大腦如何在一瞬間永久改變：顛覆70年神經科學定論的新發現

觸碰一次滾燙的爐灶，你便終身不忘。這種"一次就夠"的學習能力，長期以來在神經科學領域幾乎是個謎。

主流理論認為，大腦學習依賴于"赫布可塑性"，即神經元之間的連接通過反復激活而逐漸加強，通俗說法是"一起放電的神經元連接在一起"。這套框架支配了神經科學界整整70余年。但它有一個顯而易見的短板：它需要重復。

現在，科學家們找到了另一個答案。

樹突上的"閃光"，徹底改變了游戲規則

圣地亞哥·拉蒙·卡哈爾繪制的神經元圖，例如這幅帶有分支樹突的浦肯野細胞圖，促使他提出了神經系統包含許多相互作用的細胞的理論。圣地亞哥·拉蒙·卡哈爾/公共領域

故事的起點，是2014年貝勒醫學院神經科學家杰弗里·馬吉和他的團隊在活體嚙齒動物大腦里看到的一個意外現象。

他們把細小的電極探入海馬體，觀察神經元樹突的活動。樹突是神經元伸出的細小分支，像天線一樣接收來自其他細胞的信號。當時，他們看到樹突出現了一種被稱為"平臺電位"的持續性電活動，時長可達數百毫秒，遠超普通神經信號的幾毫秒。

更關鍵的是：在一次平臺電位發生之后，該神經元就立即"學會"了在特定位置放電，成為所謂的"位置細胞"。

1949 年，加拿大心理學家唐納德·赫布闡述了神經科學的主流學習理論，即現在所稱的赫布可塑性。UBC檔案館照片集；不列顛哥倫比亞大學圖書館檔案館。UBC 41.1/2039-1

這意味著，僅憑一次短暫的樹突激活，細胞就完成了記憶編碼，而不需要成百上千次的重復練習。研究團隊在實驗中觀察到，經歷過一次樹突平臺電位的細胞，有99.5%的概率會在該位置持續放電。這個數字幾乎讓所有人震驚。

馬吉將這種機制命名為"行為時間尺度突觸可塑性"，英文縮寫BTSP。2017年，他們將成果發表于《科學》雜志，隨即在神經科學界掀起了一場持續至今的討論。

它是怎么做到的？分子層面的解碼進行時

樹突是接收來自其他神經元信號的延伸分支，在最近發現的一種神經可塑性中扮演著關鍵角色。在這張大腦皮層錐體神經元的染色圖像中，可以看到根狀樹突從細胞體延伸而出。Jose Calvo/Alamy

BTSP之所以被稱為"行為時間尺度"，是因為它作用的時間窗口恰好與人類真實行為相吻合，秒級而非毫秒級。

當一個神經元的樹突經歷平臺電位時，會觸發一種名為"資格痕跡"的生化標記，在相關突觸上短暫駐留。這些標記像一枚記號，告訴細胞"剛才這里發生了什么"。隨后，平臺電位引發的電壓變化掃過整個樹突，激活所有攜帶資格痕跡的突觸，使它們的連接強度得到加強。

2024年，印度神經生理學家阿南特·賈恩及其團隊進一步揭示，樹突平臺電位會激活一種對記憶至關重要的蛋白質CaMKII。這種蛋白質通過在樹突上增加受體的數量和面積，直接提升突觸強度，讓下次信號傳入時更多的神經遞質能夠結合。

貝勒醫學院的神經科學家杰弗里·馬吉 (Jeffrey Magee) 領導的團隊于 2017 年首次描述了行為時間尺度突觸可塑性。承蒙杰弗里·麥基惠允

2025年發表于《自然神經科學》的最新研究則更進一步。馬吉團隊對小鼠進行長達7天的海馬體神經元追蹤，結果發現：穩定的記憶并非由突觸連接的永久固化產生，而是每天都在通過BTSP重新"刻寫"一次。那些穩定編碼了位置記憶的神經元，在每個新的行為日開始時都會先經歷一次BTSP事件，隨后才能可靠地放電。這個發現顛覆了人們長期以來認為記憶是"寫入后封存"的固有認知。

從海馬到皮層，BTSP的版圖正在擴大

德克薩斯大學西南醫學中心的 Attila Losonczy 表示，BTSP 單次試驗學習模型“對人工智能模型可能很有用”。承蒙阿提拉·洛松奇惠允

目前，BTSP最確鑿的證據仍集中在海馬體。這片大腦中的"記憶中樞"負責空間認知和情景記憶的形成，是研究單次學習最理想的天然實驗場。

西北大學神經科學家丹尼爾·多姆貝克表示，BTSP"是該領域長期缺失的東西"，是解釋即時記憶形成的強大機制。但他同時也持審慎態度，因為目前的觀察仍局限于特定條件下的特定細胞，并非所有海馬神經元都表現出BTSP特征。

研究者們也在大腦皮層中尋找BTSP的蹤跡，那里是人類高級認知功能的核心區域。已有初步證據表明，類似機制在皮層中存在，但相關機制遠未清晰。

BTSP在人工智能領域同樣引發了關注。德克薩斯大學西南醫學中心的阿提拉·洛松齊認為，這套"單次試驗學習"框架對AI模型的設計極具啟發性。如何讓機器在僅經歷一次樣本后就完成學習，一直是機器學習領域的核心難題之一，而BTSP的生物邏輯或許能提供新的路徑。

大多數神經科學家并不認為BTSP會替代赫布可塑性，更可能的圖景是兩者分工協作。赫布機制或許在發育期的神經線路初始搭建中占主導，而BTSP則在成年后的情景記憶形成中扮演更關鍵的角色。

人類大腦如何在瞬間捕捉一段經歷并將其永久銘刻，這個問題的答案，正在變得越來越清晰。