在现实生活中，我们时常会陷入一种行为模式：明知某种做法已不再有效（例如在停车场一直在一排座位周转，或固执使用一个过时的软件），却依然重复。这种被称为持续性行为（perseveration） 的现象跨越物种，但其目的和神经机制长期不明。2026年4月25日发表于 Nature Communications 的一项研究中，伦敦大学学院（UCL）的 Anastasiia Lebedeva 及同事，利用小鼠执行动态奖励学习任务，揭示了背侧前额叶皮层中的一个特定亚区——前次級运动皮层（anterior secondary motor cortex, MOs） 在持续性行为中的核心作用。他们发现，MOs中的神经元活动可预测小鼠即将做出的重复选择，并且因果性地控制持续行为的发生频率和反应速度。令人惊讶的是，当小鼠坚持旧策略时，虽然获得的总奖励较少，但反应速度更快——提示持续行为可能是一种以“准确性”换取“速度”的决策策略。这一发现为理解强迫症、成瘾和某些自闭症谱系中的刻板行为提供了新的神经环路靶点。

研究亮点速览

1. 行为范式：小鼠在听觉“出发”（go tone）提示后，需向左或向右转动滚轮。左右选择的奖励概率会不定期切换（例如，左80%奖励、右20%奖励；随后切换）。

2. 核心行为观察：小鼠表现出持续性行为——在奖励概率切换后，仍坚持先前的优势选择，导致获得次优奖励（约60-70%正确率，而非理论最优的100%）。但持续性行为伴随更快的反应时间（相比切换选择的试次）。

3. 神经关联：使用Neuropixels高密度硅探针同时记录多个脑区。发现前MOs是唯一持续编码“过去选择”（即坚持变量）并预测快速反应时间的脑区。其他前额叶亚区的编码很弱或不存在。

4. 因果证明：在选择期光遗传抑制MOs活动，可减少持续性行为并显著增加反应时间（即消除了“持续-快速”的关联）。

5. 功能分离：在选择期抑制内侧前额叶皮层（mPFC）不影响持续行为，但在奖励反馈期抑制mPFC则会损害学习（降低对奖励概率变化的适应）。

行为范式与持续性行为定量

任务结构：

• 小鼠听到一个短暂的声音提示（go cue）。

• 必须在2秒内选择向左或向右转动一个轮式操纵杆。

• 每次选择后，有1秒的奖励反馈期（水和声音提示）。

• 左右选择的奖励概率（例如左80%得水，右20%）在60-90次试次后突然切换。

• 小鼠需要通过整合反馈来推断新的最优选择。

持续性行为的定义：在奖励概率切换后，小鼠仍然坚持原来的优势选择（例如继续选左边，尽管左边的奖励概率已降至20%）。

行为发现（图1，原文扩展数据）：

• 小鼠不是最优决策者：它们在切换后仍会坚持过去的选择，实际获得的正确率约为60-70%（理论最优可达100%）。

• 持续性选择伴随速度优势：选择与前一试次相同（即坚持）时，反应时间显著短于选择与前一试次不同（即切换）时。

• 持续性并非“非理性”：从收益上看，坚持策略在切换后的早期虽然奖励较少，但速度加快可能意味着降低了决策时间成本，或反映了探索-利用之间的折衷。

神经编码：前MOs是“坚持信号”的核心来源

研究者将Neuropixels 硅探针插入多个前额叶亚区，包括：

• MOs（次级运动皮层，前部）

• MOs (尾部)

• PL（前边缘皮层，啮齿类内侧前额叶的一部分）

• IL（下边缘皮层）

关键发现（图2-3）：

• 在 MOs 的前部，有大量神经元的活动在选择期间显著编码“是否与上一试次选择相同”（即持续性变量）。这些神经元可以预测小鼠即将做出的选择（坚持或切换）。

• 其中一部分神经元还编码反应时间：活动越强，反应越快——且这一相关性仅存在于坚持试次中，不存在于切换试次中。

• 在其他前额叶亚区（PL、IL、mPFC其他区），这种持续性编码非常微弱或者不存在。

• 动态时间进程：在奖励反馈期，MOs的活动不携带持续性信号；但在下一个试次开始后（听觉提示前），持续性信号重新出现。

结论：MOs专门在“决策前/决策中”阶段整合过去选择的历史信息，并生成一个“坚持/切换”的决策变量，进而影响行为。

因果操控：MOs驱动持续性行为

光遗传抑制（图4）：

• 在选择期（从听觉提示到动作完成），通过病毒表达抑制性视蛋白（eNpHR3.0或ArchT）特异性抑制MOs中的神经元。

• 结果：

  • 小鼠的持续性行为显著减少：在奖励概率切换后，它们更早、更频繁地切换到新的最优选择。

  • 反应时间差异消失：原本“坚持 > 快速”的现象被消除——抑制MOs后，坚持试次不再比切换试次快。

  • 整体奖励获得增加（因更快适应环境变化）。

对照组：抑制MOs的尾部（相邻但不同亚区）无行为效果。表明前MOs的功能是特异的。

功能分离：mPFC负责学习，而非持续执行

另一个关键发现（图5）：

• 在选择期光遗传抑制内侧前额叶皮层（mPFC，包括PL和IL）：对持续性行为、反应时间、奖励概率切换的学习速度均无影响。

• 但在奖励反馈期（即获得结果后的1秒内）抑制mPFC：小鼠无法有效学习新的奖励概率——它们在切换后坚持旧选择的时间更长，总体正确率降低。

双系统模型：

这个分离解释了为什么在某些精神疾病中，患者可以“知道”规则变了（mPFC功能可能正常），但仍然无法停止旧行为（MOs过度活跃），或者相反：无法从错误中学习（mPFC功能障碍），但仍然机械地坚持。

理解持续性行为：一种“适应不良的适应策略”？

研究者提出一个重要的理论观点：持续性行为可能不是纯粹的决策错误，而是一种以速度换取精确性的策略。

• 代价：更低的奖励获得率（不最大化收益）。

• 收益：更快的反应时间（在自然环境中可能至关重要，例如逃避捕食者时需要快速决策，而非最优决策）。

• 神经机制：MOs编码了一个“惯性项”——类似于强化学习中的 “坚持不懈”参数（perseveration parameter）。在动态环境中，适度的坚持可以保持行为一致性，避免过度探索；但在快速环境变化下，过度的坚持则变成病理性（如强迫症）。

本研究为“坚持”这种常见但复杂的决策偏差提供了一个清晰的神经环路模型：MOs代表过去选择的惯性，mPFC代表对未来的学习，两者的不平衡可能导致刻板行为。

临床相关性：从强迫症到成瘾

• 强迫症（OCD）：核心症状之一是反复进行相同的行为（如洗手、检查门锁），即使明知没有必要。本研究的MOs可能是强迫性行为的候选驱动脑区，尤其是在逻辑上“知道规则变了”但无法停止的情况下。

• 物质成瘾：成瘾者常常在明知负面后果的情况下仍重复寻求药物的行为。mPFC的学习功能障碍与MOs的过度惯性可能共同作用。

• 自闭症谱系：部分患者表现出刻板的、重复的运动行为。MOs可能是治疗靶点。

治疗启示：

• 深部脑刺激：针对MOs的抑制性刺激可能减少病理性重复行为。

• 闭环神经调控：在检测到“坚持错误选择”的神经特征时，实时抑制MOs。

• 认知行为疗法：可能通过训练前额叶学习系统来间接抑制MOs的惯性。

方法学亮点

作者与资助

• 通讯作者：K.D. Harris（UCL神经病学研究所、Sainsbury Wellcome Centre）

• 共同监督：K. Miller（UCL、Google DeepMind）

• 第一作者：A. Lebedeva（UCL Sainsbury Wellcome Centre）

• 核心资助：Wellcome Trust（223144, 205093）、ERC（694401）

论文信息

原文标题：Dorsal prefrontal cortex drives perseverative behavior in mice
作者：Lebedeva, A., Wang, Y., Funnell, L. et al.
期刊：Nature Communications (2026)
DOI：10.1038/s41467-026-71664-w
开放获取：CC BY 4.0

BIOGUIDER.COM 编辑按：
这篇论文在决策神经环路领域有两项重要贡献：第一，它将持续性行为从一个“描述性偏差”上升到了一个由特定皮层亚区（前MOs）因果控制的、具有适应性后果（速度-准确性权衡）的可量化过程。第二，它在功能上分离了“执行惯性”（MOs，选择期）与“学习更新”（mPFC，反馈期），为理解强迫性/刻板行为的异质性提供了神经基础。对于从事决策、精神疾病动物模型或神经调控的研究者，本文提供的任务设计和记录/操控策略具有直接的借鉴价值。一个亟需回答的问题是：MOs的持续性信号是来自局部的循环网络（持续的活动模式），还是来自与丘脑或基底节的交互？寻找这些突触输入来源可能为治疗干预提供更上游的靶点。

专业术语快速索引

• 持续性行为 (Perseveration)：重复过去的选择，即使它已不是最优策略。

• 前次级运动皮层 (anterior MOs)：背侧前额叶皮层的一个亚区，本研究中驱动持续性行为。

• Neuropixels：高密度硅探针，可同时记录数百个神经元的放电。

• 光遗传学：用光控制特定神经元群体的活动（此处用于抑制）。

• 内侧前额叶皮层 (mPFC)：在反馈期负责从奖励中学习，而非驱动持续性。

•