《npj Systems Biology and Applications》：Neural mechanisms balancing accuracy and flexibility in working memory and decision tasks
編輯推薦：
在生物系統中，決策（DM）和工作記憶（WM）對動物適應環境至關重要，但相關機制不明。研究人員利用吸引子網絡框架開展研究，發現選擇性抑制的電路架構可提高 DM 準確性，卻降低 WM 穩健性。提出的動態調制機制能平衡二者功能，為認知功能研究提供新范式。
在神奇的大腦世界里，決策（DM）和工作記憶（WM）就像兩個關鍵齒輪，推動著動物在復雜多變的環境中生存和適應。想象一下，一只小動物在面對危險時，需要迅速做出決策是逃跑還是躲藏，這就依賴于決策功能；同時，它還得記住周圍環境的信息，比如哪里有可以藏身的地方，這就涉及到工作記憶。然而，盡管科學家們一直在努力探索，但這兩個重要功能背后的神經機制卻始終蒙著一層神秘的面紗。傳統的研究模型，像漂移 - 擴散模型（DDM），雖然在一定程度上解釋了決策過程，但卻忽略了神經動力學的復雜性，無法深入揭示大腦在決策和工作記憶時神經元之間的微妙互動。為了揭開這層面紗，中國科學院大學溫州研究院理論跨學科科學中心的研究人員 Han Yan 和紐約州立大學石溪分校的 Jin Wang 展開了深入研究 。他們的研究成果發表在《npj Systems Biology and Applications》上，為我們理解大腦的認知功能帶來了新的曙光。
研究人員運用了多種關鍵技術方法來開展此項研究。他們采用了基于生物物理的模型，通過平均場方法簡化神經元網絡模型，將其降為 firing rate 模型，以此來描述神經網絡的集體行為。同時，運用非平衡勢景觀和通量框架，結合 Fokker - Planck 方程等理論工具，對模型的動力學行為進行分析，量化景觀特征，并計算熵產生率來衡量神經活動的能量消耗。
電路架構對 DM 和 WM 功能的影響
研究人員通過經典的隨機點運動（RDM）辨別任務來探索神經基礎。在這個任務中，猴子需要判斷隨機點的運動方向，并在延遲一段時間后做出反應，這就涉及到決策和工作記憶的過程。他們構建了具有不同抑制結構的吸引子模型，研究發現，具有選擇性抑制的電路架構能使決策準確性提高。這是因為隨著抑制神經元選擇性增強（用參數 w 表示，w 越大選擇性越強），系統的靜止狀態變強，決策時需要積累更多證據，雖然決策時間變長，但卻減少了隨機噪聲導致的錯誤，從而提高了準確性。然而，這種結構卻降低了工作記憶對干擾刺激的穩健性。當在延遲期引入干擾刺激時，隨著 w 增大，決策吸引子之間的屏障高度降低，記憶狀態變得不穩定，更容易受到干擾而改變初始選擇。
決策與工作記憶功能權衡的動態調制
為了保護工作記憶免受干擾，研究人員在決策任務的延遲期添加額外的非選擇性輸入。研究結果顯示，增加非選擇性輸入可以增強工作記憶對干擾的穩健性。隨著非選擇性輸入（用ΔI0表示）增大，從正確決策狀態轉變為錯誤決策狀態的平均時間增加，在有限時間內切換到錯誤選擇的概率降低。這是因為非選擇性輸入使兩個決策吸引子變強，增加了吸引子盆地的深度和它們之間的屏障高度，使系統更難切換到其他決策狀態，從而有效地阻擋了干擾輸入。但直接施加較大的非選擇性輸入會帶來更高的熱力學成本，并且在決策任務的證據積累期施加，會導致決策速度加快但準確性降低，初始錯誤也更難糾正。因此，研究人員提出在延遲期逐漸增加非選擇性輸入強度的方法，這樣可以在保證工作記憶穩健性的同時，降低總體熱力學成本，實現決策和工作記憶功能的動態平衡。
研究結論表明，具有選擇性抑制的電路架構在決策和工作記憶中存在權衡關系。這種架構雖然提高了決策準確性，但削弱了工作記憶對干擾的穩健性。而在延遲期添加逐漸增強的非選擇性輸入，是一種經濟有效的動態調制機制，可以在相對較低的熱力學成本下，增強工作記憶對干擾的抵抗能力，平衡決策和工作記憶功能，以適應不同的認知任務需求。該研究意義重大，它為理解大腦認知功能的神經機制提供了新的定量框架，有助于揭示大腦如何在代謝限制下優化認知性能，也為未來研究神經網絡架構與認知功能的關系指明了方向，比如可以進一步探究選擇性抑制架構與長程連接模式如何相互作用，從而在分布式神經系統中優化認知表現。
