Basal ganglia contribute to object-value learning, which is critical for survival. The underlying neuronal mechanism is the association of each object with its rewarding outcome. However, object values may change in different environments and we then need to choose different objects accordingly. The mechanism of this environment-based value learning is unknown. To address this question, we created an environment-based value task in which the value of each object was reversed depending on the two scene-environments (X and Y). After experiencing this task repeatedly, the monkeys became able to switch the choice of object when the scene-environment changed unexpectedly. When we blocked the inhibitory input from fast-spiking interneurons (FSIs) to medium spiny projection neurons (MSNs) in the striatum tail by locally injecting IEM-1460, the monkeys became unable to learn scene-selective object values. We then studied the mechanism of the FSI-MSN connection. Before and during this learning, FSIs responded to the scenes selectively, but were insensitive to object values. In contrast, MSNs became able to discriminate the objects (i.e., stronger response to good objects), but this occurred clearly in one of the two scenes (X or Y). This was caused by the scene-selective inhibition by FSI. As a whole, MSNs were divided into two groups that were sensitive to object values in scene X or in scene Y. These data indicate that the local network of striatum tail controls the learning of object values that are selective to the scene-environment. This mechanism may support our flexible switching behavior in various environments.

基底神经节有助于对象价值学习，这对生存至关重要。潜在的神经元机制是每个对象与其奖励结果的关联。但是，对象值可能会在不同的环境中发生变化，然后我们需要相应地选择不同的对象。这种基于环境的价值学习的机制是未知的。为了解决这个问题，我们创建了一个基于环境的值任务，其中每个对象的值根据两个场景环境（X 和 Y）进行反转。在反复体验这个任务后，猴子们变得能够在场景环境发生意外变化时切换对象的选择。当我们通过局部注射 IEM-1460 阻断纹状体尾部的快速尖峰中间神经元 (FSI) 到中等棘状投射神经元 (MSN) 的抑制性输入时，猴子变得无法学习场景选择性对象值。然后我们研究了FSI-MSN连接的机制。在此学习之前和期间，FSI 选择性地响应场景，但对对象值不敏感。相比之下，MSN 变得能够​​区分对象（即，对好的对象做出更强的反应），但这显然发生在两个场景之一（X 或 Y）中。这是由 FSI 的场景选择性抑制引起的。总体而言，MSN 分为两组，它们对场景 X 或场景 Y 中的对象值敏感。这些数据表明，纹状体尾部的局部网络控制着对场景环境有选择性的对象值的学习。这种机制可以支持我们在各种环境中灵活的切换行为。然后我们研究了FSI-MSN连接的机制。在此学习之前和期间，FSI 选择性地响应场景，但对对象值不敏感。相比之下，MSN 变得能够​​区分对象（即，对好的对象做出更强的反应），但这显然发生在两个场景之一（X 或 Y）中。这是由 FSI 的场景选择性抑制引起的。总体而言，MSN 分为两组，它们对场景 X 或场景 Y 中的对象值敏感。这些数据表明，纹状体尾部的局部网络控制着对场景环境有选择性的对象值的学习。这种机制可以支持我们在各种环境中灵活的切换行为。然后我们研究了FSI-MSN连接的机制。在此学习之前和期间，FSI 选择性地响应场景，但对对象值不敏感。相比之下，MSN 变得能够​​区分对象（即，对好的对象做出更强的反应），但这显然发生在两个场景之一（X 或 Y）中。这是由 FSI 的场景选择性抑制引起的。总体而言，MSN 分为两组，它们对场景 X 或场景 Y 中的对象值敏感。这些数据表明，纹状体尾部的局部网络控制着对场景环境有选择性的对象值的学习。这种机制可以支持我们在各种环境中灵活的切换行为。但对对象值不敏感。相比之下，MSN 变得能够​​区分对象（即，对好的对象做出更强的反应），但这显然发生在两个场景之一（X 或 Y）中。这是由 FSI 的场景选择性抑制引起的。总体而言，MSN 分为两组，它们对场景 X 或场景 Y 中的对象值敏感。这些数据表明，纹状体尾部的局部网络控制着对场景环境有选择性的对象值的学习。这种机制可以支持我们在各种环境中灵活的切换行为。但对对象值不敏感。相比之下，MSN 变得能够​​区分对象（即，对好的对象做出更强的反应），但这显然发生在两个场景之一（X 或 Y）中。这是由 FSI 的场景选择性抑制引起的。总体而言，MSN 分为两组，它们对场景 X 或场景 Y 中的对象值敏感。这些数据表明，纹状体尾部的局部网络控制着对场景环境有选择性的对象值的学习。这种机制可以支持我们在各种环境中灵活的切换行为。MSN 被分为对场景 X 或场景 Y 中的对象值敏感的两组。这些数据表明，纹状体尾部的局部网络控制着对场景环境有选择性的对象值的学习。这种机制可以支持我们在各种环境中灵活的切换行为。MSN 被分为对场景 X 或场景 Y 中的对象值敏感的两组。这些数据表明，纹状体尾部的局部网络控制着对场景环境有选择性的对象值的学习。这种机制可以支持我们在各种环境中灵活的切换行为。