The NeuroHab: A Low-Cost, Integrated System for Investigation of Neural Correlates of Behaviors

車のエンジンがどのように機能しているかを理解しようとする際、デコボコ道を走行中のエンジンの音を聞きながら理解しようとする状況を想像してみてください。ドライバーがいつアクセルを踏み、いつエンジンが咆哮したのかを、同時に正確に知る必要があります。神経科学の世界では、科学者たちがこれと似たことに挑戦しています。彼らは、マウスがゲームを学んだりパズルを解いたりしている間の脳活動を観察したいと考えています。この分野は「行動神経科学」と呼ばれ、「オペラント条件付け」という、少し難解な言い方をする手法に依存しています。これは、「報酬（ご褒美）を得るために動物に何かをさせるよう訓練すること」を意味します。

これを成功させるには、2つのことが完璧に連動して起こる必要があります。一つは、マウスが正しい行動をしたときに報酬（水の一滴やフードペレットなど）を与える機械であり、もう一つは、マウスの脳内で何が起きているかを記録するカメラやセンサーです。問題は、マウスを訓練するために使われる機械が、しばしば高価で、硬直的で、脳スキャン装置と接続するのが難しいことです。それは、ハイテクなレーシングビデオゲームのコントローラーを、ヴィンテージのラジオに接続しようとするようなものです。パーツ同士が同じ言語を話しておらず、タイミングもズレているのです。もしタイミングがわずかでも狂えば、科学者はその脳の反応が報酬によるものなのか、それとも単なる偶然なのかを判断できなくなります。

そこで、「NeuroHab」と呼ばれる新しい発明が登場します。これは、ユニバーサル・トランスレーター（万能翻訳機）であり、かつ超精密なストップウォッチを一つの安価なボックスに詰め込んだものだと考えてください。ワイオミング大学の研究者を中心とするこのプロジェクトのチームは、安価で修理が容易であり、遅延なく脳スキャン装置と通信できるシステムを構築したいと考えました。彼らは単に「より良いマウスケージ」を作りたいのではなく、光の速さで「思考」し「記録」できるケージを作りたかったのです。

この論文は、マウスを訓練し、その行動を驚異的な速度で記録するために設計された、低コストでオープンソースのシステムであるNeuroHabを紹介しています。主な知見は、このシステムが、マウスが行うあらゆる動作（舐める、鼻を突く、音の合図を受けるなど）を、1000分の1秒未満（具体的には56から728マイクロ秒の間）の遅延でログに記録できることです。これを比較するために言えば、瞬きの一回には約30万マイクロ秒かかりますが、NeuroHabはマウスが自分の動作を終えたと自覚する前に、その動作を捉えることができるほど高速なのです。

研究者たちは、ArduinoやESP32といった、ホビー向けのロボット工学やスマートホーム製品に使われているものと同じ、一般的で手頃な価格のパーツを使用してこのシステムを構築しました。システム全体の総コストは約1,400ドルです。これは、同様の機械の市販品が13,000ドル近くすること考えると、非常に大きな意味を持ちます。コードと設計を誰でも使えるように公開することで、チームはより多くの科学者が膨大な予算を必要とせずに高品質な実験を行えるようにしたいと考えています。

NeuroHabの最も素晴らしい機能の一つは、そのタイミングの処理方法です。このシステムは、記録装置に対して「何がいつ起きたか」を伝えるために、一連の小さな電気的「パルス」（モールス信号のようなもの）を送るという巧妙なトリックを使用しています。これらのパルスは非常に高速でシステムが効率的なため、脳スキャン装置（ミニ二光子顕微鏡など）は、マウスの行動と脳の活動を完璧に同期させることができます。論文では、このタイミングの正確さによって、水の一滴が舌に触れるといった特定のイベントに対して、個々の神経細胞がどのように反応するかを観察できることが示されています。

チームは、このシステムが実世界でどの程度うまく機能するかについてもテストを行いました。50回以上の異なる試行を行い、さらにマウスがケージ内を自由に動き回る16時間のセッションでも使用しました。システムはクラッシュせず、データも失われず、96%以上の精度で「舐める」動作を検知できました。彼らはさらに、脳の内部を覗き見るハイテクカメラである「ミニ二光子顕微鏡」と併用できることも示し、マウスの行動と脳の信号をミリ秒単位で同期できることを証明しました。

しかし、この論文は、このシステムが「できないこと」についても慎重に指摘しています。このシステムは、脳自体の連続的な電気波（EEGのようなもの）を記録するように設計されているのではなく、重労働を行う他の機械に対して、正確な「開始」と「停止」の信号を送る「指揮者」としての役割を担っています。また、いくつかの制限もあります。例えば、異なるソースからあまりに多くのイベントが同時に発生した場合、システムが混乱する可能性がありますが、著者らはこれは典型的な実験では稀であると述べています。また、液体の供給方法が特定のタイプに依存しており、注意深く校正しなければ、与えられる水の量がわずかに狂う可能性があることも指摘しています。

要するに、NeuroHabは、複雑で高価な問題を、シンプルでモジュール化された手頃な設計によって解決したことで、ゲームチェンジャーとなりました。これは、動物がどのように学習し、その脳がどのように機能しているのかについて、精密で高速なデータを得るために、必ずしも百万ドル規模の予算は必要ないということを証明しています。設計図を公開することで、著者らは他の科学者に対し、自分たちのバージョンを構築し、改良し、そして予算を使い果たすことなく、脳の新たな秘密を解き明かすために利用することを呼びかけているのです。