五度妙笔
API商城
数据库Neuron：大脑如何“一心多用”？柯亚/容永豪合作揭示次级运动皮层动态协调与分离机制
在动态环境中导航通常要求大脑并行处理来自多个任务的信息。然而，神经资源如何在任务之间分配以及如何随着训练重组仍不清楚。
2026年6月29日，香港中文大学柯亚、香港城市大学容永豪共同通讯在
Neuron（IF=16.9）
在线发表题为
Dynamic coordination and segregation mechanisms in higher cortex for parallel task processing
的研究论文。
该研究通过开发小鼠“多任务”行为范式和双光子成像技术，首次在单神经元水平揭示了次级运动皮层（M2）在处理并行任务时的动态资源分配机制。
研究发现，早期通过“共享神经元”的竞争与“非共享神经元”的协调实现快速适应，而训练则逐步招募“任务专属神经元”并分离任务表征，最终优化多任务表现。该成果为理解认知灵活性及人工智能的多任务学习提供了重要启示。
解析并行信息处理的神经基础和计算逻辑对于理解高级认知功能至关重要。这种能力在多种情境下都是必需的，包括多感觉整合、决策，甚至情绪调节。另一个典型例子是多任务处理，即个体同时执行一项以上的任务以最大化效率或应对复杂环境，例如在驾驶时进行对话，或在演奏乐器时唱歌。多任务处理通常会导致性能权衡和错误率增加。
尽管如此，个体可以快速从执行单一任务转变为执行多项任务，并且这种能力可以通过训练在健康受试者和神经功能受损受试者中得到改善。大脑如何实现这种认知灵活性是一个重大但尚未解决的问题。
机理模式图（图源自
Neuron
）
该研究将小鼠中的原创双任务范式与慢性双光子成像、光遗传学操作和循环神经网络模型相结合，以解析其背后的皮层动态。研究表明，任务之间的干扰不仅源于任务共享神经元之间的瓶颈，还源于非共享群体活动的减少。
有趣的是，这种活动的减少与任务之间的快速协调有关，并支持早期的双任务成功。通过训练，性能通过多层次重组得到优化，包括专门化神经元的招募和任务表征的渐进分离。实施这些协调和分离方案的网络模型加速了双任务学习，表明了它们的功能重要性。总之，这些发现展示了皮层回路如何灵活地重新分配和重构资源以支持并行任务处理。
参考消息：https://www.cell.com/neuron/fulltext/S0896-6273(26)00447-2
