短期可塑性影响情景记忆提取：尖峰神经网络模型中突触痕迹的相互作用

本研究针对情景记忆与短期可塑性动态交互机制这一科学难题，通过构建双向连接的尖峰神经网络模型，结合Bayesian-Hebbian可塑性与资格迹学习规则，首次在计算模型中重现了大鼠气味-情境关联实验的行为结果（准确率83.21% vs 实验数据80%）。研究发现当旧情境项目具有更高新近性时（Arrangement 2），记忆表现提升至93.33%（p<0.01），揭示了突触增强（augmentation）和神经元内在兴奋性（BCPNN bias）在协调不同时间尺度记忆效应中的关键作用，为理解记忆系统交互提供了新框架。

　　

记忆系统如何协调不同时间尺度的信息处理一直是神经科学的核心问题。在日常生活中，我们常常会遇到这样的困惑：当在陌生场合遇见熟人时，近期相遇的情境记忆会干扰当前的识别判断。这种情景记忆与新近效应的交互机制，在啮齿类动物实验中表现为气味-情境关联任务中的选择冲突——大鼠需要克服新气味的新近性优势，准确识别旧情境关联的气味以获得奖励。然而，这种跨时间尺度记忆交互的神经计算原理尚不明确。

瑞典皇家理工学院（KTH Royal Institute of Technology）的N.Chrysanthidis团队在《Scientific Reports》发表的研究，通过构建包含Item和Context双网络的尖峰神经网络模型，模拟了大鼠在气味-情境关联任务中的记忆行为。研究人员采用自适应指数积分发放（AdEx）神经元模型，结合具有不同时间常数的Bayesian-Hebbian可塑性（τ_p=30 s）和短时突触增强机制（τ_A=5 s），实现了对Panoz-Brown大鼠实验数据的定量重现（模型83.21% vs 实验80%），并预测了新旧情境项目新近性反转时的性能变化。

关键技术包括：1）采用9个超柱（HC）×16个微柱（MC）的双网络架构模拟皮层记忆表征；2）通过BCPNN学习规则实现长时程情景记忆绑定与短时突触可塑性的协同；3）利用资格迹（eligibility traces）机制模拟奖励信号对学习的调控；4）基于发放率差异（Δf_old-new）建立记忆决策模型。

研究结果首先显示，在标准任务设置（Arrangement 1）中，模型成功区分新旧情境项目（图1D），主要依赖情境项目绑定的兴奋性突触后电位（EPSPs=0.72±0.085 mV）和神经元内在兴奋性（Δbias_old-new>0）克服新项目的短时可塑性优势。当反转新旧项目呈现顺序（Arrangement 2）时，模型性能显著提升至93.33%（p<0.01），表现为旧项目的突触权重（Δw_old-new）和内在兴奋性（p<0.01）同步增强（图2F-G）。在训练不平衡任务中，尽管新项目呈现次数增加，但情境A对新项目的双突触抑制（disynaptic inhibition）增强（p=1.9×10^-268）维持了记忆性能（图3C），而消除该抑制则导致性能骤降至16.66%（p<0.001）。

额外情境任务验证了记忆干扰效应，引入第三个情境使性能下降至70.7%（p<0.05），这与新项目在情境C的重复激活导致的相对新近性增加（Δtrial_old-new=-10）相关（图4C）。反向奖励方案则因奖励分布不均导致情境绑定强度差异（p<0.001），使性能降至64.28%（图5C），表明奖励平衡对记忆巩固的关键作用。

该研究通过多尺度可塑性机制的协同作用，首次在计算模型中实现了：1）定量重现行为实验；2）预测新近性增强情景记忆的条件；3）揭示双突触抑制在抵抗记忆干扰中的作用。这不仅为理解情景记忆的神经基础提供了新视角，其采用的BCPNN学习框架对发展类脑记忆系统具有重要启示。未来研究可进一步探索海马-皮层网络在更长时程记忆整合中的作用，以及该模型在记忆障碍疾病机制研究中的应用潜力。