记忆如何从瞬间的体验转化为持久的神经痕迹？2026年2月，《自然-神经科学》发表的一篇重磅综述系统阐释了一种名为“行为时间尺度突触可塑性”（BTSP）的全新学习机制。它打破了传统赫布理论的框架，揭示大脑海马体如何在数秒内、仅凭一次经历就形成稳固记忆。

我们的大脑每天都在毫不停歇地学习。但一个困扰神经科学家数十年的核心问题是：当你在一个陌生城市记住某个地标的位置时，海马体中的“位置细胞”是如何在单次经过后就迅速形成稳定空间编码的？传统的突触可塑性模型——无论是长时程增强（LTP）还是脉冲时间依赖可塑性（STDP）——都依赖于数十甚至数百次重复的神经元共同放电。这种速度与动物在实际行为中表现出的“一次性学习”能力之间存在明显的时间错位。

答案可能藏在一类特殊的电信号中：树突平台电位（dendritic plateau potential）。

从“多次重复”到“一次成型”

2017年，Magee实验室在《科学》杂志首次报道了BTSP现象，彻底改变了领域认知。在最新的这篇综述中，该实验室负责人、霍华德·休斯医学研究所研究员Jeffrey C. Magee系统总结了BTSP的三大核心特性：

第一，时间尺度以秒计。与传统突触可塑性依赖毫秒级精确放电不同，BTSP的作用窗口长达数秒。这意味着，神经元可以将行为序列中稍纵即逝的事件串联起来，形成连贯的情景记忆。

第二，双向且强劲。BTSP既能显著增强突触连接（长时程增强），也能大幅削弱连接（长时程抑制），其变化幅度远超传统可塑性。单次平台电位即可引发突触强度改变超过200%，足以让一个原本“沉默”的神经元瞬间转变为对特定位置强烈放电的位置细胞。

第三，诱导信号单一。BTSP不需要成百上千个动作电位反复刺激，仅需一次树突平台电位——这是一种在神经元树突局部产生、持续时间较长的钙离子内流事件。当平台电位发生时，所有在此期间活跃的突触输入都会被“打上标签”，无论这些输入是发生在平台电位之前还是之后数秒。

重新定义“功劳分配”

这一时间特性指向一个更深层的计算问题：功劳分配（credit assignment）。在神经网络学习中，系统需要知道“哪个突触连接对最终的成功输出有贡献”。传统赫布规则将功劳归于“同时放电”的突触，但动物行为中的因果链条往往跨越数秒——当你看到路标后决定转弯，视觉输入与运动决策之间本就存在时间差。

BTSP提供了一种非赫布式的解决方案。Magee在综述中指出，平台电位的触发受到高阶脑区“指令性输入”和局部反馈抑制的精细调控。以海马体为例，来自内嗅皮层的输入携带了关于空间情境的顶层信号，而局部中间神经元则通过抑制精确控制平台电位仅在“关键时刻”爆发。这种设计让BTSP成为一种受行为目标引导的、高度特异的学习信号。

从记忆编码到计算原理

综述进一步探讨了BTSP对记忆系统功能的深远影响。一方面，单次学习能力使海马体能够快速捕捉日常生活中的独特片段，形成情景记忆；另一方面，BTSP的时间整合特性可能支持泛化学习——将多次经历中的共性规律抽取出来，形成抽象知识。Magee实验室2025年的预印本研究已显示，既往记忆痕迹会“偏置”新的学习，使得大脑在相似情境中更快地调用已有经验。

BTSP的计算优势也引起了人工智能领域的关注。Maass团队2025年在《自然-通讯》发表的建模工作证明，BTSP能使网络以极低的突触精度（甚至二进制突触）实现单次学习和内容寻址记忆。另有研究者发现，BTSP动力学与强化学习中的“后继表征”（successor representation）存在数学同构，暗示这种生物机制可能是大脑实现高效导航和决策的进化选择。

从海马到全脑：一种通用机制？

尽管BTSP最早在海马CA1区位置细胞中被发现，但近年证据表明，其适用范围可能远不止于此。2025年的一系列预印本研究显示，前额叶皮层、压后皮层等新皮层区域同样存在平台电位驱动的快速可塑性，且与动物对新环境的探索行为紧密相关。树突平台电位本身也并非海马特有——从小脑浦肯野细胞到纹状体中型多棘神经元，多种神经元类型均能产生类似事件。

这意味着，BTSP可能代表了一种全脑通用的快速学习机制。当动物进入陌生环境时，来自蓝斑的去甲肾上腺素投射和来自基底前脑的胆碱能投射共同“预热”树突，降低平台电位爆发阈值，为即将到来的学习做好准备。高阶皮层则根据行为目标，向特定神经元亚群发送指令性输入，精准触发平台电位，从而在合适的时间、合适的地点修改突触连接。

从现象到分子：记忆的生化基础

综述最后将视角下沉至分子层面。BTSP长达数秒的时间窗口从何而来？2024年《自然》发表的一项研究揭示了关键线索：CaMKII（钙/钙调蛋白依赖性蛋白激酶II）的延迟、随机激活。当平台电位引发钙内流后，CaMKII并非立即活化，而是以数秒的时间常数缓慢、随机地在树突棘中扩散激活。这种生化延迟恰好构成了BTSP的时间窗口，使得发生在平台电位前后数秒的突触事件都能被“捕获”并加以强化或削弱。

从毫秒级的动作电位到秒级的突触修改，再到分钟至数年的记忆存储，大脑用一套精密的分子级联实现了时间的跨尺度转换。正如Magee在综述结语中所写：“对BTSP的探索可能为理解大脑如何学习与记忆提供全新基础——从系统和认知层面，直抵学习记忆最基本的生化构筑块。”

随着光遗传学、双光子成像和计算建模技术的交叉融合，BTSP研究正从电生理现象快速演变为连接分子机制与认知行为的桥梁理论。它不仅挑战了沿袭半个世纪的赫布学习法则，更为开发类脑人工智能算法提供了全新的生物学蓝本。

参考文献：
Magee, J.C. Behavioral timescale synaptic plasticity: properties, elements and functions. Nat Neurosci 29, 520–534 (2026).

相关阅读：

• Bittner, K. C. et al. Behavioral timescale synaptic plasticity underlies CA1 place fields. Science 357, 1033–1036 (2017).
• Jain, A. et al. Dendritic, delayed, stochastic CaMKII activation in behavioural time scale plasticity. Nature 635, 151–159 (2024).
• Wu, Y. & Maass, W. A simple model for behavioral time scale synaptic plasticity (BTSP) provides content addressable memory with binary synapses and one-shot learning. Nat. Commun. 16, 342 (2025).