工作记忆信息维持与操控的神经机制：基于短期突触可塑性的计算模型研究
作者及发表信息
本研究由Nicolas Y. Massé（芝加哥大学神经生物学系）、Guangyu R. Yang（纽约大学神经科学中心）、H. Francis Song（哥伦比亚大学神经科学系）和David J. Freedman（芝加哥大学Grossman神经科学研究所）共同完成，发表于2019年7月的《Nature Neuroscience》期刊（卷22，页1159-1167）。
学术背景
工作记忆（Working Memory, WM）是人类高阶认知功能的核心，传统理论认为其信息维持依赖于神经元的持续性放电活动（persistent neuronal activity）。然而，近年研究发现，不同任务中持续性活动的强度存在显著差异，且部分任务中信息可能通过“活动静默”（activity-silent）的突触机制（如短期突触可塑性，Short-Term Synaptic Plasticity, STSP）存储。本研究旨在解决两个关键问题：
1. 为何持续性活动在不同任务中表现各异？
2. 在持续性活动较弱或无的任务中，信息如何被维持和操控？
研究通过训练具有生物启发性的循环神经网络（RNN）模型，结合STSP机制，探索工作记忆的底层神经计算原理。
研究流程与方法
1. 模型构建
- 网络架构：RNN包含80个兴奋性神经元和20个抑制性神经元，突触权重受STSP动态调控。突触分为两类：抑制性突触（时间常数τx=1,500 ms，τu=200 ms）和易化性突触（τx=200 ms，τu=1,500 ms）。
- 任务设计：模型训练涵盖多种经典工作记忆任务，包括延迟匹配样本（DMS）、延迟旋转匹配样本（DMRS）、双样本匹配任务等，任务差异体现在信息操控复杂度（如旋转规则、多刺激处理）。
实验流程
数据分析
主要结果
1. STSP支持静默维持但不支持静默操控：在DMS任务中，信息完全由突触效能存储；而在需操控的任务（如DMRS）中，持续性活动显著增强，且活动强度与任务复杂度正相关（r=0.93）。
2. 突触效能的前瞻性编码：抑制性突触在样本期形成非对称调谐曲线，为后续测试期的匹配决策提供计算基础（图3）。
3. 任务需求驱动神经表征差异：A-B-B-A任务中，网络通过神经元活动动态分离样本与测试刺激的表征（图5h），避免混淆。
结论与意义
1. 理论价值：揭示了工作记忆的双重编码机制——静默维持（STSP）与主动操控（持续性活动），统一了既往研究中看似矛盾的现象（如不同任务下持续性活动的变异性）。
2. 应用价值：为类脑计算模型设计提供新思路，例如在长时程依赖任务中引入STSP可提升训练效率（补充图14）。
3. 跨学科启示：通过RNN模型反向推导生物神经网络的可能策略，为实验神经科学提供可验证的假设（如抑制性神经元在信息旋转中的特异性作用）。
研究亮点
1. 方法创新：首次将STSP机制与RNN结合，量化突触效能对工作记忆的贡献，开发了“洗牌分析”等因果验证工具。
2. 发现颠覆性：挑战了“持续性活动是工作记忆唯一载体”的传统观点，提出“任务需求决定编码机制”的新框架。
3. 技术通用性：模型可扩展至多模态任务（如跨空间DMS任务），证明其鲁棒性（补充图9）。
其他重要内容
1. 代谢约束的模拟：通过惩罚高神经元活动，模型自发选择低能耗的STSP机制，与生物脑的代谢优化策略一致。
2. 与实验数据的呼应：模型预测的“持续性活动-任务复杂度”相关性（图7）与猕猴顶叶皮层记录结果（如Mendoza-Halliday et al., 2014）高度吻合。
（注：全文引用文献及补充材料详见原论文DOI: 10.1038/s41593-019-0414-3）