PLOS Biology：“肌肉记忆”藏在哪？默认网络DMN神经流形结构在运动记忆提取中的关键作用|dmn|plos biology|流形|皮层|肌肉|记忆提取

一键关注，点亮星标 ⭐️ 前沿不走丢！

认知神经科学前沿文献分享

基本信息

Title:The retrieval of previously learned motor memories is facilitated by the reinstatement of default mode network manifold structures

发表时间：2026.3.10

发表期刊:PLOS Biology

影响因子：7.2

获取原文：

添加小助手:PSY-Brain-Frontier即可获取PDF版本

研究背景

“骑自行车”这项技能，即使多年不练，重新跨上车座时依然能迅速找回平衡。在运动学习领域，这种“重新学习比初次学习快得多”的经典现象被称为“重学节省”（savings）。它暗示了我们的大脑在初次学习后，保留了某种持久的潜在“记忆痕迹”（engram），即便这种适应性行为已经暂时不再表现出来。

然而，这些复杂的运动记忆究竟藏在大脑的哪个角落？它们又是如何被灵活提取以指导当前动作的？以往，研究者的焦点多集中在初级运动皮层等感觉运动回路上。但事实上，复杂的运动适应不仅关乎底层的“肌肉记忆”，还高度依赖外显的认知策略与记忆提取过程。这就引出了一个关键谜题：更高阶的认知网络是否才是记忆唤醒背后的真正推手？

近期发表于《PLOS Biology》的一项研究给出了令人意外的答案。Rezaei等人的研究将聚光灯打向了一个意想不到的“主角”：默认模式网络（Default Mode Network, DMN）。这个过去常被认为主要负责“走神”、内省或情景记忆的大脑网络，如今被证实是我们调取并重用运动技能的关键核心。

研究核心总结

为了揭示运动记忆提取的机制，研究者采用功能性磁共振成像（fMRI），让参与者连续两天完成经典的视觉运动旋转（VMR）适应任务。通过追踪初次学习（第一天）与快速重学（第二天）期间的全脑功能连接动态，并利用前沿的“流形学习”（manifold learning）技术，研究人员将复杂的大脑网络状态降维成直观的几何流形结构，从而清晰地捕捉了大型网络配置的演变。

Fig 1. Experimental design, behavioral results, and fMRI analysis overview.

一、记忆重现的舞台在DMN，而非单纯的运动皮层

行为结果证实，参与者在第二天表现出了显著的“重学节省”，误差下降速度远超第一天。与其对应的是，大脑在第二天早期重学时，精准“重现”（reinstatement）了第一天早期学习时建立的大尺度皮层流形结构。更具颠覆性的是，这种神经模式的重现并没有广泛分布于感觉运动系统，而是高度特异性地集中在DMN区域。这表明，DMN并不是一个置身事外的旁观者，它更像是一个高层级指挥官，通过提取初次学习时的认知情境或策略状态，来引导运动程序的重新激活。

Fig 2. Structure and eccentricity of the template Baseline manifold.

二、从“整合”到“分离”：DMN在学习与提取中的角色反转

通过对个体差异的深入挖掘，研究揭示了DMN更为精妙的动态机制。在第一天的全新学习阶段，学习能力越强的个体，其DMN展现出越强的流形“收缩”（即功能整合）。此时DMN积极与其他脑区（如感觉运动皮层）进行跨网络协作，以构建新策略、绑定环境线索。然而，在第二天的记忆提取阶段，高绩效个体的DMN却表现出显著的流形“扩张”（即功能分离）。它切断了部分外部联系，转而强化网络内部的高效通讯，从而快速调取并执行已巩固的运动记忆。

Fig 3. Consistent task-epoch dependent changes in manifold eccentricity across days.

三、学习策略决定了DMN的参与度

人群中存在不同的学习风格。当研究者根据学习成绩将受试者划分为偏向使用外显认知策略的“快速学习者”和偏向内隐误差修正的“慢速学习者”时，发现上述DMN主导的记忆重现信号仅在“快速学习者”中极为显著。相反，即使慢速学习者在行为上也表现出了节省效应，他们的DMN重现特征却非常平缓。这说明DMN的强势介入主要服务于依赖记忆的快速策略提取成分。

Fig 4. Reinstatement of DMN-centric manifold structure during relearning.

研究意义

该研究将“记忆痕迹（engram）”的概念从传统的情景记忆领域成功拓展至运动学习领域，证实了DMN不仅介导认知活动，更是运动记忆形成、保持和提取的核心枢纽。这一发现揭示了大脑在跨领域记忆（无论是陈述性记忆还是运动技能）的灵活调取中，共享着同一套基于网络状态重现的神经复用机制。

Fig 5. Connectivity changes that underlie the Task Epoch effect.

Fig 6. Characterizing individual differences in learning performance.

Fig 7. Network eccentricity and connectivity changes correlating with individual learning performance.

Fig 8. Learner heterogeneity reveals different DMN-centric reinstatement profiles in fast vs. slow learners.

Abstract

Motor learning induces alterations in neural activity that can persist long after the effects of such learning have faded. These persistent neural alterations are thought to manifest behaviorally as “savings,” or faster relearning, via access to a latent motor memory. How the human brain forms and retrieves these latent memories, and the specific neural systems involved, remains unresolved. Here, using human functional MRI and a two-day sensorimotor adaptation paradigm, we show that savings are associated with the reinstatement of a large-scale cortical manifold structure formed during initial learning. Notably, this neural reinstatement effect was not observed across sensorimotor systems but was localized to regions of the default mode network (DMN). Moreover, the specific dynamics of DMN activity were linked to inter-subject differences in patterns of learning and relearning across days. These results suggest that motor savings arises from the re-expression of DMN activity patterns associated with initial learning, establishing a key role for this network in motor memory formation and retrieval. This finding, paralleling reinstatement principles from other memory domains (episodic memory, fear conditioning) and anticipated by recent computational models of motor learning, suggests a common mechanism for the flexible recall and reuse of stored memories across diverse behavioral contexts.