Nature突破成果：科学家首次发现第二套学习系统

SWC研究组长、论文第一作者Marcus Stephenson-Jones博士解释："我们本质上发现了一个负责习惯形成的机制。当对某个行为形成偏好后，大脑可以绕过价值评估系统，直接依赖过去行为的默认模式。这能释放认知资源来处理其他需要价值判断的事务。"

研究人员发现大脑中存在一种新型多巴胺信号，与已知的奖励预测误差（RPE）信号不同。传统认知中，多巴胺通过RPE信号告知动物实际结果是否超出预期。而新研究揭示还存在另一种称为动作预测误差（APE）的多巴胺信号，专门记录动作执行频率。这两套教学信号使动物具备两种学习选择方式：选择最有价值选项或最频繁选项。

Stephenson-Jones博士举例说明："就像去常去的三明治店。初次光临时你会仔细选择，根据口味决定是否喜欢。但多次光顾后，你会不假思索地选择惯常口味。我们认为正是大脑中的APE多巴胺信号存储了这种默认选择模式。"

新发现的APE学习系统比直接比较选项价值的传统方式更简单高效，可能使大脑具备多任务处理能力。例如熟练驾驶后，你可以在开车时与人交谈——默认系统处理驾驶的重复性动作，而价值系统决定谈话内容。

先前研究已发现学习相关的多巴胺神经元位于中脑三个区域：腹侧被盖区、黑质致密部和黑质外侧部。虽然部分神经元被证实与奖励编码相关，但另一半神经元始终表现出与运动相关的特性，其功能长期成谜。

研究团队通过聚焦纹状体尾部区域，成功分离出运动神经元并揭示其功能。共同第一作者Francesca Greenstreet博士、Hernando Martinez Vergara博士和Yvonne Johansson博士使用基因编码的多巴胺传感器，证实该区域的多巴胺释放与运动而非奖励相关。

Stephenson-Jones解释实验发现："当破坏纹状体尾部后，小鼠初期学习曲线与正常组相同，但在达到60-70%正确率（形成音调-方向偏好）后，正常组会快速达到专家级表现，而受损组只能保持线性进步。这是因为受损组仅能依赖RPE系统学习，而正常组拥有RPE和APE双系统协同工作。"

进一步实验显示，当专家级小鼠的纹状体尾部被抑制时，其任务表现会急剧下降。这表明动物早期学习依赖基于RPE的价值系统，后期则转为完全依靠纹状体尾部的APE系统来存储稳定关联并驱动选择。研究团队在Claudia Clopath博士带领下还通过计算建模，解析了RPE与APE双系统协同学习机制。

这些发现解释了为何戒除坏习惯如此困难——用替代行为（如嚼尼古丁口香糖替代吸烟）持续覆盖原习惯，可能让APE系统建立新习惯覆盖旧模式。Stephenson-Jones博士指出："这项发现为戒瘾研究开辟了新方向。此前相关研究主要聚焦伏隔核，现在我们有了新的潜在治疗靶点。"

研究对帕金森病也有重要启示。该疾病由中脑多巴胺神经元（特别是黑质致密部）死亡引发，而死亡细胞恰好是编码APE的运动相关神经元。这解释了患者为何丧失行走等习惯性运动能力，却保留滑冰等需要灵活决策的运动能力。Stephenson-Jones总结道："我们首次为帕金森病的矛盾运动症状提供了理论解释，为相关研究提供了新视角。"

目前团队正在验证APE是否确为习惯形成所必需，并探究两套系统的具体学习内容与协作机制

Dopaminergic action prediction errors serve as a value-free teaching signal