撰文丨nagashi
编辑丨王多鱼
排版丨水成文
人的记忆,源于大脑。大脑通过电生理信号、突触活动与神经回路的动态变化来实现记忆的储存与回现。有趣的是,在人的一生中,记忆总是不断产生的,这就提出了一个关键的问题——当新的记忆产生时,先前的记忆为什么不会被扭曲和覆盖?
2025年1月1日,康奈尔大学的博士生常宏宇和博士后唐文博作为共同第一作者,在Nature期刊发表了题为:Sleep micro-structure organizes memory replay 的研究论文。
该研究揭开了大脑如何避免灾难性的记忆冲突和遗忘的神经机制,发现了一种以瞳孔大小为介定标准的全新睡眠结构,通过不同瞳孔大小来调节不同睡眠子状态下的记忆重演来帮助动物巩固新旧记忆,从而防止新旧记忆之间的冲突和混乱。
这项研究揭示了瞳孔是理解大脑如何以及何时形成强大持久记忆的关键,这一发现可能会为人类带来更好的记忆增强技术,并可能帮助计算机科学家训练人工神经网络,帮助 AI 模型避免灾难性遗忘(catastrophic forgetting),使其更高效。
随着人工智能(AI)技术的兴起,科学家们正在尝试利用算法来模拟人类的记忆。然而,与电子设备中的数字存储不同,人类的记忆源自于大脑神经元的复杂相互作用。因此,生物神经网络和人工神经网络面临的一个难题是新旧记忆之间的干扰,这可能会导致灾难性遗忘(catastrophic forgetting)。
值得注意的是,早在上个世纪,科学家们就发现,睡眠与记忆密切相关。在睡眠期间,大脑会回放最近的经历,参与同一种经历的神经元以相同的顺序放电。这种机制有助于将经历固化为记忆,并为长期储存做好准备。
最初的记忆巩固仅限于海马体,然后逐渐转移到大脑皮质,在那里记忆与已有的知识整合。海马体的记忆巩固发生在非快速眼动(NREM)睡眠期间,锐波波纹(SWR)中与经历相关的神经元模式被激活。然而,有研究表明,海马体在最初获得(即学习)记忆后的几天内继续重新激活记忆。因此,在重新转移到皮层之前,新整合的信息尤其脆弱,有受到干扰的风险。
在这项最新研究中,为了探究睡眠期间的大脑记忆功能,研究团队利用了小鼠的一个怪癖:它们的眼睛在睡眠的某些阶段是部分睁开的。研究团队在每只小鼠睡觉的时候监测它的一只眼睛。在深度睡眠阶段,研究团队观察到瞳孔先是缩小,然后又反复恢复到原来的更大的大小,每个周期大约持续一分钟。神经元记录显示,大脑对经历的大部分回放发生在瞳孔缩小的阶段。
瞳孔振荡扩张揭示了自然睡眠微结构
这使得研究团队进一步探究瞳孔大小和记忆处理的联系。为了找到答案,他们使用了光遗传学技术,首先,研究团队训练转基因小鼠寻找隐藏在平台上的甜食。在这些训练结束后,当小鼠入睡时,研究团队使用光遗传学方法减少了与回放相关的神经元放电——他们在小瞳孔和大瞳孔睡眠阶段进行了一系列排列组合的处理。
研究团队惊讶地发现,当减少小瞳孔阶段的神经元放电时,小鼠在唤醒后会完全忘记食物的位置,表明他们成功在小鼠大脑中将这一记忆清除掉了。与之相对,当减少大瞳孔阶段的神经元放电时,小鼠仍然保留食物位置的记忆。
在睡眠的小瞳孔阶段中光遗传破坏SWR选择性地破坏近期记忆
不仅如此,研究团队还进一步发现,大瞳孔睡眠阶段也有自己的功能——它有助于处理已建立的记忆。这些记忆是在实验前几天形成的“旧记忆”,而不是实验当天形成的“新记忆”。
论文通讯作者Azahara Oliva教授表示,在睡眠期间,大脑在大瞳孔阶段保存了旧记忆,但在小瞳孔阶段下整合了新记忆,这个两阶段的时空划分是大脑实现吸收新记忆,同时又保持旧记忆完整的解决方案。
小瞳孔和大瞳孔阶段中不同的输入和局部回路特性
总的来说,这项发表于Nature的最新研究开发了一种同时利用电生理学、闭环光遗传学和瞳孔测量的方法来监测自由行为和睡眠小鼠的大脑状态动态,以揭示睡眠和记忆回放的时间组织。这些结果表明,大脑可以在睡眠期间多路复用不同的认知过程,以促进不受干扰的持续学习和记忆功能。
值得一提的,灾难性遗忘还会影响人工神经网络,这是一种以大脑为模型的算法,是当今许多人工智能(AI)工具的基础。因此,对大脑如何避免灾难性遗忘的深入研究可能会激发出帮助 AI 模型避免这一问题的算法,或将促进 AI 技术的新发展。
https://www.nature.com/articles/s41586-024-08340-w
https://www.nature.com/articles/d41586-024-04232-1
热门跟贴