One Circuit, Many Flow Fields: Mechanistic Models of Single-Trial Neural Dynamics
Questo articolo propone un modello di rete ricorrente a basso rango che riformula la variabilità neurale del singolo trial come deformazioni continue del campo di flusso di un circuito condiviso guidate da parametri di controllo specifici per il trial, recuperando con successo la dinamica della verità fondamentale e rivelando l'impegno comportamentale interpretabile e la struttura del compito nei dati della corteccia motoria.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Il cervello è spesso immaginato come una vasta macchina statica, dove gli stessi circuiti elettrici si attivano secondo schemi prevedibili per produrre gli stessi movimenti. Per decenni, gli scienziati hanno descritto l'attività neurale utilizzando il linguaggio dei sistemi dinamici, vedendo il cervello come un paesaggio di colline e valli che guidano i pensieri e le azioni lungo percorsi specifici. In questa visione tradizionale, la forma del paesaggio è fissa; se una persona allunga la mano verso una tazza, la sua attività cerebrale segue un percorso prestabilito, e qualsiasi differenza da un tentativo all'altro è semplicemente rumore casuale, come l'interferenza su una linea radio. Tuttavia, osservazioni recenti hanno messo in discussione questa immagine. Quando gli animali eseguono lo stesso compito ripetutamente, la loro attività cerebrale non si limita a oscillare attorno a un singolo percorso; essa si sposta in modi organizzati e significativi. Questi spostamenti sono spesso correlati allo stato interno dell'animale, come il suo livello di allerta o di coinvolgimento, suggerendo che le regole stesse con cui il cervello elabora le informazioni potrebbero essere flessibili, cambiando da un momento all'altro per adattarsi alla situazione.
Un nuovo studio condotto da ricercatori dell'Università di Tel Aviv e dell'Allen Institute propone un cambiamento radicale nel modo in cui comprendiamo queste fluttuazioni. Invece di trattare le differenze tra un tentativo e l'altro come meri errori da mediare, il team suggerisce che un singolo circuito neurale possa generare una famiglia continua di diversi modi operativi. Essi sostengono che il cervello non vaghi semplicemente attorno a una mappa fissa; esso in realtà ridisegna la mappa stessa. Per testare questo, i ricercatori hanno sviluppato un modello matematico che tratta ogni momento di attività cerebrale come una configurazione unica di un circuito condiviso. Hanno scoperto che, inferendo pochi parametri di controllo nascosti per ogni tentativo, potevano spiegare come il paesaggio interno del cervello si deformi, passando da uno stato stabile all'altro senza cambiare il cablaggio sottostante.
I ricercatori hanno testato questa idea prima in una simulazione controllata, creando un circuito cerebrale sintetico con regole note e poi chiedendo al loro modello di individuare tali regole osservando semplicemente l'attività. Il modello ha avuto successo nel recuperare la struttura nascosta, identificando esattamente come piccoli cambiamenti in un segnale di controllo potessero trasformare un sistema con due stati stabili in uno con un unico stato. Ciò ha dimostato che il metodo poteva distinguere tra rumore casuale e cambiamenti strutturati e genuini nel modo in cui il circuito opera. Il team ha poi applicato lo stesso approccio a dati reali registrati dai cervelli di topi impegnati in un compito di movimento ritardato. In questi esperimenti, i topi dovevano attendere un segnale prima di leccare un beccuccio per ricevere una ricompensa. I ricercatori hanno notato che in alcuni tentativi, i topi semplicemente ignoravano il segnale e non si muovevano. Analizzando l'attività cerebrale, il modello ha identificato una direzione specifica nello spazio di controllo che corrispondeva a questo disimpegno. Quando i ricercatori hanno spostato matematicamente l'attività di un topo impegnato lungo questa direzione, l'attività cerebrale simulata dal modello si è trasformata per apparire esattamente come lo stato di disimpegno, cambiando efficacemente il circuito da "attivo" a "disattivo" senza alterare le connessioni fisiche.
Lo studio ha esaminato anche registrazioni dalla corteccia motoria di scimmie che eseguivano compiti di raggiungimento. Qui, l'obiettivo era vedere se il modello potesse trovare direzioni di controllo relative al compito specifico in corso, piuttosto che solo a stati interni come l'attenzione. I ricercatori hanno scoperto che il modello organizzava le diverse direzioni verso cui la scimmia poteva protendersi in un piano liscio e bidimensionale all'interno del suo spazio di controllo. Spostando l'attività di un tentativo lungo questo piano nella simulazione, il movimento decodificato ruotava in modo prevedibile, corrispondendo alla nuova direzione del bersaglio. Ciò ha dimostrato che il modello aveva scoperto un meccanismo di controllo continuo in cui il cervello regola fluidamente la propria dinamica per guidare il movimento, piuttosto che passare tra alcune opzioni discrete. Inoltre, i ricercatori hanno dimostrato che i pattern statistici di questi parametri di controllo appresi da una scimmia potevano essere trasferiti a un'altra scimmia che eseguiva lo stesso compito. Ciò suggerisce che il modo in cui il cervello rimodella la propria dinamica non è un capriccio casuale di un singolo animale, ma una proprietà condivisa e fondamentale del funzionamento di questi circuiti.
La portata di questo lavoro risiede nella sua capacità di trasformare un problema metodologico in una scoperta scientifica. Riformulando la variabilità tra un tentativo e l'altro come un movimento attraverso uno spazio di controllo a bassa dimensionalità, i ricercatori forniscono un modo per leggere direttamente dall'attività le impostazioni interne del cervello. Il modello non è solo uno strumento descrittivo; è meccanicistico, il che significa che identifica schemi di input specifici che potrebbero essere testati in un animale vivente. I ricercatori suggeriscono che, utilizzando la stimolazione luminosa mirata per mimare questi segnali di controllo inferiti, gli scienziati potrebbero spingere sperimentalmente un circuito cerebrale da un regime dinamico all'altro, come ad esempio forzare un animale disimpegnato a riprendere l'attività o cambiare la direzione di un movimento di raggiungimento. Questo approccio va oltre la semplice descrizione di ciò che il cervello fa per spiegare come esso utilizzi in modo flessibile lo stesso hardware per produrre una vasta gamma di comportamenti, offrendo una nuova lente attraverso la quale osservare la natura dinamica e adattabile della mente.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.