Shank3 缺失大鼠在主动扑击时伏隔核多巴胺反应符号反转，闭环光遗传刺激 VTA-NAc 可持久延长社交玩耍

在野生型雄性大鼠中，主动玩耍（扑击、压制）伴随伏隔核多巴胺升高，而被迫屈服时多巴胺被抑制；野生型雌性则在躲避与直立时多巴胺升高，而非高接触玩耍。 此前对幼年社交玩耍的多巴胺测量多停留在整体社交接触层面，该工作把多巴胺动态对齐到 800 毫秒行为音节与主动/被动角色，从而区分出同一社交互动中不同角色与性别对应的相反多巴胺方向。 基于光纤记录 GRAB-DA3m 的 NAc 多巴胺信号，与九相机体积追踪和 Social-Seq 行为音节标签同步对齐，记录窗口为 PND 45-55，行为测试覆盖 PND 35-45、55-65、75-85。

Shank3+/- 突变体在嗅探与追逐时多巴胺反应减弱，在扑击时出现符号反转的多巴胺反应，而单独直立仅在突变雄性中产生夸张的多巴胺反应。 把 Shank3 缺失与具体行为音节层面的多巴胺编码异常联系起来，而非仅报告社交行为总量减少，提示突变影响的是奖励信号的符号与情境特异性，而不只是信号强弱。 同一套同步记录流程下的 WT 与 Shank3+/- 对比，行为音节由 Seq2seq 自编码器与聚类生成并经人工标注互惠配对校验，多巴胺响应以行为起始后峰值 ΔF/F 减去基线均值定义。

以经验多巴胺幅度参数化奖励的多智能体强化学习模型复现了突变表型，包括嗅探保留、玩耍减少与行为转换紊乱。 把行为层面的多巴胺异常转化为可计算奖励信号并放入多智能体博弈中检验，说明仅改变奖励标定即可产生突变体的行为组合，而不必额外假设运动或感知缺陷。 4×4 全观测网格、PPO 智能体（RLlib，2×256 tanh 层，训练 120k 步，γ=0.95，lr=3e-4），在 30 次 rollout 上评估，奖励由经验多巴胺幅度标定。

在 Shank3+/- 雄性中，于主动玩耍发起时闭环光遗传刺激 VTA-NAc 投射，可持久增加目标玩耍时长并减少非社交离开行为。 从相关性的多巴胺-行为对齐推进到因果干预，且刺激由实时行为检测触发而非固定时间给予，因此把多巴胺定位为动作依随的强化信号而非伴随现象。 闭环设计为基线 3 天、行为触发训练 8 天、随后 10 天无刺激观察期，实时检测使用 YOLOv8n-seg、DANNCE 与 BiLSTM-FCN 区分 36 类行为，激光为 470 nm、4 mW、40 Hz、0.5 秒脉冲。

该资源面向研究幼年社交玩耍中伏隔核多巴胺编码与 Shank3 缺失影响的研究者，适用于同性别配对互动、PND 35-85 的大鼠、以及以行为音节为分析单元的场景。数据包含原始三维关键点坐标、行为音节标签、同步 Z 分数化多巴胺 ΔF/F 轨迹、光遗传时间戳与汇总指标（频率、时长、转换矩阵），可用于复现行为谱、做神经-行为对齐、参数化计算模型或评估干预结果。闭环光遗传结果说明多巴胺对目标玩耍具有充分性，而非排他性。

当前读取为不完整版本，图表与补充统计未纳入，因此多巴胺符号反转的效应量、各行为音节样本量与统计检验细节无法在此确认。性别需作为协变量处理，行为标签依赖量化操作定义，Shank3 模型特指 Phelan-McDermid 综合征，闭环光遗传仅证明充分性而非排他性。多智能体模型以经验多巴胺幅度标定奖励，其参数选择对结论稳健性的影响仍是开放问题。