Science正刊｜为什么大脑能“改规则”？答案可能藏在运动皮层神经元的树突顶端

来源：市场资讯

（来源：CAAI认知系统与信息处理专委会）

来自柏林洪堡大学（Humboldt University of Berlin）、汉堡大学医学中心分子神经生物学中心（Zentrum für molekulare Neurobiologie, UKE Hamburg）、柏林夏里特医学院 NeuroCure 卓越集群（NeuroCure Cluster of Excellence, Charité – Universitätsmedizin Berlin）以及埃默里大学生物学系（Biology Department, Emory University）等团队，在 Science 发表了题为 Tuft dendrites in frontal motor cortex enable flexible learning 的研究。作者关注的是一个很基础的问题：大脑已经学会一套规则之后，为什么还能根据环境变化重新切换到另一套规则，尤其是重新学回一套更复杂的规则。

这项工作把答案指向了小鼠前额运动相关区域 ALM 中 5 层锥体神经元的树突顶端。这些神经元不是简单把输入加起来再放电，而是有一个很长的树突结构，伸到皮层第 1 层，那里可以接收来自感觉区、丘脑等多个来源的输入。作者发现，动物重新学习复杂规则时，需要这些树突顶端里的全局钙活动；如果激活一类专门抑制树突顶端的 NDNF 中间神经元，复杂规则的重新学习就会明显变慢，但已经学会的规则执行基本不受影响。

这篇研究给人的启发很直接：灵活学习不是只靠神经元胞体多放几个动作电位，而是要靠树突顶端在合适的时候打开一套可塑性机制，把新的输入重新组织起来。

复杂规则重新学习，需要树突顶端的钙活动参与

作者设计了一个规则切换任务。小鼠先学习一套比较复杂的规则 A：左边胡须受到轻微气流刺激，就要舔左边；右边胡须受到刺激，就要舔右边。之后，动物切到一个更简单的规则 B：不管左还是右，最后都舔左边。最后，再让动物从规则 B 切回复杂规则 A′。这个设计很巧，因为它可以把“执行已经学会的动作”和“重新学习复杂映射”分开。

作者先做了一个大范围抑制 ALM 的实验，证明 ALM 对两个规则的表现都很重要。接着，他们更精准地激活第 1 层的 NDNF 中间神经元。这类中间神经元主要抑制 5 层锥体神经元的树突顶端，等于给树突顶端加了一道刹车。结果很清楚：如果动物已经学会规则 A，激活 NDNF 并不会明显破坏它的表现；从复杂规则 A 切到简单规则 B，也没有明显问题；但从简单规则 B 切回复杂规则 A′ 时，动物重新学会的速度会显著变慢。

也就是说，树突顶端不是每次动作执行都必须参与，而是特别参与复杂规则的重新学习。它像是一个只在需要重新组织输入—输出关系时才打开的学习资源。

小鼠先学复杂规则，再切到简单规则，最后切回复杂规则。广泛抑制 ALM 会影响已学规则执行；但只激活 NDNF 中间神经元、抑制树突顶端时，已经学会的行为基本保留，受影响最明显的是从简单规则重新回到复杂规则的学习过程。

NDNF 中间神经元会关掉树突里的全局钙信号，但不会完全关掉局部突触输入

为了确认 NDNF 激活到底影响了什么，作者直接记录了 5 层锥体神经元树突顶端的钙活动。正常情况下，胡须刺激会在树突 shaft 和 spine 中都引发钙活动，其中 shaft 里的全局钙事件通常和更大范围的树突激活、胞体爆发放电有关。

当作者化学遗传激活 NDNF 中间神经元后，结果非常明显：树突 shaft 中的全局钙活动几乎被消除，spine 中和 shaft 同步的全局钙活动也被明显压低；但 spine 里更局部、更像单个突触输入的小钙事件仍然保留了不少。 这说明 NDNF 不是简单把所有输入都关掉，而是特别抑制那种能把分散输入整合成全局树突事件的过程。

作者还记录了胞体放电。NDNF 激活会让胞体平均放电率有一定下降，但下降幅度远小于树突 shaft 钙信号的下降；相比普通放电，burst firing 下降更明显。这和树突顶端全局钙事件的变化是吻合的：NDNF 更像是在压制树突—胞体协同产生的爆发式计算，而不是简单把整个神经元静音。

激活 NDNF 中间神经元会强烈压低树突 shaft 的全局钙信号，也减少胞体 burst firing；但 spine 里的局部钙事件并没有被完全消除。这说明树突顶端的“整体整合”被关掉了，而单个突触层面的输入仍然可以存在。

复杂规则下，树突输入会形成更有组织的功能簇

树突顶端需要整合什么样的输入？作者接着用谷氨酸传感器 iGluSNFR3 去看第 1 层输入到 5 层锥体神经元树突顶端的兴奋性突触活动。这个实验不是看神经元输出，而是看进入树突的输入本身在任务中怎么变化。

作者发现，不同突触输入会在不同任务阶段携带信息：有的在 instruction 期间区分左右，有的在 delay 期间选择性增强，有的在 report 期间和动物的选择相关。复杂规则 A 和 A′ 下，树突输入既有 instruction 相关信息，也有 choice 相关信息；而简单规则 B 下，report 期间的 choice 相关输入几乎消失，只剩更多 instruction 相关输入。

更重要的是空间组织。复杂规则 A 中，编码相似信息的突触更倾向于靠得近，表现为功能聚簇；简单规则 B 中，这种距离相关的聚簇不明显。尤其是 choice-selective synapses，它们比 instruction-selective synapses 更明显地聚在同一树突分支附近。

这意味着，在复杂规则下，树突顶端不是被随机输入轰炸，而是把相关输入组织成更适合联合处理的小团簇。这样的局部结构，可能正是后续全局钙事件和可塑性改变的基础。

树突顶端的兴奋性输入会携带 instruction、delay 和 choice 等不同任务信息。复杂规则中，choice 相关突触更明显地形成局部功能簇；简单规则中，这种聚簇结构减弱。说明复杂规则并不是只增加输入量，而是让输入在树突空间上变得更有组织。

树突输出会随着规则切换发生重组，但总体功能又能重新恢复

前面看到的是树突输入，作者接着看树突输出，也就是 5 层锥体神经元 apical tuft 和 trunk 的钙活动。通过两平面成像，作者把事件分成 global、hemi-tree、branch-specific 等不同类型。结果显示，树突活动里占主导的是 global events，它们往往同步出现在整个树突树中，更可能和 burst firing 或全局树突事件有关。

在复杂规则 A 和 A′ 中，树突活动能够明显区分任务中的 instruction 和 report 信息；在简单规则 B 中，report 期间的 choice selectivity 明显变弱。这和前面突触输入的结果是对应的。

更有意思的是 representational drift。作者追踪同一批树突跨天活动，发现从规则 A 切到 B 时，choice-selective dendrites 的表征会明显改变；再切回 A′ 后，群体层面又能重新表现出类似复杂规则的选择信息，但这不是原来同一批树突简单回到旧状态，而是新的树突群体被招募来承担 choice coding。

这就很像大脑在保持功能稳定和避免干扰之间做平衡：规则 A′ 还能恢复复杂规则的群体功能，但底层用到的树突集合已经重排。

复杂规则下，树突全局钙事件携带明显的选择相关信息；简单规则下，这类选择表征减弱。切回复杂规则后，群体层面的选择信息恢复，但参与编码的树突集合已经发生替换，说明树突输出在保持功能的同时也会随规则切换重新组织。

NDNF 中间神经元会在学习相关错误时降低活动，给树突可塑性让路

既然激活 NDNF 会阻碍复杂规则重新学习，那么在自然学习过程中，NDNF 自己会怎么活动？作者用钙成像长期追踪同一批 NDNF 中间神经元，发现它们也会携带任务相关信息，且在规则 A、B、A′ 中表现出不同选择性。

最关键的是错误反应。作者把错误分成几类：规则切换时的 transition errors、已经学会后偶然犯的 spontaneous errors，以及最初学习阶段的 learning errors。结果显示，NDNF 中间神经元在学习相关错误中会整体出现负向调制，也就是活动下降；但在已经学会任务后的偶然错误中，这种下降并不明显。

这很像一个门控机制。动物遇到“我现在需要改规则”的错误时，NDNF 抑制下降，树突顶端更容易发生全局钙活动和可塑性变化；而如果只是已经熟练任务中的偶然失误，就不需要打开这道可塑性闸门。

作者还发现，NDNF 的 choice-related 表征在规则 A 到 B 时会漂移，切回 A′ 后又更接近原来的规则 A。这和树突本身的重排不同，说明 NDNF 更像在跟踪任务规则状态，动态调节树突是否该进入可塑状态。

NDNF 中间神经元本身也编码任务信息，但当动物在规则切换或最初学习中犯错时，它们的活动会下降。这个下降可能解除对树突顶端的抑制，让全局钙信号和可塑性更容易发生；已经学会后的偶然错误则不会明显打开这道门。

最初学习一套复杂规则时，NDNF 也在帮助网络逐渐形成可解码的任务表征

最后，作者把问题从“重新学习”推进到“最初学习”。他们设计了一个 random reward 阶段，让动物先熟悉任务流程，但奖励不再和左右指令真正耦合。随后再启动规则 A 的真正学习，并记录 NDNF 中间神经元活动。

结果显示，在学习前，NDNF 群体已经有一些任务相关信息，但 trial type 解码能力不高，大约停在 65% 左右。随着动物真正学会规则 A，NDNF 群体活动对左右 trial type 的解码能力逐渐增强，最后能接近 90%。这说明 NDNF 不只是一个简单的“抑制开关”，它本身也参与形成任务相关的网络状态。

同时，最初学习阶段的错误也会像规则切换错误一样，让一部分 NDNF 活动下降。也就是说，不管是第一次学复杂规则，还是从简单规则切回复杂规则，只要大脑需要重新组织输入—输出关系，NDNF 活动下降都可能是让树突进入学习状态的重要步骤。

在最初学习规则 A 时，NDNF 中间神经元对 trial type 的解码能力会随着学习推进而提高；学习相关错误同样会压低 NDNF 活动。说明 NDNF 不只是被动抑制树突，而是在学习过程中动态调节树突可塑性和任务表征形成。

树突不是简单的电线，而是复杂规则学习中的计算单元

把整篇文章连起来看，它真正推进的是一个很重要的认识：神经元并不是简单把所有输入加起来，然后在胞体决定是否放电。至少在 ALM 的 5 层锥体神经元里，树突顶端承担着更复杂的功能：它接收来自不同脑区的输入，把相关突触组织成局部功能簇，并通过全局钙事件参与复杂规则的重新学习。

NDNF 中间神经元则像一扇门。平时，它能抑制树突顶端，避免网络随便改变；当动物遇到真正需要学习的错误时，这道抑制下降，树突钙活动被允许展开，新的规则关系才更容易被写进去。这样的机制非常适合解释大脑如何同时做到两件事：已经学会的行为保持稳定，环境变化时又能快速重新学习。

这篇研究当然还有很多后续问题。比如，哪些上游输入主要形成 choice-related 聚簇，哪些神经调质信号负责在错误时压低 NDNF 活动，不同类型的 L1 中间神经元是否各自控制不同学习阶段，都还需要继续拆。

但它已经把一件事讲得很清楚：灵活学习的关键，不只在于神经元放不放电，还在于树突顶端什么时候被允许进行全局钙计算。

如果把这篇文章压成一句话，那就是：当大脑需要重新学回一套复杂规则时，前额运动皮层的树突顶端会被临时放开，靠全局钙信号和聚簇输入完成可塑性更新；而 NDNF 中间神经元正是控制这扇门开合的关键。

参考文献信息

Maristany de las Casas E, Killmann K, Drüke M, et al. Tuft dendrites in frontal motor cortex enable flexible learning. Science (2026).