顶刊导读目录
1，终纹床核通过糖皮质激素依赖和非依赖环路调节记忆巩固
2，人类将试次间工作记忆的不确定性融入到奖励决策中
3，Theta和Alpha振荡在工作记忆控制中作用的因果证据
4，结构后内侧情景网络
5，反向传播和大脑
1，终纹床核通过糖皮质激素依赖和非依赖环路调节记忆巩固
期刊：PNAS
作者：Loren
大量证据表明，糖皮质激素能促进记忆巩固，帮助人们记住重要的情感事件。先前的研究发现，终纹床核的前腹区(avBST)调节糖皮质激素的释放，这表明avBST的活动可能会影响情绪事件的记忆巩固。为了探讨这一问题，研究人员对雄性SD大鼠进行了抑制性回避训练，并反复测定应激激素，然后立即对avBST或其向下游区域的投射进行光遗传操控，并在48小时后测试其保持能力。
结果表明，avBST抑制增强了训练后垂体-肾上腺的输出，增强了对抑制性回避训练的记忆。糖皮质激素合成抑制剂预处理可阻断记忆增强和皮质酮反应增强，表明记忆增强依赖于训练后的糖皮质激素释放。相反，训练后的avBST刺激减少了保持能力，但对应激激素输出没有影响。
实验表明，avBST抑制到下丘脑室旁区的输入，增加了应激激素的输出和随后的保持能力，而avBST刺激对两者都没有影响。相反，avBST刺激(但不是抑制)输入到中脑导水管周围灰质腹外侧会出现损害，而两种手法都不会影响糖皮质激素的分泌。
这些发现表明，avBST的不同通路分别通过糖皮质激素依赖和非依赖机制实现avBST抑制与刺激的记忆效应。
2，人类将试次间工作记忆的不确定性融入到奖励决策中
期刊：PNAS
作者：Loren
实验流程及模型架构
许多复杂的决策都涉及工作记忆(working memory, WM)，储存在WM中的信息被整合到许多日常决策和行动中；然而，关于记忆决策中使用了哪些WM信息的研究工作很少。为了研究这个问题，本研究使用了一个颜色WM任务：受试者观看颜色刺激，并报告对刺激颜色的估计，通过奖励决策获得对记忆不确定性的测量。
结果显示，报告的记忆不确定性与记忆错误相关，表明人们将他们的试次记忆质量纳入到奖励的决策中。此外，记忆的不确定性可以与其他信息来源相结合；在诱导出对刺激概率的预期(先验信念)后，估计变得倾向于预期的颜色，随着报告的不确定性的增加，这种变化也会增加。在这些模型中，人们将他们的实验中的记忆不确定性与潜在的回报和先前的信念结合在一起。
本研究的结果表明，WM代表不确定性信息，可以与先前的信念相结合。这突出了WM表征的潜在复杂性，并表明奖励决策可以成为检验WM，告知和约束记忆的理论，以及计算和神经生物学模型的有力工具。通过在研究决策的同时研究WM，可以对这些系统如何协同工作有新的认识。
3，Theta和Alpha振荡在工作记忆控制中作用的因果证据
期刊：Current Biology
作者：Aleah-jing
实验设计、TMS靶点及Theta和Alpha振荡在工作记忆控制中神经模型示意图
工作记忆（Working memory，WM）依赖于优先加工相关信息和抑制无关信息。优先加工相关信息与外侧前额叶皮层的theta频率神经振荡相关，而抑制无关信息与枕顶叶的alpha振荡相关。
本研究使用回顾性提示WM范式来操纵信息优先级和抑制任务要求，这些要求的设计是为了驱动前额叶皮层中的theta振荡和顶叶皮层中的alpha振荡。为了检验这些神经振荡的因果作用，我们将θ或α频率的经颅磁刺激（TMS）施加到前额叶和顶叶，脑区具体位置根据功能性核磁共振成像(fMRI)定义。节律性的TMS对WM性能的影响取决于TMS频率与目标脑区预期的任务驱动的振荡的频率匹配与否。
在目标脑区中的fMRI预测了受试者随后的TMS效应，从而支持了theta振荡对神经活动具有兴奋性而alpha振荡具有抑制性的神经模型。总而言之，这些结果确立了前额叶theta振荡和顶叶alpha振荡在控制内在工作记忆表征保持中的不同因果性关系。
4，结构后内侧情景网络
期刊：Trends in Cognitive Science
作者：Freya
后内侧（PM）情景网络的整合模型
我们记忆或想象特定事件的能力涉及到复杂心理表征的构建，这一过程涉及到大脑后内侧（posterior medial，PM）核心网络中的皮层和海马区域。现有的理论方法已经描述了PM网络对记忆或想象特定事件的主要贡献，但是目前尚不清楚情景内容是如何在整个系统中表达和转换的。
本文回顾了PM网络的脑区之间关键功能交互的证据，及其与支持情景结构的核心认知操作和表征的关系。本文将近年来的网络功能多样性的研究成果与已有的研究成果相结合，提出了一种基于网络的情景结构模型，其中PM网络中的脑区间灵活地共享和操作事件信息，以支持情景记忆和模拟的易变现象学。
5，反向传播和大脑
期刊：Nature Reviews Neuroscience
作者：Sniper
在学习过程中，大脑中的突触会发生改变以改善行为。在皮层中，突触被嵌入到多层网络中，这使得难以确定单个突触修饰对系统行为的影响。在深度人工神经网络中，反向传播算法解决了这个问题；但在历史上，反向传播算法一直被认为不符合生物学规律（biologically problematic）。
尽管如此，神经科学的最新发展和人工神经网络的成功再一次激发了人们进一步了解反向传播是否能提供学习在皮层中的发生机制的兴趣。反向传播算法通过使用反馈连接来传递错误信号，计算后进行突触更新，从而快速学习。尽管反馈连接在皮层中无处不在，但是很难看到它们如何传递反向传播公式所要求的严格的误差信号。
在这篇文章中，作者以过去和最近的发展为基础，表达了这样一种观点：反馈连接可能会引发存在差异的神经活动，这些差异可用于局部地近似那些误差信号，从而推动大脑深层网络的有效学习。
校审：Freya（brainnews编辑部）
前文阅读
热门跟贴