科学＆テクノロジー

脳が曖昧な仮説をどのように区別するか| MITニュース

私たちがやや馴染みのある場所をナビゲートするとき、私たちはしばしば、私たちの道を作るためにユニークなランドマークに頼っています。ただし、レンガ造りの建物にオフィスを探していて、ルートに沿って多くのレンガ造りの建物がある場合は、建物自体を区別することに頼るのではなく、通りの2番目の建物を探すなどのルールを使用するかもしれません。その曖昧さが解決されるまで、目的地に関連している場所には複数の可能性（または仮説）があることを念頭に置かなければなりません。マウスの研究では、MIT神経科学者は、これらの仮説が明確な神経活動パターンによって脳内で明示的に表されていることを発見しました。同時仮説をコードする神経活動パターンが脳で見られたのはこれが初めてです。研究者たちは、脳の脳レトロスプニアル皮質（RSC）で観察されたこれらの表現は、仮説をコードするだけでなく、動物が正しい方法を選択するために使用できることを発見しました。「私たちが知る限り、複雑な推論タスクでは、2つの仮説を念頭に置いている領域があることを誰も示していません。そして、それらの仮説の1つをより多くの情報を取得すると、実際にタスクを完了するために、脳と認知科学の准教授であるマーク・ハネットは言います。Jakob Voigts Phd '17、Harnett's Labの元Postdocであり、現在はHoward Hughes Medical Institute Janelia Research Campusのグループリーダーであり、The Paperの主執筆者です。 今日に登場します 自然神経科学。あいまいなランドマークRSCは、視覚皮質、海馬形成、および視床前部から入力を受け取ります。これは、ガイドナビゲーションを支援するために統合します。で 2020年の論文Harnett's Labは、RSCが視覚情報と空間情報の両方を使用して、ナビゲーションに使用されるランドマークをエンコードすることを発見しました。その研究では、研究者は、マウスのRSCのニューロンが、周囲の環境に関する視覚情報をトラックに沿ってマウス自身の位置の空間的フィードバックと統合し、見たランドマークに基づいて報酬を見つける場所を学ぶことができることを示しました。彼らの新しい研究では、研究者は、RSCが空間情報と状況的コンテキストをどのように使用してナビゲーションの意思決定をガイドするかをさらに掘り下げたいと考えていました。そのために、研究者は、マウス研究で通常使用されているよりもはるかに複雑なナビゲーションタスクを考案しました。彼らは、側壁に沿って、16の小さな開口部または港を備えた大きな丸いアリーナを設置しました。これらの開口部の1つは、マウスに鼻を突き刺したときに報酬を与えます。実験の最初のセットでは、研究者はマウスを訓練して、床に光の点が示されているさまざまな報酬ポートに行くように訓練しました。マウスがこの比較的単純なタスクを実行することを学んだ後、研究者は2番目のドットを追加しました。 2つのドットは、常に互いに、そしてアリーナの中心から同じ距離でした。しかし今、マウスは報酬を得るために反時計回りのドットによって港に行かなければなりませんでした。ドットは同一であり、近距離でのみ見えるようになったため、マウスは両方のドットを一度に見ることができず、どのドットがどのドットであるかをすぐに決定することができませんでした。したがって、このタスクを解決するために、マウスは、ドットが現れることを期待している場所を思い出し、自分の身体の位置、向かいの方向、そしてどのランドマークがどのランドマークなのかを把握するために行った道を統合しなければなりませんでした。マウスがあいまいなランドマークに近づいたときにRSC活性を測定することにより、研究者はRSCが空間的位置に関する仮説をエンコードするかどうかを判断できます。このタスクは、臭気の手がかりや死んだ計算などの他の戦略の代わりに、マウスに視覚的ランドマークを使用して報酬を得るように慎重に設計されました。「この場合の行動の重要なのは、マウスが何かを覚えてから、それを使用して将来の入力を解釈する必要があることです」と、この研究に取り組んだVoigts氏は言います。 「それは何かを覚えているだけでなく、あなたがそれに基づいて行動できるような方法でそれを覚えていることです。」研究者たちは、マウスがどのドットであるかについての情報を蓄積したため、RSCニューロンの集団は、不完全な情報のために異なる活動パターンを表示したことを発見しました。これらのパターンのそれぞれは、マウスが報酬に関してそれがどこにあると思ったかについての仮説に対応しているように見えます。マウスがどのドットが報酬ポートを示しているかを把握するのに十分に近づくと、これらのパターンは正しい仮説を表すパターンに崩壊しました。調査結果は、これらのパターンが仮説を受動的に保存するだけでなく、正しい場所に到達する方法を計算するためにも使用できることを示唆している、と研究者は言います。「RSCには、この短期メモリを使用して曖昧なランドマークを区別するために必要な情報があることを示します。このタイプの仮説が、RSCがそれを使用して計算を解決できるようにエンコードおよび処理されていることを示します」とVoigts氏は言います。相互接続されたニューロン最初の結果を分析する際、HarnettとVoigtsは、約10年前に人工ニューラルネットワークを使用して同様のナビゲーションタスクを実行したMIT教授のIla Fieteと相談しました。以前にBiorxivで公開されていたこの研究は、ニューラルネットワークがHarnettのラボが運営する動物研究で見られるものと概念的に類似した活動パターンを表示したことを示しました。人工ニューラルネットワークのニューロンは、RSCのニューロンのように、非常に相互接続された低次元ネットワークを形成することになりました。「その相互接続性は、私たちがまだ理解していない方法で、これらのダイナミクスがどのように出現し、どのように制御されるかの鍵であるように思われます。そして、それはRSCがこれらの2つの仮説を同時に念頭に置いていることの重要な特徴です」とハーネットは言います。Janeliaのラボでは、Voigtsは、特定のタスクで訓練されることなく、より自然主義的な方法でマウスが探索し、採餌するにつれて、前頭前野などのナビゲーションに関与する他の脳領域がどのように関与するかを調査する予定です。「私たちは、タスクが学習する一般的な原則があるかどうかを検討しています」とVoigts氏は言います。 「私たちは、動物がタスクを学んだ後、脳がどのように動作するかについて神経科学に多くの知識を持っていますが、それに比べて、マウスがタスクをどのように学習するか、自然に振る舞う自由を与えられたときに彼らが何を選んだかについてはほとんど知りません。」この研究は、一部は国立衛生研究所、MITポスドクフェローシップの社会的脳のためのサイモンズセンター、国立科学財団が資金を提供したMITの脳、心、および機械センターのためのセンターのためのセンターによって資金提供されました。 #脳が曖昧な仮説をどのように区別するか #MITニュース