PsyBrain 脑心前沿 / 决策与强化学习：顶刊文献解读专题 / A · 文献解读 / A036 · NatureNeuroscience神经元如何区分奖励与

A036 Nature Neuroscience | 神经元如何区分奖励与动作信号

来源：公众号 PSY-Brain_Frontier ｜发布：2026-04-04 ｜原文链接

认知神经科学前沿文献分享

基本信息

Title: Acetylcholine demixes heterogeneous dopamine signals for learning and moving

发表时间: 2026.3.25

发表期刊:Nature Neuroscience

获取原文:

添加小助手: PSY-Brain-Frontier 即可获取PDF版本
点击页面底部“阅读原文”跳转论文网页

研究背景

多巴胺（dopamine, DA）常被放在强化学习框架里理解，尤其与奖励预测误差（reward prediction error, RPE）有关；但在背侧纹状体相关研究中，它也经常出现在动作启动、定向和运动活力（movement vigor）变化之前。对背内侧纹状体（dorsomedial striatum, DMS）这类DA主要作用的下游区域来说，真正接收到的往往不是单一功能信号，而是把学习相关和运动相关成分混在一起的瞬时输入。

这篇论文要回答的问题是：DMS局部回路如何区分这些异质DA信号。作者重点检验乙酰胆碱（acetylcholine, ACh）是否会通过与DA的瞬时时序关系，改变DA更偏向哪一类功能。正文提出的核心假设是，ACh的动态可能门控DA对纹状体神经元的作用，但这里的证据重点是行为中的时序关联、行为预测和放电更新，而不是直接的因果操控证明。

实验设计与方法逻辑

作者让大鼠执行一个自定步调的 temporal wagering task。每个试次里，动物先启动试次，听到表示奖励大小的声音线索；随后侧边奖励口被指示，再经历一段不可预测的等待延迟，动物可以继续等待取奖，也可以中途放弃并重新开始。这个任务的重要设计点，是把奖励相关线索与对侧定向运动事件在时间上尽量分开，便于比较同一DMS位点在不同事件上的递质动态（Fig. 1）。

在此基础上，作者用光纤光度法（fiber photometry）记录DMS中的DA和ACh释放，先看两者在不同任务事件上的基本模式：哪些时点更像RPE相关事件，哪些时点更像对侧定向运动事件（Fig. 2）。随后，文章把重点转向ACh与DA的相位关系（phase relationship）：在报价线索处，DA是否稍滞后于ACh dip；在奖励线索处，DA是否反而早于ACh dip；这些不同相位关系，是否分别对应后续行为更新或不更新（Fig. 3, Fig. 4）。

最后，作者在另一组动物的DMS做Neuropixels记录，用行为代理指标去检验：与学习相关的DA事件，是否伴随随后试次中任务诱发放电率的持续变化；而运动相关DA事件，是否更接近对当前动作活力的预测，而不表现出类似的持续放电更新（Fig. 5, Fig. 6）。需要注意的是，论文没有直接操控DA-ACh精确相位，因此“门控”更适合表述为得到较强支持的模型，而非最终因果定论。

核心发现

发现一：DMS里的DA并不是单一信号，ACh在学习事件和运动事件上呈现不同配套动态

作者首先显示，DMS中的DA在不同任务时点复用了不同功能成分。报价线索处，DA随奖励大小变化；奖励线索处，DA又随等待时长变化，符合文中对RPE样信号的操作性定义。与此同时，在奖励口亮起和opt-out后回到中口这类会引发对侧定向的时点，DA对对侧运动更敏感；对应地，ACh在前一类事件上更常表现为dip，在后一类事件上则更常表现为burst。

这说明，同一DMS记录区域里，学习相关与运动相关DA信号是混合存在的，而ACh动态在这两类情境中并不相同，为后续“如何区分功能”提供了线索。

Fig. 2 中，作者把DA和ACh对不同任务事件的时间锁定响应并列展示：报价线索和奖励线索更接近RPE样事件，而奖励口亮起、opt-out后回中更接近对侧定向运动事件；这张图也对应了“发现一”。

发现二：当DA稍滞后于ACh dip时，它更关联后续学习更新；当DA先于ACh dip时，正文没有观察到明确的学习关系

在报价线索处，DA相对ACh dip大约滞后约100 ms。这个时点上的DA幅度能预测下一试次启动时间的变化，而且基于奖励大小调制RPE的模型可以解释大鼠跨试次的启动行为变化。相应地，作者还看到，与这一行为代理RPE相关的DMS任务诱发放电率变化，主要出现在报价线索附近，并且可持续到后续试次，构成与体内可塑性（in vivo plasticity）一致的证据链。

但在奖励线索处，DA峰值反而先于ACh dip。作者没有观察到它与下一试次启动时间变化的关系；进一步考察等待多久才放弃、延迟期探头概率以及首次探头潜伏期，也没有得到清楚的后续行为更新证据。正文在这里的表述是“未发现可观察到的关系”，而不是否定该时点DA存在任何学习作用。

图10

Fig. 3 把两个关键时间点区分开来：报价线索时DA落在ACh dip之后，并与下一试次启动变化相关；奖励线索时DA领先ACh dip，且不对应作者测到的启动更新。Fig. 4 继续检验等待相关行为，也没有看到清楚的后续更新；Fig. 5 则显示报价线索附近更存在持续到后续试次的放电率变化，这几张图共同支撑了“发现二”。