Computational simulation reveals the critical role of spike-timing-dependent plasticity in synchrony

人間の脳は、数十億もの微小な電気細胞からなる広大なネットワークであり、絶えず信号を発信することで私たちの思考、記憶、知覚を構築しています。何十年もの間、科学者たちはこれらの細胞がどのように自己組織化して情報を蓄積するのかについて議論してきました。一方の説は、学習はニューロンのグループが、まるで合唱団が同じ音符を同時に歌うかのように、完璧に一致して発火するときに起こると示唆しています。この同期した活動は、記憶が形成される際の物理的な署名であると考えられています。もう一方の説は、情報が有用であるためには、それは多様で予測不可能でなければならないと主張しています。もしすべての細胞が全く同じ瞬間に発火すれば、その信号はあまりに均一になりすぎて、複雑な詳細を運ぶことができなくなります。それは、単一のトーンのみを放送するラジオ局のようなものです。学習のための統一性と、情報を符号化するための多様性の必要性との間のこの緊張関係は、神経科学における長年の謎を生み出してきました。

研究者たちは、脳がニューロン間の結合を強化するために特定のルールを使用していることを古くから知っていました。すなわち、2つの細胞が正確なシーケンスで発火するとき、その間のつながりが強まるというものです。スパイク・タイミング依存可塑性として知られるこのプロセスは、学習の背後にある生物学的なメカニズムです。しかし、この学習ルールが、情報には混沌とした非同期の状態が必要であるという考え方と、どのように共存できるのかは不明でした。もし学習には細胞が共に発火することが必要であるならば、脳はどうして詳細な記憶を保持するために細胞が離れて発火することにも依存できるのでしょうか。トロント大学とクレンビル・ブレイン研究所の計算科学者による新しい研究は、これら一見相反する2つの力が敵ではなく、連続的なフィードバックループにおけるパートナーであることを提案しています。

この謎を解明するために、研究者たちは、脳の記憶の中心拠点である海馬に見られる細胞の挙動を模倣した、小さなニューロンネットワークの詳細なコンピュータモデルを構築しました。彼らはこの仮想ネットワークに、興奮または抑制する活動に関わる化学信号を含む、実際のニューロンが従うのと同じ生物学的ルールをプログラムしました。チームは、ラットが明るさの異なる画像を識別するという視覚的タスクを実行している際の現実的なデータをモデルに投入しました。そして、学習メカニズムが有効な場合と、それがオフになっている場合の2つのバージョンのシミュレーションを実行しました。仮想ニューロンの電気的活動を比較することで、学習プロセスがどのようにスパイクのタイミングを変化させたのかを正確に観察することができました。

結果は、学習とタイミングの間のダイナミックで驚くべき関係を明らかにしました。学習メカニズムが有効であるとき、ニューロンは単に同期し続けるわけでも、非同期し続けるわけでもありませんでした。代わりに、彼らはリズム的なサイクルに入りました。学習プロセスの開始時、ニューロンは発火のタイミングにおいて互いに離れ始め、非同期状態を作り出しました。この変化はシステムの失敗ではなく、学習そのものの必然的な結果でした。信号のタイミングにおける多様性の増加は、実際には学習の強度を調節する役割を果たし、ネットワークが硬直したパターンに陥るのを防いでいました。

シミュレーションが数秒間にわたって進行するにつれ、研究者たちは同期と非同期の複雑なダンスを観察しましたが、そのパターンは単純な交互の動きではありませんでした。ネットワークは同期状態から非同期状態へと移動し、その後、まばらな活動期間を経て、再び一時的に同期した後、再び離れていくという動きを見せました。この変動は、完全に学習ルールによって引き起こされました。研究は、脳が情報を管理するためにこの移り変わるバランスを利用していることを示唆しています。初期の同期は、脳が新しい情報を捉えることを可能にし、その後の非同期化は、その情報が後の想起において他の記憶と干渉することなく、柔軟に保存されることを可能にします。

決定的なことに、シミュレーションは、学習メカニ즘がない場合、ニューロンはこのように制御された変動を示さないことを示しました。学習が無効になると、ネットワークは時間の経過とともに進化することのない、同期と非同期の混合状態にとどまりました。この発見は、これらの状態間の切り替え能力がランダムな現象ではなく、脳の学習プロセスの直接的な結果であることを示しています。この研究は、脳は同期か非同期かのどちらかを選択するのではなく、むしろ学習プロセスを利用してそれらの間を切り替え、自己調節システムを作り上げていることを示唆しています。

この視点は、脳がいかにして秩序と混沌のバランスを取っているかという長年のパズルを理解するための新しい方法を提供します。それは、学習と情報理論の間の明白な矛盾は、それらを単一の連続的なプロセスの一部として捉えることで解決されることを示唆しています。学習は記憶を形成するために必要な同期を開始させますが、学習行為そのものがシステムを非同期化へと押し進め、それが記憶の柔軟性を維持させるのです。研究者たちは、このループによって脳が適切なレベルの多様性を維持でき、てんかんで見られるような極端な同期や、記憶喪失に関連する極端な非同期を防ぐことができることを発見しました。

コンピュータ・シミュレーションのみによって行われたこの研究は、これらの生物学的プロセスがどのように機能するかについての理論的な枠組みを提供しています。モデルは確立された生物学的データと現実的な入力に基づいたものですが、その知見は、これらのメカニズムがどのように相互作用するかについての提案であり、生体組織の直接的な観察ではありません。著者らは、この調節ループが、私たちが日常生活の複雑な詳細をどのように符号化しているかを理解するための鍵となり得ると述べています。学習と非同期化が深く絡み合っていることを示すことで、この研究は、脳がいかにして安定した出来事の記録者であると同時に、新しい情報の柔軟な処理装置であり続けられるのかについて、一貫した説明を提供しています。