美解释了为何已"学习"气味的表征比陌生气味更稳定，以及刺激呈现频率与漂移速率的关联性——这些预测均与最新实验数据高度吻合。

这项研究提出的"慢波动-快学习"模型，不仅为梨状皮层RD现象提供了机制性解释，更建立了研究其他神经系统中表征动力学的通用理论框架。通过揭示学习过程对神经表征稳定化的调控作用，该成果为理解大脑如何平衡表征可塑性与稳定性提供了新视角。