张力塑造记忆：机械张力调控神经可塑性的计算模型研究

《Frontiers in Computational Neuroscience》：Tension shapes memory: computational insights into neural plasticity

本文通过构建生物启发的脉冲神经网络模型，首次在计算层面系统阐释机械张力如何通过调节囊泡动态和突触可塑性增强记忆编码与提取。模型揭示张力升高可加速突触小泡聚集恢复，使记忆提取速度提升67%，区域间同步性增强17%；而抑制性神经元占比20%时网络呈现最优空间编码精度。该研究为理解力学调控高级认知功能提供了新范式，对神经形态计算和活体计算平台开发具有重要启示。

　　

引言

神经通信是抽象思维、决策、学习和记忆等高级认知功能的基础。传统研究主要关注化学信号机制，如离子流、神经递质释放和受体结合。然而越来越多的证据表明，机械力特别是轴突收缩产生的张力，在塑造神经元行为中起着关键作用。神经元通过肌动蛋白细胞骨架产生并维持收缩力，张力在轴突伸长和突触形成过程中增加。在突触水平，机械张力可增强突触前末梢的囊泡聚集，提高神经兴奋性和活动依赖性可塑性。

研究方法

^{脉冲神经网络模型}

研究构建了包含4000个兴奋性神经元和1000个抑制性神经元的脉冲神经网络，神经元随机分布在有界二维空间内。这种4:1的兴奋-抑制比例基于啮齿类海马和灵长类皮层的生理数据设定。每个神经元被分配多个神经突，其长度服从正态分布。当两个神经元的神经突组合长度超过它们之间的距离时，才考虑潜在连接；对这些符合条件的神经元对，以0.1的概率形成突触。

^{神经通信动力学}

模型模拟了突触前神经元j和突触后神经元i之间的突触传递。当动作电位到达突触前末梢时，神经递质释放并与神经元i的受体结合，引起离子流并增加膜电位V_i(t)。如果V_i(t)超过放电阈值V_threshold，神经元产生锋电位。放电后，V_i(t)以膜时间常数τ_membrane指数衰减。

突触电位V_synapse(t)由两项组成：代表基线囊泡释放的默认电位J_ji(t)，以及由锋电位时序和突触可塑性塑造的历史依赖性项s(t)w_ji(t)。这两部分都受机械张力调节。当神经元j在神经元i之前短暂放电时，突触被增强；如果放电顺序相反，突触被削弱。

^{囊泡释放概率与可用性}

囊泡释放概率u(t)在突触前放电时由于Ca²⁺内流而增加，然后以时间常数τ_u向基线u₀衰减。囊泡可用性R(t)在突触前放电时耗尽，然后以张力依赖性的恢复时间常数τ_R(ε)恢复。预期释放囊泡体积s(t)定义为u(t)与R(t)的乘积。

^{突触权重可塑性}

突触权重w_ji(t)采用脉冲时序依赖可塑性规则进行更新。当突触前神经元在突触后神经元之前放电时，w_ji(t)增加；相反顺序则减弱。变化幅度取决于放电时间差，时间差越短，变化越大。为防止无界增长，w_ji(t)以遗忘率α连续衰减，并限制在[0, w_max]范围内。

研究结果

^{训练时长和张力增强模式补全}

在网络中选择面部形状区域进行选择性训练以编码输入模式。训练后，在训练区域内提供局部矩形线索评估部分输入能否通过神经集合体的激活引发记忆提取。结果显示，训练时长从0.5秒增加到1秒时，峰值锋电位率提高56%，激活时间减少40%，表明延长训练可增强模式补全。机械张力也显著调节记忆提取：张力增加50%使锋电位率提高27%，激活时间缩短20%；而张力降低20%导致锋电位率下降19%，激活时间增加31%。

增加网络规模至20000个神经元时，鼻子和嘴唇等精细特征更清晰呈现，表明神经密度增加可改善记忆提取精度。

^{抑制性神经元对记忆编码和提取的关键作用}

抑制性神经元比例显著影响记忆保真度。无抑制性神经元时，活动广泛传播超出训练区域，编码质量差。抑制性神经元比例为20%时，回忆的交并比最高，显示最优的记忆提取性能。完全抑制性网络虽然编码清晰，但回忆失败。这些结果说明兴奋-抑制平衡对稳定网络活动和调节感觉诱发反应至关重要。

^{张力增强集合体间投射}

投射是指上游集合体A激活下游集合体B的信息传递过程。模型通过训练两个空间分离的集合体来模拟这一过程。结果显示，机械张力显著调节投射效能：将张力从基线水平增加至150%使同步指数提高7%，而将张力降至50%使同步指数降低8%。表明张力通过影响囊泡可用性和突触传输促进集合体间通信。

^{张力和训练时长调节关联记忆提取}

关联记忆涉及不同神经集合体之间的功能链接。模型通过同时训练两个空间分离的矩形区域来模拟这一过程。部分线索测试显示，训练时长从1秒增加到2秒可显著提高同步性，表明更长的训练增强了记忆关联的强度和持久性。机械张力调节记忆可及性：张力降低20%导致同步指数下降31%，但恢复张力后可完全恢复同步水平，表明记忆痕迹未被擦除而是暂时无法访问。

讨论

本研究通过计算模型揭示了机械张力作为功能性神经调节剂的新角色。张力通过促进囊泡聚集和加速囊泡补充来增强 synaptic efficacy，从而改善记忆提取速度、神经同步性和认知操作可靠性。抑制性神经元在调节张力驱动的兴奋性中起关键作用，20%的抑制性神经元比例可实现最优的记忆编码和提取精度。

研究结果对理解记忆障碍提供了新视角：张力降低可能导致记忆可及性而非存储本身受损，这为阿尔茨海默病等疾病的治疗提供了新思路。此外，该模型为开发兼容生物的计算系统奠定了基础，这些系统可利用张力等物理原理进行学习和记忆。

未来工作可在此基础上探索机械状态如何影响推理、规划、语言等其他脑功能，为神经科学、人工智能和神经工程开辟新方向。