《Nature Neuroscience》：Conditioned accumbal dopamine transients forecast individual preference for drug versus natural rewards and compulsive behavior
编辑推荐：
成瘾个体倾向于偏好药物奖励而非自然奖励。通常认为，伏隔核中的多巴胺（dopamine，DA）信号失调会触发这一现象，但支持这一观点的证据仍然有限。研究人员利用遗传编码传感器，在小鼠操作性关联任务中监测DA动力学，任务奖励包括自然奖励（高脂溶液）或人工奖励（可卡
成瘾个体倾向于偏好药物奖励而非自然奖励。通常认为，伏隔核中的多巴胺（dopamine，DA）信号失调会触发这一现象，但支持这一观点的证据仍然有限。研究人员利用遗传编码传感器，在小鼠操作性关联任务中监测DA动力学，任务奖励包括自然奖励（高脂溶液）或人工奖励（可卡因或光遗传学DA自我刺激）。在学习过程中，两类奖励的预测性线索均逐渐诱发DA瞬变；在自然奖励递送时，该DA瞬变消失，而在人工奖励递送时则持续存在。在选择测试中，动物的偏好从完全偏向自然奖励到完全偏向人工奖励不等。个体偏好可由线索诱发DA反应的幅度所预测。对奖励关联进行再赋值后，奖励类型偏好及相应DA信号均随之转变；但在表现出强迫性寻药的小鼠中，这种转变并未出现，提示这些小鼠的价值更新受损。上述结果支持这样一种模型：DA驱动适应性奖励寻求，而与线索持续相关的DA信号构成成瘾易感性的基础。
该论文发表于《Nature Neuroscience》，聚焦成瘾研究中的一个核心问题：为何部分个体会在存在自然奖励的情况下，仍持续选择药物等人工奖励（artificial rewards，ARs），甚至发展出不顾不良后果的强迫性使用行为。既往理论认为，中脑-边缘多巴胺（dopamine，DA）系统，尤其是伏隔核（nucleus accumbens，NAc）中的DA释放，是药物“劫持”奖赏系统并抬高药物相关线索价值的关键机制。然而，这一假说长期缺乏对个体层面选择行为的直接证据。另一方面，已有动物研究也显示，并非所有个体都偏好药物，许多个体反而更偏好甜味或高适口性的自然奖励（natural rewards，NRs）。这说明，决定选择偏向的并非奖励的物理属性本身，而更可能是个体赋予不同奖励的主观价值。基于此，研究人员开展了系统研究，检验NAc中条件化DA瞬变是否能够预测个体对NR与AR的偏好，并进一步预测成瘾样强迫行为的发生。
研究人员在DAT-Cre小鼠中结合使用遗传编码DA传感器dLight1.2、光纤光度法（fiber photometry）和操作性自我给药范式，分别比较高脂溶液这一NR与两类AR——光遗传学DA自我刺激（optogenetic dopamine self-stimulation，oDASS）和静脉注射可卡因——在学习、选择、再赋值、惩罚风险及强迫性坚持等情境下的DA动态变化。研究显示，真正能够预测个体后续偏好的，不是奖励递送后的DA幅度，而是预测性线索所诱发的DA瞬变差异。具体而言，若个体对AR相关线索产生更强的DA反应，则更可能偏好AR，并更可能在惩罚条件下持续寻求AR。相反，当奖励价值被重新评估时，多数小鼠的线索DA编码和行为偏好可同步更新；但在强迫性寻求个体中，这种更新能力减弱或缺失。研究因此提出，NAc内由线索诱发的DA价值编码反映主观奖励价值，是成瘾易感性的早期神经标志。
本研究使用的关键技术方法主要包括：在DAT-Cre小鼠腹侧被盖区（ventral tegmental area，VTA）表达Cre依赖型ChrimsonR并在NAc表达dLight1.2，以光纤光度法实时记录DA瞬变；建立NR、高强度或低强度oDASS、不同剂量静脉可卡因的操作性采样与双选任务；结合奖励省略、奖励再赋值、惩罚风险（punishment risk，PR）和渐进比率（progressive ratio）行为程序评估价值更新、偏好稳定性及强迫性；样本来源为8–24周龄DAT-IRES-Cre小鼠，雌雄均纳入，背景为回交至C57BL/6的近似同基因系群体。
在“Operant conditioning for NR and AR builds accumbal DA transients that predict individual preference”部分，研究人员首先建立NR与短程oDASS的平行采样学习任务，并连续记录NAc中的DA信号。结果表明，随着学习推进，NR和AR均在预测性线索处逐渐形成DA瞬变，提示动物已建立线索-奖励关联。对于NR，早期主要出现在奖励递送（reward delivery，Rd）后的DA瞬变随着学习迅速减弱并在熟练阶段消失；而对短程oDASS，奖励递送后的DA信号在熟练阶段仍持续存在。这一结果表明，AR相较NR能够在奖励递送后持续引发DA释放。进一步的双选实验显示，小鼠对NR和AR的偏好具有显著个体差异，可从偏好NR到偏好oDASS连续分布。聚类分析进一步识别出偏好NR、无明显偏好和偏好oDASS三类个体。关键发现是：采样阶段由不同奖励相关线索诱发的DA瞬变差值，与后续选择阶段的个体偏好显著相关，而奖励递送后的DA差异并不相关。这说明个体偏好主要由线索编码的主观价值所预测。
在“Revaluation of AR boosted cue-evoked DA transients and biased preference”部分，研究人员通过将短程oDASS升级为长程oDASS，对AR进行再赋值。结果发现，增强AR强度后，不仅奖励递送后的DA信号明显增大，相关线索诱发的DA瞬变也同步增强；与此同时，很多小鼠的行为偏好由NR转向oDASS。聚类后可见，一部分小鼠始终偏好NR，一部分在再赋值后转向oDASS，另一部分则一直偏好oDASS。不同群体中，线索DA编码的变化方向与偏好转变一致。结果说明，线索诱发DA信号并非固定不变，而会随奖励价值重估而重塑，并直接对应行为选择更新。
在“Extended short-oDASS training failed to enhance value coding or shift preference”部分，研究人员检验如果仅延长对较弱AR的暴露时间，是否会因持续的奖励后DA信号而逐渐抬高线索价值。结果显示，经过超过500次短程oDASS训练后，小鼠对NR与oDASS的偏好总体并未转向AR，线索诱发DA瞬变也基本稳定不变。即使奖励递送后持续存在DA释放，也不足以单独推动线索价值不断攀升。这一结果对“药物通过持续正预测误差（reward prediction error，RPE）无限强化线索价值”的简单模型提出了限制，提示价值编码在学习稳定后具有一定边界。
在“Cocaine yielded strong cue-evoked DA transients that correlate with preference”部分，研究人员将AR扩展为药理学奖励可卡因，以验证上述规律是否同样适用于真实成瘾药物。结果发现，静脉可卡因自给药同样在相关线索处诱发强DA瞬变，并且可卡因输注后DA升高可持续较长时间。个体在NR与可卡因之间同样表现出稳定而明显的偏好差异，分为偏好NR和偏好可卡因两类。与oDASS实验一致，最能预测个体偏好的仍是NR与可卡因相关线索所诱发DA瞬变的差值，而非奖励递送后DA的差值。这说明，无论AR是光遗传刺激还是药理学药物，线索相关DA价值编码都是预测选择行为的核心指标。
在“The oDASS with punishment risk reduces associated cue-evoked DA transients favoring NR preference”部分，研究人员引入足底电击构成的PR，对长程oDASS进行“贬值”。结果显示，在无PR时，所有小鼠普遍偏好长程oDASS，且其相关线索诱发的DA远高于NR；加入PR后，多数小鼠的偏好转向NR，同时oDASS相关线索诱发的DA瞬变减弱，但奖励递送后的DA信号并未改变。聚类分析显示，一部分小鼠会根据PR调整偏好，而另一部分仍持续偏好oDASS。后者的线索DA信号在PR后仍保持较高水平，提示其对负性后果导致的价值更新不敏感。该结果说明，线索DA编码能够反映惩罚引起的价值下降，而不能完成这种更新的个体，可能更接近强迫性成瘾表型。
在“AR preference predicted perseverance to punished oDASS”部分，研究人员进一步评估初始AR偏好与后续强迫性的关系。通过渐进比率任务发现，奖励效能指标断点（breakpoint）与偏好评分并无显著相关，说明偏好并不等同于一般动机强度。随后在惩罚条件下持续进行长程oDASS自我刺激，发现约半数小鼠在PR下仍坚持按压杠杆，被归为坚持者（perseverers）；其余则显著减少反应，被归为放弃者（renouncers）。单纯的NR对AR偏好与坚持程度相关性有限，但当比较“带PR的AR”与NR时，偏好与坚持行为之间出现强相关：在惩罚条件下仍偏好oDASS的小鼠，大多数随后表现为坚持者。说明在负后果存在时仍赋予AR较高价值，是强迫性行为的重要前驱特征。
在“Preference for weak ARs reveals vulnerability to addiction-like behavior”部分，研究人员进一步检验，对较弱AR的初始偏好是否可作为成瘾易感性的早期指标。首先，使用低剂量可卡因（0.75 mg kg
?1）作为较弱AR进行NR对比，发现个体虽未普遍偏好可卡因，但那些对低剂量可卡因不排斥甚至表现出中性偏好的小鼠，后续更可能在oDASS惩罚任务中表现出坚持行为。其次，在另一组实验中，起初偏好短程oDASS的小鼠，在随后面对高剂量可卡因（1.25 mg kg
?1）时，更容易转向并保持对药物奖励的偏好。与此同时，相关线索诱发DA编码也随奖励升级而增强。该部分结果强调，即便是对较弱AR的轻度偏好，也可能揭示个体未来更高的成瘾样行为风险。
讨论部分围绕三个核心观点展开。第一，NAc中由预测性线索诱发的DA瞬变主要编码主观奖励价值，而非奖励客观强度。不同个体之间，尽管AR本身在递送后引发的DA升高较为一致，但线索阶段的DA编码差异很大，而正是这一差异解释了偏好差异。第二，线索DA编码在学习完成后总体稳定，但仍保留对再赋值和惩罚的可塑性；强迫性个体的问题不在于不能产生DA信号，而在于不能根据新后果更新线索所代表的价值。第三，对较弱AR的偏好是从正常奖励选择向成瘾样强迫行为过渡的早期步骤，但并非充分条件；真正进入强迫阶段，还可能需要后续突触可塑性、基因表达改变以及纹状体DA回路由腹侧向背侧的转移。
研究结论可概括为：个体对人工奖励与自然奖励的选择偏好，主要由伏隔核内预测性线索所诱发的DA瞬变差异决定；这种线索相关DA价值编码能够随奖励增强或惩罚风险而更新，但在强迫性寻药个体中更新受损。对较弱人工奖励表现出的偏好，可作为成瘾易感性的早期神经行为标志。该研究由此界定了成瘾脆弱性的早期机制，并为靶向预防与干预策略提供了实验依据。
