一项发表于《自然·神经科学》的研究通过小鼠眨眼条件反射实验，首次直接证明了小脑回路能够学习时间变量的先验概率分布，并在浦肯野细胞的简单尖峰和复杂尖峰信号中编码这些表征。研究发现，浦肯野细胞参与引发预测性运动行为，如条件性眨眼反应，该反应也反映了实验施加的刺激先验分布的统计特征。计算模型表明，浦肯野细胞通过对立的长时程可塑性机制来获取由不同概率分布塑造的先验知识。这些结果暗示，小脑回路可能具有独特的优势来学习世界事件的概率，并将其内化为先验知识，从而推进了对神经计算如何实现贝叶斯推理的理解。

研究背景与意义

大脑必须在感觉输入和内部过程存在固有不确定性的情况下推断外部世界的状态。在高度不确定的条件下，大脑越来越依赖从环境规律和统计结构的累积经验中获得的先验知识。这一原理已被贝叶斯推理理论形式化，并得到了行为和神经科学研究的广泛支持。然而，关于先验知识在大脑中存在以及神经回路编码环境统计的直接证据仍然有限。

主要发现与机制

研究通过让小鼠学习不同概率分布的时间间隔（如单一、窄、宽、短和双峰分布），发现预测性眨眼行为会随先验分布的变化而系统性地调整。小脑浦肯野细胞的简单尖峰活动编码了时间间隔的统计特性（均值、标准差、宽度），而复杂尖峰则出现了一种新的“先验相关”信号，标记高不确定性的最早期望时间。计算模型揭示，浦肯野细胞中长时程抑制和长时程增强的拮抗作用是学习这些概率统计的关键机制。

参考文献

(2026). Neural circuits encode prior knowledge of temporal statistics. Nature Neuroscience. DOI: 10.1038/s41593-026-02255-7

该研究结合小鼠眨眼条件反射行为、小脑大规模电生理记录和计算模型，揭示了小脑浦肯野细胞如何编码时间间隔的先验概率分布。研究发现，浦肯野细胞的简单尖峰活动动态地反映了刺激概率分布的统计特征，而复杂尖峰则在学习高不确定性分布后产生一个新的“先验”信号。研究团队来自伊拉斯姆斯医学中心等机构。