大脑如何在一瞬间永久改变：颠覆70年神经科学定论的新发现

触碰一次滚烫的炉灶，你便终身不忘。这种"一次就够"的学习能力，长期以来在神经科学领域几乎是个谜。

主流理论认为，大脑学习依赖于"赫布可塑性"，即神经元之间的连接通过反复激活而逐渐加强，通俗说法是"一起放电的神经元连接在一起"。这套框架支配了神经科学界整整70余年。但它有一个显而易见的短板：它需要重复。

现在，科学家们找到了另一个答案。

树突上的"闪光"，彻底改变了游戏规则

圣地亚哥·拉蒙·卡哈尔绘制的神经元图，例如这幅带有分支树突的浦肯野细胞图，促使他提出了神经系统包含许多相互作用的细胞的理论。圣地亚哥·拉蒙·卡哈尔/公共领域

故事的起点，是2014年贝勒医学院神经科学家杰弗里·马吉和他的团队在活体啮齿动物大脑里看到的一个意外现象。

他们把细小的电极探入海马体，观察神经元树突的活动。树突是神经元伸出的细小分支，像天线一样接收来自其他细胞的信号。当时，他们看到树突出现了一种被称为"平台电位"的持续性电活动，时长可达数百毫秒，远超普通神经信号的几毫秒。

更关键的是：在一次平台电位发生之后，该神经元就立即"学会"了在特定位置放电，成为所谓的"位置细胞"。

1949 年，加拿大心理学家唐纳德·赫布阐述了神经科学的主流学习理论，即现在所称的赫布可塑性。UBC档案馆照片集；不列颠哥伦比亚大学图书馆档案馆。UBC 41.1/2039-1

这意味着，仅凭一次短暂的树突激活，细胞就完成了记忆编码，而不需要成百上千次的重复练习。研究团队在实验中观察到，经历过一次树突平台电位的细胞，有99.5%的概率会在该位置持续放电。这个数字几乎让所有人震惊。

马吉将这种机制命名为"行为时间尺度突触可塑性"，英文缩写BTSP。2017年，他们将成果发表于《科学》杂志，随即在神经科学界掀起了一场持续至今的讨论。

它是怎么做到的？分子层面的解码进行时

树突是接收来自其他神经元信号的延伸分支，在最近发现的一种神经可塑性中扮演着关键角色。在这张大脑皮层锥体神经元的染色图像中，可以看到根状树突从细胞体延伸而出。Jose Calvo/Alamy

BTSP之所以被称为"行为时间尺度"，是因为它作用的时间窗口恰好与人类真实行为相吻合，秒级而非毫秒级。

当一个神经元的树突经历平台电位时，会触发一种名为"资格痕迹"的生化标记，在相关突触上短暂驻留。这些标记像一枚记号，告诉细胞"刚才这里发生了什么"。随后，平台电位引发的电压变化扫过整个树突，激活所有携带资格痕迹的突触，使它们的连接强度得到加强。

2024年，印度神经生理学家阿南特·贾恩及其团队进一步揭示，树突平台电位会激活一种对记忆至关重要的蛋白质CaMKII。这种蛋白质通过在树突上增加受体的数量和面积，直接提升突触强度，让下次信号传入时更多的神经递质能够结合。

贝勒医学院的神经科学家杰弗里·马吉 (Jeffrey Magee) 领导的团队于 2017 年首次描述了行为时间尺度突触可塑性。承蒙杰弗里·麦基惠允

2025年发表于《自然神经科学》的最新研究则更进一步。马吉团队对小鼠进行长达7天的海马体神经元追踪，结果发现：稳定的记忆并非由突触连接的永久固化产生，而是每天都在通过BTSP重新"刻写"一次。那些稳定编码了位置记忆的神经元，在每个新的行为日开始时都会先经历一次BTSP事件，随后才能可靠地放电。这个发现颠覆了人们长期以来认为记忆是"写入后封存"的固有认知。

从海马到皮层，BTSP的版图正在扩大

德克萨斯大学西南医学中心的 Attila Losonczy 表示，BTSP 单次试验学习模型“对人工智能模型可能很有用”。承蒙阿提拉·洛松奇惠允

目前，BTSP最确凿的证据仍集中在海马体。这片大脑中的"记忆中枢"负责空间认知和情景记忆的形成，是研究单次学习最理想的天然实验场。

西北大学神经科学家丹尼尔·多姆贝克表示，BTSP"是该领域长期缺失的东西"，是解释即时记忆形成的强大机制。但他同时也持审慎态度，因为目前的观察仍局限于特定条件下的特定细胞，并非所有海马神经元都表现出BTSP特征。

研究者们也在大脑皮层中寻找BTSP的踪迹，那里是人类高级认知功能的核心区域。已有初步证据表明，类似机制在皮层中存在，但相关机制远未清晰。

BTSP在人工智能领域同样引发了关注。德克萨斯大学西南医学中心的阿提拉·洛松齐认为，这套"单次试验学习"框架对AI模型的设计极具启发性。如何让机器在仅经历一次样本后就完成学习，一直是机器学习领域的核心难题之一，而BTSP的生物逻辑或许能提供新的路径。

大多数神经科学家并不认为BTSP会替代赫布可塑性，更可能的图景是两者分工协作。赫布机制或许在发育期的神经线路初始搭建中占主导，而BTSP则在成年后的情景记忆形成中扮演更关键的角色。

人类大脑如何在瞬间捕捉一段经历并将其永久铭刻，这个问题的答案，正在变得越来越清晰。