《Nature Communications》:Motor cortex somatostatin interneurons adaptively shape the structure of action sequences
编辑推荐:
本研究旨在解决大脑如何灵活重组动作序列以优化行为结果这一核心问题。研究人员探究了初级运动皮层(M1)中生长抑素中间神经元(SST-INs)在技能学习与适应性运动控制中的作用。结果表明,M1 SST-INs的活动能根据任务需求动态重组,与动作序列的逐次调整相关,其抑制会破坏动作的时间组织。该发现揭示了M1抑制性微环路在精细化、塑造高效且任务特异性的运动程序中的关键作用,为理解运动学习和控制机制提供了新见解。
我们的大脑就像一个无比精密的指挥中心,能够指挥身体完成从走路、抓取到演奏乐器等各种复杂动作。这些动作往往不是单一的行为,而是一系列动作按照特定时间和顺序组合成的“动作序列”。为了达成目标,大脑需要不断地根据结果调整和优化这些序列,这个过程涉及强化学习与适应性运动控制。初级运动皮层(Primary motor cortex, M1)是执行精细运动和技能学习的关键脑区,但大脑皮层的微观神经环路究竟是如何塑造和优化动作序列的时序与结构的,长期以来并不完全清楚。特别是一种称为生长抑素中间神经元(Somatostatin interneurons, SST-INs)的抑制性神经元在M1中大量存在,它们在运动学习和执行中扮演何种角色,是领域内亟待解答的问题。
这项发表在《Nature Communications》上的研究,为我们揭开了M1中SST-INs的神秘面纱。研究人员发现,这些神经元并非简单的“刹车”装置,而是动作序列的“高级雕塑家”,能够自适应地塑造运动程序,使其变得更高效、更符合任务需求。
为探索这一问题,研究人员主要运用了几项关键技术。他们在自由活动的小鼠中,利用体内钙成像技术,实时记录了M1中SST-INs和锥体神经元在学习和执行杠杆按压任务时的活动变化。通过结合光遗传学技术,他们能够精确地抑制SST-INs的活动,从而直接检验其功能。此外,研究人员设计了不同的行为学范式,包括稳定的任务时间表和需要更快、更受时间约束的动作序列的修改版任务,以探究SST-INs活动在不同行为需求下的动态变化。
M1 SST-INs在任务学习初期表现出与动作锁定的同步钙活动
研究人员首先让小鼠学习一个杠杆按压任务。他们发现,在学习初期,M1中的SST-INs表现出高度同步的钙活动,并且这种活动与动作(杠杆按压)的执行紧密相关。与此形成鲜明对比的是,同一脑区的锥体神经元(大脑皮层主要的兴奋性输出神经元)则表现出顺序性的激活模式。这表明,在动作序列的初步形成阶段,SST-INs可能作为一个整体,对运动网络的兴奋性活动施加同步的抑制性调节。
经过长期稳定训练后,SST-INs活动与动作解耦
当小鼠在稳定的任务时间表下经过长期训练,熟练掌握了任务后,一个有趣的现象出现了:SST-INs的钙活动不再与单个动作的执行相关联。这表明,一旦动作序列被充分学习和固化,SST-INs的参与模式发生了转变,它们可能不再直接干预每个动作的瞬时执行。
面对新的挑战,SST-INs活动重组并与动作序列的逐次调整相关
研究的关键发现出现在任务需求改变时。当研究人员修改任务,要求小鼠必须更快、在更严格的时间窗内完成动作序列时,SST-INs的活动并没有简单地减弱或消失,而是进行了“重新分布”。它们的活动模式发生了重组,并且与试次间(trial-by-trial)动作序列的变化显著相关。换句话说,当需要优化和调整已经学会的动作序列以适应新要求时,SST-INs的活动变得与每一次尝试的细微改进紧密相连,而非简单地与动作本身绑定。
抑制SST-INs会破坏动作序列的时间组织并损害运动执行效率
通过光遗传学手段特异性抑制M1 SST-INs的活动,研究人员直接验证了它们的功能。结果发现,抑制SST-INs并不会完全阻止小鼠执行动作,但会严重破坏动作序列的时间组织。具体表现为动作间隔时间变异性增加,运动执行效率下降。这直接证明SST-INs对于维持动作序列的精确时序结构和高效执行至关重要。
综上所述,这项研究得出了明确的结论:初级运动皮层(M1)中的生长抑素中间神经元(SST-INs)在动作序列的学习和优化中扮演着动态且关键的角色。它们不是静止不变的抑制源,而是能够根据行为需求和学习阶段进行自适应调整。在序列学习初期,它们与动作同步;在序列固化后,其活动解耦;而当面临新的行为挑战需要优化序列结构时,它们的活动会重组并与序列的逐次改进相关。抑制SST-INs会特异性损害动作序列的时间组织性。这些发现突破了以往对抑制性中间神经元功能的简单理解,揭示了M1抑制性微环路的一个意想不到的核心功能:像一个智能的“编辑”或“雕塑家”,主动地、自适应地将粗糙的运动程序“雕琢”成更高效、更任务特异性的精细结构。这为理解运动学习、运动控制以及相关运动障碍疾病的环路机制提供了全新的重要视角。