🧠 neuroscienze

Predictive Grid Cell Coding Does Not Require Explicit Planning

Questo studio dimostra che le cellule di griglia predittive, che codificano posizioni future piuttosto che attuali, sono una caratteristica generale della corteccia entorinale mediale dei roditori ed emergono naturalmente all'interno dei circuiti delle cellule di griglia durante l'integrazione del percorso, suggerendo che possano plasmare l'attività di popolazione piuttosto che servire esclusivamente funzioni di pianificazione esplicita.

Autori originali: Sinha, A., Fasehun, O. C., Redman, W. T.

Pubblicato 2026-10-15

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Sinha, A., Fasehun, O. C., Redman, W. T.

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

In profondità nel sistema di navigazione del cervello si trova una piccola regione chiamata corteccia entorinale mediale, un luogo dove il cervello costruisce una mappa mentale del mondo. Per decenni, gli scienziati hanno saputo che quest'area contiene le "cellule di griglia", neuroni che scaricano secondo un modello esagonale ripetitivo mentre un animale si muove nello spazio, agendo efficacemente come un sistema di coordinate interno. Più recentemente, i ricercatori hanno scoperto un sottoinsieme speciale di queste cellule che sembrano attivarsi non solo dove l'animale si trova in questo momento, ma anche dove si troverà a breve. Questa attività "predittiva" suggeriva che il cervello potrebbe essere costantemente in avanti, simulando percorsi futuri per aiutare nella pianificazione di una rotta verso un obiettivo. Tuttavia, una domanda persistente rimaneva: questa capacità di guardare al futuro è uno strumento dedicato alla pianificazione, o è semplicemente un sottoprodotto di come la mappa del cervello si aggiorna?

Un team di ricercatori si è posto l'obiettivo di rispondere a questo quesito osservando il cervello in due modi molto diversi: prima, riesaminando registrazioni reali dai cervelli di ratti che esploravano una stanza e, in secondo luogo, addestrando reti neurali artificiali per eseguire lo stesso compito di tracciamento del movimento senza alcuna istruzione per pianificare il futuro. Hanno scoperto che queste "cellule di griglia predittive" appaiono naturalmente nel cervello del ratto reale, anche quando l'animale sta semplicemente vagando senza una destinazione specifica in mente. Ancora più sorprendente, hanno scoperto che lo stesso tipo di cellule orientate al futuro emergevano nelle reti artificiali, nonostante alle reti non fosse mai stato insegnato a pianificare o prevedere il futuro. Le reti artificiali ricevevano solo il compito di aggiornare la propria posizione in base al movimento, eppure hanno sviluppato spontaneamente delle unità che scaricavano come se stessero guardando avanti nel tempo.

I ricercatori hanno testato se queste cellule stessero realmente predicendo il futuro o se stessero solo reagendo al passato. Hanno scoperto che l'attività di queste specifiche cellule dipendeva fortemente dalla direzione in cui l'animale si stava muovendo. Se due percorsi si incrociavano nello stesso punto ma l'animale si dirigeva in direzioni diverse, queste cellule scaricavano in modo differente, dimostrando di stare tracciando la traiettoria e non solo la posizione attuale. Ciò suggerisce che le cellule stiano codificando una traiettoria. Lo studio ha inoltre rivelato che queste cellule predittive spesso si sovrappongono a un altro tipo di cellula nella rete che appare come una striscia o una banda, la quale aiuta a mantenere stabile la mappa. Questo ha portato gli autori a proporre che queste cellule orientate al futuro potrebbero non essere un modulo di pianificazione separato, bensì una parte fondamentale del meccanismo che mantiene accurata e in movimento la mappa cerebrale.

Per vedere se questo meccanismo esiste anche quando il cervello non sta navigando attivamente, il team ha esaminato dati relativi a ratti durante il sonno. Hanno trovato una firma debole ma chiara di questa codifica predittiva durante il sonno, suggerendo che il cervello continui a eseguire queste simulazioni orientate al futuro anche quando l'animale riposa. I risultati mettono in discussione l'idea che il cervello abbia bisogno di un obiettivo specifico o di un piano conscio per generare questi segnali orientati al futuro. Al contrario, sembra che la capacità di anticipare il passo successivo sia integrata proprio nella circuitazione che permette al cervello di sapere dove si trova in questo momento. Lo studio suggerisce che la mappa del cervello non sia un'immagine statica del presente, ma un sistema dinamico che si aggiorna costantemente proiettando un istante nel futuro, un processo che avviene sia che l'animale stia pianificando un viaggio, sia che stia semplicemente dormendo.

Sintesi Tecnica: La codifica predittiva delle cellule a griglia non richiede una pianificazione esplicita

Problema
La corteccia entorinale mediale (MEC) contiene cellule a griglia (grid cells), che codificano la posizione spaziale tramite un reticolo esagonale e si ipotizza supportino l'integrazione del percorso (path-integration). Recentemente, è stata scoperta una popolazione distinta denominata "cellule a griglia predittive"; queste cellule mostrano una sintonizzazione di tipo grid non per la posizione attuale dell'animale, ma per la sua posizione futura (codifica prospettica). Sebbene ciò sia coerente con le ipotesi secondo cui la MEC supporti la navigazione orientata agli obiettivi, la significatività funzionale di queste cellule rimane poco chiara. Le teorie esistenti sulla codifica predittiva spesso attribuiscono le proprietà prospettiche alle cellule a griglia standard, sollevando la questione di quale ruolo specifico svolgano le cellule a griglia predittive. Inoltre, non è noto se questa codifica sia una caratteristica generale della MEC dei roditori o un artefatto specifico di particolari condizioni sperimentali. Fondamentalmente, non è chiaro se siano necessari meccanismi di pianificazione esplicita affinché tali rappresentazioni emergano, o se esse derivino naturalmente dalle richieste computazionali dell'integrazione del percorso.

Metodologia
Gli autori hanno impiegato un approccio duale utilizzando dati elettrofisiologici indipendenti e un modello di rete neurale ricorrente (RNN):

Rianalisi Elettrofisiologica: Gli autori hanno rianalizzato un ampio dataset di MEC precedentemente pubblicato (Gardner et al., 2022) raccolto da ratti in un ambiente di campo aperto. Questo dataset era distinto dalla scoperta originale delle cellule a griglia predittive (Ouchi & Fujisawa, 2024) in termini di impianto, condizioni sperimentali e codice di analisi.
- Classificazione: Per 1.330 cellule registrate, i punteggi di griglia (grid scores) sono stati calcolati a vari spostamenti temporali ( $\Delta$ ). Le cellule a griglia standard sono state definite come quelle con un grid score $>0,5$ a $\Delta=0$ . Le cellule a griglia predittive sono state definite come cellule non standard (grid score $<0,5$ a $\Delta=0$ ) che hanno raggiunto un grid score massimo $>0,3$ a uno spostamento prospettico ( $\Delta_{max} > 0$ ).
- Validazione: È stata eseguita un'analisi di permutazione (shuffle analysis) con spostamento circolare per garantire che i grid score osservati fossero statisticamente significativi e non dovuti a un allineamento casuale.
- Analisi del Sonno: Gli autori hanno esaminato se le firme della codifica a griglia predittiva (specificamente il bias nella codifica delle coordinate toroidali) persistessero durante il sonno a onde lente e il sonno REM.
Modellazione tramite Rete Neurale Ricorrente (RNN): Gli autori hanno addestrato 10 RNN inizializzate indipendentemente per eseguire l'integrazione del percorso in un ambiente 2D.
- Architettura: Le reti utilizzavano 512 cellule di luogo (place cells) e 4.096 unità ricorrenti, aggiornate tramite input di velocità senza alcun obiettivo esplicito, pianificazione di rotte o segnali di posizione futura.
- Analisi: La sintonizzazione spaziale delle unità ricorrenti è stata analizzata utilizzando la stessa metodologia di spostamento temporale applicata ai dati della MEC. Le unità sono state classificate come griglia standard, griglia predittiva o griglia retrospettiva in base ai profili dei loro grid score attraverso gli spostamenti temporali.
- Dipendenza dal Percorso: Per verificare la codifica prospettica, gli autori hanno calcolato le correlazioni dei vettori di popolazione per coppie di traiettorie che intersecano lo stesso bin spaziale ma con diversi vettori di movimento.
- Sovrapposizione Funzionale: Gli autori hanno investigato la sovrapposizione tra le unità a griglia predittiva e le unità "a banda" (band units, unità con sintonizzazione spaziale a banda note per supportare l'integrazione del percorso nelle RNN).
- Ablazione: Uno studio di ablazione preliminare ha rimosso le unità a griglia predittiva per osservare gli effetti sull'autocorrelazione della popolazione rimanente di unità a griglia.

Risultati Chiave

Presenza Generale nella MEC: Nel dataset indipendente della MEC, gli autori hanno identificato 117 cellule a griglia predittiva (circa il 22,4% delle cellule non standard per registrazione). Queste cellule mostravano bassi grid score a $\Delta=0$ , ma esibivano una significativa struttura simile a una griglia quando l'attività veniva proiettata su posizioni future (spostamenti temporali di $\approx 100-200$ ms). Ciò conferma che le cellule a griglia predittive sono una caratteristica generale della MEC dei roditori, non limitata al dataset della scoperta originale.
Emergenza in RNN di Integrazione del Percorso: Nonostante siano state addestrate solo sull'integrazione del percorso senza obiettivi di pianificazione, le RNN hanno sviluppato spontaneamente unità a griglia predittive (circa il 4,7% delle unità non morte) e unità a griglia retrospettiva (circa il 3,4%).
- Queste unità mostravano un aumento monotono del grid score con gli spostamenti prospettici, distinguendosi dalle unità a griglia standard che raggiungevano il picco a $\Delta=0$ .
- Le unità a griglia predittiva nelle RNN esibivano una dipendenza dal percorso futuro significativamente più alta rispetto alle unità standard; i loro vettori di popolazione erano altamente correlati solo quando le traiettorie condividevano direzioni future simili, anche se occupavano la stessa posizione attuale.
Ruolo delle Unità a Banda: Gli autori hanno trovato una significativa sovrapposizione tra le unità a banda e le unità a griglia predittiva nelle RNN. Le unità a banda mostravano un maggiore aumento relativo del grid score con gli spostamenti prospettivi rispetto alle unità a griglia standard, suggerendo che la codifica predittiva sia legata ai meccanismi di circuito che aggiornano le rappresentazioni spaziali.
Firme del Sonno: In una registrazione in cui erano disponibili i dati sul sonno, le cellule a griglia predittiva (identificate durante l'esplorazione) esibivano un bias verso la codifica di coordinate toroidali con spostamenti prospettici sia durante il sonno a onde lente che durante il sonno REM, mentre le cellule non predittive no.
Effetti dell'Ablazione: La rimozione delle unità a griglia predittiva nelle RNN ha causato cambiamenti sottili nella dinamica della popolazione di unità a griglia, specificamente aumentando l'autocorrelazione a scale temporali più lunghe, suggerendo che queste unità possano aiutare a "respingere" l'attività lontano dagli stati attuali nel manifold dell'attrattore.

Significato e Rivendicazioni
L'articolo sostiene che la codifica delle cellule a griglia predittive sia una proprietà fondamentale del circuito delle cellule a griglia della MEC che non richiede l'emergenza di pianificazione esplicita o obiettivi orientati allo scopo. Gli autori mettono in discussione l'idea che le cellule a griglia predittive siano esclusivamente dedicate alla pianificazione di percorsi ad alto livello. Invece, ipotizzano che le cellule a griglia predittive giochino un ruolo nel mantenere e aggiornare la dinamica di popolazione della rete a griglia (ad esempio, all'interno di reti ad attrattore continuo), potenzialmente guidando l'attività in avanti lungo il manifold dell'attrattore.

Lo studio fornisce prove che:

La codifica delle cellule a griglia predittive è una caratteristica generale della MEC dei roditori.
Tali rappresentazioni emergono naturalmente in sistemi di integrazione del percorso senza obiettivi di pianificazione espliciti.
La presenza di codifica predittiva nelle unità di tipo "band" suggerisce un legame meccanicistico tra gli aggiornamenti dell'integrazione del percorso e la sintonizzazione prospettica.
Le firme di questa codifica persistono durante il sonno, supportando l'idea che sia una proprietà intrinseca del circuito piuttosto che una modulazione specifica del compito.

Gli autori concludono che, sebbene le regioni a valle possano sfruttare questi segnali per la pianificazione, la generazione della codifica a griglia predittiva sembra essere un sottoprodotto dei requisiti computazionali per una robusta integrazione del percorso e per la dinamica dell'attrattore.

Articoli simili