Thalamocortical credit routing from the basal ganglia and cerebellum: anatomical constraints and circuit principles

Per comprendere come un animale impari a scegliere l'azione giusta per un premio, gli scienziati si sono concentrati a lungo su due strutture cerebrali profonde: i gangli della base e il cervelletto. Queste regioni agiscono come motori di apprendimento. I gangli della base aiutano a decidere quale azione valga la pena perseguire in base ai premi passati, mentre il cervelletto affina la tempistica e la precisione dei movimenti. Entrambe le strutture ricevono istruzioni dalla corteccia cerebrale, lo strato esterno del cervello responsabile del pensiero complesso e della pianificazione. Dopo aver elaborato queste informazioni, esse inviano segnali alla corteccia per aggiornare il comportamento futuro. Ciò crea un ciclo continuo in cui il cervello controlla costantemente le proprie prestazioni. Tuttavia, un pezzo critico di questo puzzle è rimasto poco chiaro: come fanno questi segnali di apprendimento a viaggiare di ritorno verso i gruppi specifici di neuroni nella corteccia che hanno effettivamente generato l'azione? Senza un sistema di consegna preciso, il cervello non saprebbe quali neuroni rafforzare o indebolire, rendendo l'apprendimento inefficiente o impossibile.

Un team di ricercatori in Giappone ha ora mappato questo percorso di consegna nei topi, rivelando un sistema sofisticato che assicura che i segnali di apprendimento raggiungano esattamente le destinazioni giuste. Hanno scoperto che, sebbene i gangli della base e il cervelletto inviino i loro messaggi attraverso canali ampiamente separati all'interno del talamo — una centrale di smistamento nel cervello — questi canali si fondono nuovamente quando raggiungono la corteccia. Nello specifico, i ricercatori hanno scoperto che i segnali di entrambi i sistemi convergono sullo strato superiore della corteccia motoria secondaria, una regione cruciale per la pianificazione e l'apprendimento di nuove abilità. Questa convergenza permette al cervello di combinare diversi tipi di informazioni di apprendimento e di indirizzarle ai neuroni specifici responsabili di un'azione. Combinando l'imaging cerebrale dettagliato con simulazioni al computer, il team ha dimostrato che questa disposizione anatomica è essenziale affinché il cervello assegni correttamente il "credito", assicurando che i neuroni che hanno contribuito a un'azione di successo siano quelli che vengono rinforzati.

I ricercatori hanno iniziato tracciando i percorsi fisici nei cervelli dei topi per vedere dove vanno questi segnali di apprendimento. Hanno iniettato piccole quantità di traccianti fluorescenti nei gangli della base e nel cervelletto e hanno osservato come i segnali viaggiassero attraverso il talamo verso la corteccia. Hanno scoperto che i neuroni del talamo che ricevono input dai gangli della base si trovano per lo più in un'area, mentre quelli che ricevono input dal cervelletto si trovano in un'altra area. Ciò ha confermato che i due sistemi rimangono ampiamente separati mentre passano attraverso il talamo. Tuttavia, quando i ricercatori hanno osservato dove finivano gli assoni — le lunghe fibre che trasportano i segnali dal talamo alla corteccia — il quadro è cambiato. Nonostante partissero da punti diversi nel talamo, gli assoni di entrambi i sistemi condividevano una destinazione sorprendente: lo strato più superficiale della corteccia motoria secondaria. Questo strato contiene le estremità distali delle cellule nervose che controllano il movimento. I ricercatori hanno anche scoperto una piccola area nel talamo in cui i segoli di entrambi i sistemi si mescolavano, ma il risultato più significativo era stato questo punto di arrivo condiviso nella corteccia.

Per capire perché una destinazione condivisa sia importante, il team ha costruito un modello computerizzato dettagliato dell'intero circuito cerebrale, inclusi la corteccia, il talamo, i gangli della base e il cervelletto. Nella loro simulazione, hanno testato come il cervello impara quando i segnali sono instradati correttamente rispetto a quando sono rimescolati. Hanno scoperto che l'apprendimento funzionava meglio quando il feedback dai gangli della base e dal cervelletto veniva inviato indietro ai gruppi specifici di neuroni che avevano contribuito a generare l'azione. Se i segnali venivano inviati ai neuroni sbagliati, l'apprendimento falliva. Il modello ha anche rivelato che il cervello utilizza due modi diversi per inviare questi segnali di ritorno. Un tipo di segnale agisce come una manopola del volume, rendendo l'attività esistente di un neurone più forte o più debole. L'altro tipo agisce come una spinta diretta, aggiungendo nuova attività al neurone. I ricercatori hanno scoperto che il cervello ha bisogno che entrambi i meccanismi lavorino insieme per apprendere in modo efficiente. L'effetto "manopola del volume", che avviene in quello strato superiore della corteccia, aiuta il cervello ad amplificare i segnali corretti, mentre la spinta diretta aiuta a guidare l'azione in avanti.

Lo studio ha anche esplorato come il cervello capisca quali neuroni dovrebbero ricevere questi segnali di apprendimento in primo luogo. Nel modello al computer, i ricercatori hanno dimostrato che il cervello può imparare ad allineare il proprio feedback osservando la propria attività durante i periodi di riposo. Confrontando quanto un neurone fosse attivo con la probabilità che scatenasse un'azione, il cervello può regolare le proprie connessioni in modo che i segnali di apprendimento siano inviati nel posto giusto. Questo processo, che hanno chiamato calibrazione locale, ha permesso al modello di recuperare la sua capacità di apprendimento anche se le connessioni iniziali non erano impostate perfettamente. Inoltre, i ricercatori hanno testato se questo sistema potesse gestire compiti complessi in cui più neuroni dovevano essere addestrati contemporaneamente, come negli esperimenti di interfaccia cervello-computer in cui una persona impara a controllare un cursore del computer con i propri pensieri. Hanno scoperto che quando il cervello invia un singolo segnale di ricompensa globale all'intera rete, fatica ad addestrare più target simultaneamente se tali target devono muoversarsi in direzioni opposte. Tuttavia, quando il feedback è instradato attraverso canali separati e paralleli, il cervello può addestrare con successo più neuroni contemporaneamente. Ciò suggerisce che la capacità del cervello di apprendere compiti complessi e multi-parte dipende dall'avere questi percorsi distinti e paralleli che possono consegnare il credito a gruppi specifici di neuroni senza interferenze.

Queste scoperte offrono un nuovo modo di vedere come il cervello impara. Piuttosto che vedere i gangli della base e il cervelletto come sistemi indipendenti che si limitano ad aggiungere i propri output, i ricercatori propongono che essi lavorino come un team coordinato che utilizza un'autostrada condivisa per consegnare i segnali di apprendimento. Questa autostrada, che converge sullo strato superiore della corteccia motoria, permette al cervello di integrare diversi tipi di informazioni e di indirizzarle precisamente dove sono necessarie. Lo studio suggerisce che la disposizione fisica di queste connessioni non è solo un diagramma di cablaggio passivo, ma un componente attivo del processo di apprendimento stesso. Assicurando che i segnali di apprendimento raggiungano i neuroni specifici responsabili di un'azione, il cervello può affinare efficientemente il proprio comportamento e adattarsi a nuove sfide. Questo lavoro fornisce un quadro anatomico e computazionale concreto per comprendere come il cervello risolva il problema dell'assegnazione del credito, una sfida fondamentale nell'apprendimento che si applica non solo agli animali, ma anche allo sviluppo dei sistemi di intelligenza artificiale. I risultati dei ricercatori, derivati sia dall'osservazione diretta nei topi che da rigorose simulazioni al computer, evidenziano l'importanza della convergenza laminare e del feedback modulare nel permettere al cervello di apprendere comportamenti complessi.