编辑推荐：
本文通过建立生物物理网络模型，首次系统探究了神经元在紧张性放电（tonic firing）和爆发性放电（burst firing）两种活动状态间转换时，突触可塑性如何动态演化。研究发现，在由外部输入驱动的紧张性放电期间，突触权重会因输入统计特性而异，形成广泛分布；而当网络进入同步集体爆发状态时，不同可塑性规则（钙离子（Ca2+）依赖或脉冲时间依赖可塑性（STDP））下的突触权重均会收敛于权重空间的一个狭窄区域，即“爆发诱导吸引子（burst-induced attractor）”。该吸引子的位置可由可塑性参数和活动统计量解析预测，并可被神经调质和突触标记（synaptic tagging）过程所调控，从而实现选择性记忆巩固。这一工作为理解放电状态转换如何链接不同的学习与记忆过程提供了普遍的计算框架。
引言：探索不同放电状态下的突触可塑性
大脑神经网络可以根据行为需求和神经调质状态，在两种截然不同的神经元放电状态间切换：紧张性放电和爆发性放电。紧张性放电模式下，神经元在外部输入驱动下产生相对孤立的动作电位，在群体水平上对应局部场电位（LFP）或脑电图（EEG）记录中常见的低幅、高频振荡。相反，爆发性放电由一连串快速的动作电位簇和随后的静息期组成，当许多神经元同步爆发时，会产生大幅度的低频LFP/EEG信号，标志高度同步化的群体活动。紧张性放电通常与主动的感觉处理和在线学习相关，而爆发性放电则更常见于安静的行为状态，被认为有助于记忆巩固。
神经网络通过突触可塑性——即活动依赖的突触强度变化——来存储信息。然而，过往研究大多孤立地在紧张性或爆发性一种放电状态下考察突触可塑性，对于这两种状态如何共同影响信息编码、其驱动突触权重变化的模式有何不同、以及它们如何相互作用，仍缺乏清晰的认识。本文的核心问题即在于：突触权重如何在紧张性和爆发性放电状态之间演化，这对学习和记忆有何意义？
建模紧张性与爆发性放电在生物物理网络中的稳健转换
为解决上述问题，研究建立了一个生物物理的、基于电导的网络模型，该模型能够稳健地在紧张性和爆发性放电状态间切换。模型架构如示意图所示。网络包含多个兴奋性突触前和突触后神经元，它们均接受来自一个共享抑制性神经元的GABA能输入。通过改变施加于该抑制性神经元的外部电流，可以控制网络状态。施加去极化电流可使网络进入输入驱动的紧张性放电状态，此时兴奋性神经元在接受外加电流脉冲串时产生动作电位。相反，施加超极化电流会触发网络转向集体爆发性放电状态，此时外部输入被关闭，爆发活动由神经元内在特性（如T型钙通道）和网络循环抑制内生性地产生，并表现为同步的、大幅度的群体振荡。
建模突触可塑性
兴奋性神经元之间的突触经历活动依赖的可塑性。研究采用了基于钙离子的可塑性模型，该模型包含由钙水平触发的双向通路：当钙浓度超过特定的增强阈值或抑制阈值时，分别引发突触强度的增强或抑制。突触权重wij的演化遵循特定的微分方程。尽管文中主要展示基于钙模型的结果，但研究也表明核心结论适用于包括脉冲时间依赖可塑性（STDP）在内的多种可塑性规则。
集体爆发性放电驱动突触权重趋向权重空间中的吸引子
为了研究突触可塑性如何在两种放电状态间运作，研究追踪了在连续交替的紧张性和爆发性放电时段中突触权重的演化过程。
在紧张性放电期间，每个神经元接收随机脉冲串输入。突触权重的演化由突触前和突触后神经元活动的相关性驱动。因此，在每个紧张性放电阶段结束时，权重会收敛到一个由特定外部输入决定的值。由于不同神经元接收的输入统计特性不同，网络中的权重会分散在一个宽广的范围内，且不同紧张性时段之间的权重也因输入变化而不同。
而在爆发性放电期间，网络仅由抑制性电流驱动，兴奋性神经元无外部输入。集体爆发活动彻底改变了突触权重动力学：先前增强的连接倾向于抑制，反之亦然。无论初始权重如何，所有突触权重都会收敛到一个狭窄范围内的唯一稳态值，并且在不同爆发时段中独立于初始条件地重复收敛到相同的值。研究将这种现象称为“爆发诱导吸引子（burst-induced attractor）”，定义为在集体爆发动力学下，突触权重收敛到的权重空间中的一个狭窄区域。
爆发诱导吸引子在多种突触可塑性模型中普遍存在
研究进一步检验了不同可塑性模型选择是否影响爆发诱导吸引子的出现。在相同网络中，使用多种突触可塑性模型重复实验，发现这一效应在广泛的规则中持续存在。这包括不同变体的钙基模型、基于脉冲对或脉冲三联体的现象学STDP模型、权重依赖规则以及与不同实验协议拟合的模型。无论在哪种规则下，在集体爆发性放电期间，突触权重都会收敛到权重空间中的一个吸引子。
爆发诱导吸引子的解析洞察
为什么集体爆发性放电会将突触权重约束到一个吸引子，而紧张性放电则产生广泛的分散？为了回答这个问题，研究推导了在给定放电状态下，基于钙离子和基于脉冲时间的可塑性规则下，突触权重动力学的固定点。
对于钙基规则，固定点取决于在增强和抑制机制中花费的有效时间，以及相应的稳态和时间常数。对于STDP规则，固定点则由增强和抑制参数以及来自所有输入-输出相关性的度量决定。在这两种情况下，固定点都依赖于可塑性参数和活动统计量。
在网络模拟中验证了这些解析预测。在紧张性放电期间，输入不相关，每个突触经历各自不同的钙动态模式，导致在增强和抑制机制中花费的有效时间分布广泛，权重也收敛到范围宽广的多个固定点。相反，爆发性放电同步了活动，在整个网络中产生相似的钙瞬变和相关性。因此，所有突触都趋向于一组狭窄的固定点——即爆发诱导吸引子。解析预测与模拟权重高度吻合，在爆发状态下的相关性（R2）高于紧张状态，这反映了爆发活动带来的同步性使可塑性驱动更加同质化，从而更快、更一致地收敛于解析预测的吸引子。
总之，这些结果表明，爆发性放电之所以能在权重空间中创造吸引子，是因为共享的活动模式同步了不同突触间的有效可塑性驱动，迫使它们趋向相似的固定点。相比之下，紧张性放电使权重分散，因为每个突触都遵循其独立的输入活动统计。
爆发诱导吸引子对节律状态调制的敏感性
研究进一步应用解析结果，展示了如何在实际中调制爆发诱导吸引子，从而将这种看似“重置”的机制转变为灵活的巩固过程。框架预测，改变集体爆发动力学会修改在增强/抑制机制中花费的有效时间（钙基规则）或脉冲时间相关性（脉冲基规则），从而可以在不进行其他改变的情况下移动吸引子的位置。
为说明这一点，研究通过改变施加于抑制性神经元的外部电流来模拟神经调质驱动的变化，从而产生不同模式的集体爆发活动。与解析预测一致，爆发诱导吸引子的位置会根据爆发状态发生轻微移动，但突触权重仍然收敛于权重空间的一个狭窄区域内。移动的幅度和方向反映了集体爆发结构（如棘波含量和持续时间）的变化，而非外部电流本身的简单线性依赖。紧张性放电使权重广泛分散，而集体爆发则将权重压缩到一个狭窄的吸引子，且该吸引子的位置随抑制电流平滑移动，这表明爆发以一种结构化且可控的方式重组了突触权重。
神经调质和标记依赖的突触可塑性规则可分裂和移动爆发诱导吸引子以实现记忆巩固
通过应用解析公式，研究展示了爆发诱导吸引子如何通过改变可塑性参数（如钙基规则中的Ωp或STDP规则中的A+/A-）被调制。神经调质，如乙酰胆碱、多巴胺、去甲肾上腺素等，已被证明能在多个阶段影响可塑性。研究模拟了一个简化的双神经元环路，在其最后的爆发时段，全局性地降低增强参数，导致了爆发诱导吸引子向较低权重的整体移动。
更进一步，研究模拟了“突触标记与捕获”的情景。在紧张性阶段结束时，权重超过阈值的突触被“标记”。在随后的爆发阶段，被标记的突触接受增强参数上调的可塑性规则，而未标记的突触则接受下调的规则。这种选择性调制使被标记的突触稳定在较高的吸引子附近，同时驱使未标记的突触趋向较低的吸引子，从而形成双峰权重分布，实现了对强突触的选择性稳定，同时削弱其他突触。这一过程不仅限于双峰结果，原则上，任何从突触权重到参数值的映射都可在爆发期间产生不同的目标分布。
总之，这些结果表明，神经调质和突触标记将爆发期间的表观“重置”转变为灵活的巩固阶段。爆发将权重压缩到一个吸引子，但吸引子本身可以根据参数变化而移动或分裂成多个稳定状态。
讨论
本研究通过一个能在紧张性和爆发性放电状态间稳健切换的生物物理网络模型，探究了这两种放电状态如何差异化地形塑突触可塑性。研究发现，集体爆发性放电驱使突触权重趋向权重空间的一个狭窄区域——即爆发诱导吸引子，而紧张性放电则维持了更分散的分布。这种收敛源于同步性导致的跨突触钙动态或脉冲时间相关性的相似性，从而将其轨迹约束向一个共享的吸引子。相比之下，紧张性放电产生更异质性的活动模式和多个分离的收敛点。该机制具有普遍性，在钙基和脉冲基的可塑性规则中均会出现。
概念示意图清晰展示了这一核心思想。
研究进一步表明，爆发诱导吸引子的位置取决于神经动力学和控制增强/抑制的参数。对这些参数的神经调质性改变可以移动吸引子，从而在节律性爆发期间实现全局重组。实施一个标记依赖的规则，在爆发期间让强、弱突触遵循不同的、经神经调制的核，可以创造两个共存的吸引子：一个稳定强突触，另一个削弱弱突触。该机制与“突触标记与捕获”框架平行，为选择性长期巩固提供了计算途径。更广泛地说，由于吸引子由可塑性参数决定，神经调质和标记可以产生两个乃至多个稳定的巩固吸引子，从而实现不同的突触选择模式。
未来的一个有趣扩展是将额外的隐藏突触变量（如资格迹或生化标记）纳入模型。在此类模型中，爆发性放电可能将主要权重拉入吸引子，同时利用隐藏痕迹转移已获得的学习，从而实现灵活性与长期稳定性的共存。
总体而言，本研究将爆发诱导吸引子识别为集体爆发与软边界可塑性规则结合的涌现特性。通过展示神经调质和标记如何移动或分裂这些吸引子，我们勾勒出了一条用于突触选择和巩固的计算路径。紧张性和爆发性放电各自施加其独特的可塑性动力学，而二者间的交替则决定了类似“学习”和“巩固”过程被激活的时间序列。扩展此框架有助于调和适应新输入与保存过去记忆之间的权衡——这正是生物网络可能巧妙利用的平衡。
