動(dòng)物面臨多重需求仍能作出有序行動(dòng)。自亞里士多德以來，解決同等需求沖突一直令人困惑。神經(jīng)研究雖探討口渴饑餓交互作用，但未詳究矛盾背景下需求。

法國哲學(xué)家布里丹也提出著名的“布里丹驢”難題：一只完全理性的驢恰好處于兩堆等量等質(zhì)的干草的正中間，它將因?yàn)殡y以選擇該吃哪一堆干草而餓死。“布里丹驢”難題揭示動(dòng)機(jī)行為需求框架不全，缺乏神經(jīng)生物學(xué)的解釋。一個(gè)全面的框架應(yīng)該聯(lián)系起需求的強(qiáng)度與行為選擇，并闡明背后的神經(jīng)基礎(chǔ)，以及需求間行為切換的動(dòng)態(tài)過程。

近日，斯坦福大學(xué)Karl Deisseroth 教授（光遺傳學(xué)之父）和駱利群教授等人通過饑餓和口渴的老鼠實(shí)驗(yàn)，發(fā)現(xiàn)它們通過固定回合隨機(jī)選擇食物或水來獲取合適需求的獎(jiǎng)勵(lì)。高密度電生理記錄揭示了神經(jīng)元活動(dòng)與內(nèi)部目標(biāo)狀態(tài)關(guān)聯(lián)，影響未來選擇。數(shù)學(xué)模型描述了需求狀態(tài)的擴(kuò)散，預(yù)測了行為和神經(jīng)反應(yīng)，為解析需求沖突提供新的理解。

他們的成果發(fā)表在最新一期的Nature雜志上，名為 “Neural landscape diffusion resolves conflicts between needs across time”。

沖突需求的選擇分析

在本研究中，作者研發(fā)了"Buridan’s assay"實(shí)驗(yàn)?zāi)Ｊ?，?shí)驗(yàn)中的小鼠需在滿足食欲與口渴間自選其一，不能兩者兼得（圖1b，c）。它們?cè)趦蓚€(gè)噴口前自由選擇喝水或咸味液態(tài)食物。在改進(jìn)的Go/No-Go實(shí)驗(yàn)中，Go信號(hào)意味著可選擇食物或水，取決于小鼠首次舔食方向；No-Go信號(hào)則獎(jiǎng)勵(lì)不可得。小鼠學(xué)會(huì)根據(jù)Go信號(hào)選擇，并在無信號(hào)期間停止舔食（圖1d）。經(jīng)訓(xùn)練后，小鼠通過數(shù)百次嘗試直至飽足。訓(xùn)練結(jié)果顯示，小鼠會(huì)根據(jù)自身限制選擇適當(dāng)?shù)莫?jiǎng)勵(lì)。

圖1.沖突需求下的獎(jiǎng)勵(lì)選擇是由具有隨機(jī)過渡的持續(xù)行為狀態(tài)構(gòu)建的。

持續(xù)的、隨機(jī)的選擇行為

接下來，作者探究了動(dòng)物如何在實(shí)驗(yàn)期間解決沖突需求。研究發(fā)現(xiàn)，當(dāng)小鼠在分層需求模型中滿足一種需求后，會(huì)轉(zhuǎn)而滿足另一種；而在相對(duì)需求模型中，則依據(jù)需求不足程度選擇獎(jiǎng)勵(lì)，直至平衡，但受攝入反饋延遲影響；在隨機(jī)模型中，老鼠會(huì)任意選擇獎(jiǎng)勵(lì)，直到滿足這兩種需求（圖1e）。不過，這些模式均與數(shù)據(jù)不符。他們觀察到，限食水小鼠在被突發(fā)的干擾前，會(huì)持續(xù)選擇同種獎(jiǎng)勵(lì)。這種行為模式顯示出Markov process特征，即選擇依賴于緊鄰的前一結(jié)果。在需求平衡狀態(tài)下，相同選擇的復(fù)發(fā)概率超過90%（圖1j，k）。研究還發(fā)現(xiàn)，即使在需求平衡時(shí)，選擇轉(zhuǎn)換仍然是隨機(jī)的，并非由需求平衡決定。通過對(duì)RXFP1+神經(jīng)元進(jìn)行光遺傳刺激，發(fā)現(xiàn)這些神經(jīng)元可激活動(dòng)物選擇水，而這種轉(zhuǎn)變?cè)诖碳て陂g是隨機(jī)的，并在刺激后持續(xù)一段時(shí)間。

行為期間的大規(guī)模記錄

作者研究了小鼠在沖突需求下的選擇行為背后的神經(jīng)機(jī)制。通過在額葉至中腦等關(guān)鍵區(qū)域放置電生理探針（圖2a、b），同步記錄了1536個(gè)通道的神經(jīng)活動(dòng)。分析發(fā)現(xiàn)，任務(wù)期間不同大腦區(qū)域的神經(jīng)元協(xié)同變化，反映了選擇的持久性與差異。此外，部分神經(jīng)元群體響應(yīng)特定試驗(yàn)階段，而其他群體則表現(xiàn)出跨選擇的持續(xù)活動(dòng)差異。這些功能性集群的神經(jīng)元在大腦中廣泛分布。

圖2. 即將到來的行為選擇的單位和群體神經(jīng)相關(guān)性。

神經(jīng)活動(dòng)預(yù)測即將到來的選擇

在研究行為選擇的持久性時(shí)，作者發(fā)現(xiàn)這與大腦內(nèi)部狀態(tài)緊密相關(guān)。分析表明，某些大腦區(qū)域的神經(jīng)元，如下丘腦和中腦，比皮質(zhì)區(qū)更能預(yù)測行為選擇（圖2e）。此外，他們發(fā)現(xiàn)大腦廣泛區(qū)域的神經(jīng)元基線活動(dòng)共同構(gòu)成了分布式的目標(biāo)狀態(tài)網(wǎng)絡(luò)，能高精度預(yù)測小鼠的選擇，且不受先前獎(jiǎng)勵(lì)的顯著影響（圖2f-h）。這些發(fā)現(xiàn)突顯了大腦如何協(xié)調(diào)目標(biāo)信息以預(yù)測未來行為的潛在機(jī)制。

解決需求的前瞻性模型

作者構(gòu)建了一個(gè)模型，整合了行為狀態(tài)的持久性、隨機(jī)過渡和需求影響等因素，以及神經(jīng)元的混合選擇性（圖3a-b）。他們提出了描述慢動(dòng)力學(xué)的方程，假設(shè)神經(jīng)網(wǎng)絡(luò)中也存在相似機(jī)制。模型通過隨機(jī)微分方程模擬了需求相關(guān)的神經(jīng)活動(dòng)在能量landscape中的擴(kuò)散，以解釋行為動(dòng)態(tài)。通過非平衡統(tǒng)計(jì)力學(xué)，作者定量化了狀態(tài)平衡和過渡概率，成功擬合了實(shí)驗(yàn)數(shù)據(jù)（圖3c-d）。

圖3.解決沖突需求的前瞻模型概括了行為。

模型概括了行為數(shù)據(jù)

通過模擬饑餓與口渴的初始程度，復(fù)現(xiàn)了Buridan’s assay的行為。理論、實(shí)驗(yàn)和模擬的對(duì)比揭示了關(guān)鍵現(xiàn)象的定性與定量一致性（圖3e-k）。模擬揭示選擇的持久性與實(shí)驗(yàn)相似，概率分布隨需求變化而無顯著差異（圖3f-h）。模型還預(yù)測選擇切換的概率隨等待時(shí)間增加而升高，與實(shí)驗(yàn)數(shù)據(jù)相符（圖3h）。短期口渴刺激的模擬反映了實(shí)驗(yàn)結(jié)果，顯示概率效應(yīng)和行為變化（圖3i-k）。結(jié)果顯示模型有效捕捉了需求、狀態(tài)、噪聲與行為間的隨機(jī)聯(lián)系。

模型預(yù)測過渡動(dòng)態(tài)

作者進(jìn)一步探討了非直接驅(qū)動(dòng)選擇的持續(xù)行為如何轉(zhuǎn)換。他們將模型預(yù)測的神經(jīng)動(dòng)態(tài)與實(shí)驗(yàn)數(shù)據(jù)對(duì)比，通過“目標(biāo)維度”評(píng)估即將發(fā)生的水或食物選擇的相關(guān)神經(jīng)活動(dòng)（圖4a，b）。發(fā)現(xiàn)這一維度上的活動(dòng)持續(xù)并能預(yù)測選擇（圖4c-d），尤其在行為切換前，其預(yù)測性降低。實(shí)驗(yàn)結(jié)果與噪聲驅(qū)動(dòng)的模型一致，顯示出行為狀態(tài)的自然變遷。

圖4.模型預(yù)測自然行為和光遺傳性口渴誘導(dǎo)期間的神經(jīng)狀態(tài)過渡動(dòng)力學(xué)。

結(jié)論

本研究，作者研究了小鼠在饑餓和口渴驅(qū)動(dòng)下的沖突需求行為及神經(jīng)機(jī)制，以揭示行為調(diào)控的基本原則。結(jié)果發(fā)現(xiàn)，饑餓和口渴的小鼠在尋食與飲水間隨機(jī)轉(zhuǎn)換，需求大小以概率方式影響行為選擇。模型預(yù)測與實(shí)驗(yàn)結(jié)果相符，顯示了行為不是由需求直接驅(qū)動(dòng)（圖5a），而是大腦狀態(tài)在神經(jīng)空間的位置導(dǎo)致的（ 圖5b）。這一發(fā)現(xiàn)有助于解決類似“布里丹驢”的困境，即行為由目標(biāo)導(dǎo)向的大腦狀態(tài)決定，而非需求的直接比較。

圖5.Neural landscape diffusion作為跨時(shí)間持續(xù)組織大腦狀態(tài)的框架。

原文鏈接：

https://pubmed.ncbi.nlm.nih.gov/37938783/

參考文獻(xiàn)

Richman EB, Ticea N, Allen WE, Deisseroth K, Luo L. Neural landscape diffusion resolves conflicts between needs across time. Nature. 2023 Nov 8. doi: 10.1038/s41586-023-06715-z. Epub ahead of print. PMID: 37938783.

編譯作者：Ayden（brainnews創(chuàng)作團(tuán)隊(duì)）

校審：Simon（brainnews編輯部）






標(biāo)簽：