在神经科学领域，经典的突触可塑性理论长期以来深刻影响着对学习和记忆机制的理解。1949年，心理学家唐纳德·赫布提出了著名的“同步激活则连接加强”原则，即两块神经元如果同时激发，它们之间的突触连接就会变得更强，这一发现奠定了现代学习与记忆研究的基础。然而，近期一项针对活体小鼠的研究挑战了这一传统观点，发现小鼠在适应和学习新环境过程中的神经连接变化，并不完全符合赫布法则，而是展现出更为复杂的行为时间尺度突触可塑性（BTSP，Behavioral Timescale Synaptic Plasticity）特征。赫布突触学说假设，当一个神经元先于它所连接的神经元发放神经冲动，连接的强度会随之提升，这种“发放时序依赖性突触可塑性”在体外的海马切片实验中得到了有效验证。然而，现实中的神经网络远比单一细胞对细胞的连接复杂，尤其是在活体动物的学习行为中，神经信号的时间维度、空间分布及其综合调控机制，远超实验室切片条件。研究团队采用先进的计算机建模技术以及钙离子成像技术，对11只正在虚拟环境中探索的小鼠海马体CA1和CA3区域的神经元活动进行了连续记录和分析。
结果表明，海马体内的“位置细胞”并非仅仅通过传统的赫布突触规则进行自我强化，而是表现出更灵活的同步活动和时间尺度相关变化。具体而言，行为时间尺度的突触可塑性（BTSP）解释了神经元活动的时间延迟现象，即：海马体CA1区神经元在发生复杂冲动（complex spike）后，通过钙信号传导加强了与几秒前活跃的CA3区神经元的突触联系。不同于传统的同步激活规则，BTSP允许神经突触即使在信号不完全同步的情况下也能得到强化。这种突触连接的时间延迟强化机制，使得海马体“位置场”——即神经元对特定空间位置的响应范围，能够产生向前或向后的漂移。这种顺应行为正好对应活体小鼠在熟悉虚拟轨道过程中认知地图的不断重塑。通过与模型对比，科学家们发现，当突触连接按照经典的赫布法则进行更新时，虽然连接强度有所增加，但神经元位置场并未表现出显著的漂移，无法准确再现实验中的空间导航神经活动动态。
而BTSP模型不仅成功模拟了位置场的漂移现象，还能够解释为何部分位置场会向前移动，部分向后移动，部分保持稳定。该研究的负责人马克·谢菲尔德教授指出，这一发现显著挑战了长期以来占据主导地位的突触可塑性理论框架。另一方面，研究中指出BTSP并不是唯一能够调节突触变化的规则。对于海马体CA3区神经元活动的变化，标准的BTSP和赫布规则都无法充分解释，只有通过对BTSP进行一定调整的模型，才能较好地符合实验观测。这暗示大脑在不同的神经回路和不同的学习阶段可能采用多重突触规则协同作用，形成复杂的记忆和学习网络。该研究结果在业界引起了广泛关注，包括著名神经科学家杰森·谢泼德和卡里·霍夫曼均对此表示认可并高度评价，认为它为重新理解神经学习机制提供了重要突破。
学习过程中海马体位置场的漂移被认为是形成空间记忆和环境认知的关键神经活动特征，而BTSP机制恰恰为这一动态过程提供了机制基础。随着神经成像技术的发展，对活体神经元活动的实时监控与记录变得日益精准，使得研究者能够更深入挖掘神经网络塑性背后的真实生物机制。该研究不仅呼吁科学界重新审视赫布可塑性作为学习规则的普适性，也促使未来更多实验和模型探索不同突触可塑性模式在认知功能中的作用。尽管如此，多位专家强调赫布可塑性依然在许多神经系统和学习类型中具有重要作用，并非完全被取代。大脑的复杂性意味着单一规则难以囊括所有学习和记忆现象。神经科学家蒂莫西·奥利瑞指出，任何试图从生物系统中提炼出统一规律的努力，都应保持谦逊，更加开放地接受多样性的可能性。
总之，活体小鼠学习实验提示，经典的“细胞同放则连接强”理论并非大脑突触可塑性全貌的全部。行为时间尺度突触可塑性为我们揭示了神经网络适应环境、重塑认知地图的更复杂机制。理解这一过程不仅推动了基础神经科学的发展，更可能促进未来人工智能学习算法的革新，使机器学习更贴近生物智能的灵活性和高效性。未来的研究将继续依赖实时神经记录技术和先进的计算模型，探索更多层次和维度的神经可塑性规则，为破解大脑的学习和记忆密码提供更全面的视角。
